Project——智慧出行——module1--tf_producer——步骤6：Producer.scala

scala 的main目录下创建scala class ：

完整的Producer.scala代码：

package main

import java.text.DecimalFormat
import java.util
import java.util.Calendar

import com.alibaba.fastjson.JSON
import org.apache.kafka.clients.producer.{KafkaProducer, ProducerRecord}
import utils.PropertyUtil

import scala.util.Random

object Producer {
  def main(args: Array[String]): Unit = {

    // 1 读取kafka配置信息
    // import utils.PropertyUtil
    val props = PropertyUtil.properties
    // 2 创建kafka生产者对象
    // import org.apache.kafka.clients.producer.KafkaProducer
    val producer = new KafkaProducer[String, String](props)

    // 3 模拟生产实时数据，每5分钟切换一次车辆速度
    // import java.util.Calendar
    // getTimeInMillis得到当前毫秒数， / 1000 得到当前“秒”
    var startTime = Calendar.getInstance().getTimeInMillis / 1000
    // 4 定义切换周期（单位：s）
    val trafficCycle = 10
    // 5 利用循环，不停的开始产生模拟数据
    while (true) {
      // 6 模拟产生监测点（模拟20个监测点id）
      // import java.text.DecimalFormat
      val randomMonitorID = new DecimalFormat("0000").format(Random.nextInt(20) + 1)
      // 7 定义随机速度
      var randomSpeed = ""
      // 8 当前时间获取（数据产生时间）
      val currentTime = Calendar.getInstance().getTimeInMillis / 1000
      // 9 速度切换判断，模拟（堵车）切换周期：5分钟
      if (currentTime - startTime > trafficCycle - 1) {
        // 10 产生随机速度数据[0, 16)(单位：km/h)
        randomSpeed = new DecimalFormat("000").format(Random.nextInt(16))
        // 11 在堵车5分钟后，结束堵车状态
        if (currentTime - startTime > (trafficCycle - 1) * 2) {
          startTime = currentTime
        }
      } else {
        // 12 产生随机速度数据[30, 61)(单位：km/h)
        randomSpeed = new DecimalFormat("000").format(Random.nextInt(31) + 30)
      }
      // 13 打印模拟数据，测试
      // println(randomMonitorID + "," + randomSpeed)
      // 15 json序列化数据后，再上传数据到kafka中
      // import java.util(貌似与scala中的HashMap冲突，scala允许无缝连接java的api)
      val jsonMap = new util.HashMap[String, String]()
      // 16 monitor_id到json
      jsonMap.put("monitor_id", randomMonitorID)
      // 17 Speed到json
      jsonMap.put("speed", randomSpeed)
      // 18 序列化json
      // import com.alibaba.fastjson.JSON
      val event = JSON.toJSON(jsonMap)
      // 19 查看序列化后结果，json字符串
      println(event)
      // 20 将消息传送到kafka
      // import org.apache.kafka.clients.producer.ProducerRecord
      producer.send(new ProducerRecord[String, String](props.getProperty("kafka.topics"), event.toString))
      // 14 减缓线程,便于观察
      //Thread.sleep(200)

    }
  }
}

第13步结束测试产生数据
（加入Thread.sleep(1000)语句可以减缓数据产生速度，便于观察）

第19步json后结果：

第20步结果
启动集群的zookeeper服务 (全部节点都要启动)

zkServer.sh start

启动hadoop服务（主节点启动）

start-all.sh

启动kafka集群(全部节点都要启动)

kafka-server-start.sh /home/hadoop/kafka_2.11/config/server.properties

创建kafka主题traffic（一个节点执行）

kafka-topics.sh --zookeeper centosa:2181 --topic traffic --create --replication-factor 1 --partitions 3

检查主题

kafka-topics.sh --list --zookeeper centosa:2181  

（kafka-topics.sh –zookeeper centosa:2181 –list效果相同 ）

创建kafka的控制台消费者

kafka-console-consumer.sh --zookeeper centosa:2181 --topic traffic --from-beginning

（如果kafka.properties中的bootstrap.servers中使用的是ip地址，则需要将名称改为ip地址）
–from-beginning可以去掉

run Producer.scala

带不带–from-beginning的区别：
–from-beginning，读取历史未消费的数据

• 第一次使用时由于没有历史数据，所以没差别
• 第二次使用时，无论是否产生数据，均会显示历史未消费数据，但数据顺序会变化

下图为第二次使用kafka，有–from-beginning，但没有启动Producer.scala效果

至此，生产者创建完毕