SparkStream整合Kafka

我使用python版的 kafka向sparkstream 发送数据
数据格式如下 因为床型存在重复，我会删除第一个床型，如果每段长度为6时。

白山涵月楼酒店	大床	双床	¥702	2021年-04月-19日21时:27分:23秒	
白山涵月楼酒店	大床	大床	¥847	2021年-04月-19日21时:27分:23秒	
白山涵月楼酒店	大床	大床	¥288	2021年-04月-19日21时:27分:23秒	
白山涵月楼酒店	大床	大床	¥302	2021年-04月-19日21时:27分:23秒	
V5连锁酒店(白山轴承店)	大床	大床	¥94	2021年-04月-19日21时:27分:40秒	
V5连锁酒店(白山轴承店)	大床	其他	¥104	2021年-04月-19日21时:27分:40秒	
如家商旅酒店(白山民中街店)	大床	其他	¥186	2021年-04月-19日21时:27分:56秒	
如家商旅酒店(白山民中街店)	大床	双床	¥193	2021年-04月-19日21时:27分:56秒	
如家商旅酒店(白山民中街店)	大床	其他	¥209	2021年-04月-19日21时:27分:56秒	
如家商旅酒店(白山民中街店)	大床	其他	¥228	2021年-04月-19日21时:27分:56秒	
如家商旅酒店(白山民中街店)	大床	其他	¥228	2021年-04月-19日21时:27分:56秒	
星程酒店(白山市政府店)	大床	双床	¥200	2021年-04月-19日21时:28分:12秒	
星程酒店(白山市政府店)	大床	大床	¥240	2021年-04月-19日21时:28分:12秒	
星程酒店(白山市政府店)	大床	大床	¥307	2021年-04月-19日21时:28分:12秒	

from kafka import KafkaProducer
from time import sleep

def start_producer():
    #设置主机号
    producer = KafkaProducer(bootstrap_servers='192.168.44.131:9092')
    #设置文件位置
    file = open('data/data.txt',  encoding='utf-8')
    line = file.readlines()
    for info in line:
        datalist = info.split("\t")
        if len(datalist) == 6:
            del datalist[1]
        print(datalist, len(datalist))
        msg = 'msg is ' + str(datalist)
        #设置主题 和编码
        producer.send('hoetl_info', msg.encode('utf-8'))
        sleep(3)

if __name__ == '__main__':
    start_producer()

package sparkstream.demo

import java.util.Random
import org.apache.kafka.clients.consumer.{ConsumerConfig, ConsumerRecord}
import org.apache.spark.SparkConf
import org.apache.spark.rdd.RDD
import org.apache.spark.storage.StorageLevel
import org.apache.spark.streaming.dstream.{DStream, InputDStream, ReceiverInputDStream}
import org.apache.spark.streaming.kafka010.{ConsumerStrategies, KafkaUtils, LocationStrategies}
import org.apache.spark.streaming.receiver.Receiver
import org.apache.spark.streaming.{Seconds, StreamingContext}

import scala.reflect.internal.util.NoPosition.line

object SparkStreaming04_Kafka {

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

        val sparkConf = new SparkConf().setMaster("local[*]").setAppName("SparkStreaming")
        //设置窗口时间
        val ssc = new StreamingContext(sparkConf, Seconds(15))

        val kafkaPara: Map[String, Object] = Map[String, Object](
            //kafka主机
            ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG -> "192.168.44.131:9092",
            //kafka主题
            ConsumerConfig.GROUP_ID_CONFIG -> "hoetl_info",
            "key.deserializer" -> "org.apache.kafka.common.serialization.StringDeserializer",
            "value.deserializer" -> "org.apache.kafka.common.serialization.StringDeserializer"
        )

        val kafkaDataDS: InputDStream[ConsumerRecord[String, String]] = KafkaUtils.createDirectStream[String, String](
            ssc,
            LocationStrategies.PreferConsistent,
            ConsumerStrategies.Subscribe[String, String](Set("hoetl_info"), kafkaPara)
        )
        //kafkaDataDS.map(_.value()).print()
        val line:DStream[(String,Int)] = kafkaDataDS.map(x => {
            //使用map进行转换
            val lines = x.value().split(',')
            val regex = "([0-9]+)".r;
            var moeny=""
            for(matchline <- regex.findAllIn(lines(2))){
                moeny = matchline
            }
            (lines(0),moeny.toInt)
        })
        line.reduceByKey(_+_).print()




        ssc.start()
        ssc.awaitTermination()
    }

}