Spark Streaming与Socket
我们在使用Spark Streaming的实时计算功能的时候,有时候会与Socket进行通信,即通过Spark Streaming监听Socket,实时获取从Socket发送的数据进行处理。
但最近发现一个坑:Socket如果客户端与服务端之间有一段时间没有进行通信,即客户端与服务端之间相互没有进行数据传输,那么客户端与服务端的连接就会自动断开。
参考了一些资料,一般的做法就是在客户端增加一个“心跳机制”:客户端每隔一段时间往服务端发送一次数据,使得连接不会自动断开。在原生的Java或其他使用中,就很容易实现。就是起一个线程来不断运行这个心跳机制的方法。
自定义接收器
那么,在Spark Streaming中如何实现呢?
可能很多人像我之前一样,在Spark Streaming与Socket通信的时候,都是使用这个官方APIsocketTextStream。但是,你想要在增加“心跳机制”的话,就不能使用这个API,需要自定义接收器Spark Streaming Custom Receivers。
首先,你需要实现一个接收器类,然后继承org.apache.spark.streaming.receiver.Receiver
- onStart():开始接收数据的方法。在这个方法里面,你可以创建你的客户端连接,然后开启一个线程来接收数据,即执行receive方法
- onStop():停止接收数据的方法。在这个方法,一般不需要任何处理
- receive():接收数据的方法
import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.io.OutputStream;
import java.net.ConnectException;
import java.net.Socket;
import java.nio.charset.StandardCharsets;
import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.function.VoidFunction;
import org.apache.spark.storage.StorageLevel;
import org.apache.spark.streaming.Duration;
import org.apache.spark.streaming.api.java.JavaReceiverInputDStream;
import org.apache.spark.streaming.api.java.JavaStreamingContext;
import org.apache.spark.streaming.receiver.Receiver;
import com.google.common.io.Closeables;
public class JavaCustomReceiver extends Receiver<String> {
private static final long serialVersionUID = 1L;
public static void main(String[] args) throws Exception {
// Create the context with a 1 second batch size
SparkConf sparkConf = new SparkConf().setAppName("JavaCustomReceiver").setMaster("local[4]");
JavaStreamingContext ssc = new JavaStreamingContext(sparkConf, new Duration(3000));
ssc.sparkContext().setLogLevel("ERROR");
JavaReceiverInputDStream<String> lines = ssc.receiverStream(new JavaCustomReceiver("localhost", 9999));
lines.foreachRDD(new VoidFunction<JavaRDD<String>>() {
private static final long serialVersionUID = 1L;
@Override
public void call(JavaRDD<String> t) throws Exception {
System.out.println("data -->" + t.collect());
}
});
ssc.start();
ssc.awaitTermination();
}
// ============= Receiver code that receives data over a socket ==============
String host = null;
int port = -1;
private Socket socket = null;
private boolean firstStart = true;
public JavaCustomReceiver(String host_, int port_) {
super(StorageLevel.MEMORY_AND_DISK_2());
host = host_;
port = port_;
}
/**
* 初设化或receiver异常的时候,会有重连机制,调用restart方法,然后执行该方法onStart
*/
@Override
public void onStart() {
// Start the thread that receives data over a connection
try {
socket = new Socket(host, port);
socket.setKeepAlive(true);
} catch (Exception e) {
restart("Error reconnect to socket", e);
}
new Thread(this::receive).start();
// 只需要在第一次开始的时候,创建一个线程就可以了。
if (firstStart) {
new Thread(this::heartBeat).start();
}
}
@Override
public void onStop() {
// There is nothing much to do as the thread calling receive()
// is designed to stop by itself isStopped() returns false
}
/** Create a socket connection and receive data until receiver is stopped */
private void receive() {
try {
BufferedReader reader = null;
try {
// connect to the server
reader = new BufferedReader(new InputStreamReader(socket.getInputStream(), StandardCharsets.UTF_8));
// Until stopped or connection broken continue reading
String userInput;
// 当receiver正常工作时,监听线程会一直处在这个while循环运行
while (!isStopped() && (userInput = reader.readLine()) != null) {
// 当监听有数据时,就会进来,执行此处的代码块
System.out.println("Received data '" + userInput + "'");
store(userInput);
}
} finally {
Closeables.close(reader, /* swallowIOException = */ true);
Closeables.close(socket, /* swallowIOException = */ true);
}
// Restart in an attempt to connect again when server is active again
restart("Trying to connect again");
} catch (ConnectException ce) {
// restart if could not connect to server
restart("Could not connect", ce);
} catch (Throwable t) {
restart("Error receiving data", t);
}
}
/**
* 心跳线程
*/
private void heartBeat() {
firstStart = false;
OutputStream out;
while (true) {
// 每隔10分钟往服务端,发送一次"心跳",防止自动断开
try {
Thread.sleep(10 * 60 * 1000);
} catch (InterruptedException e) {
e.printStackTrace();
break;
}
synchronized (socket) {
if (socket != null && !socket.isClosed()) {
try {
out = socket.getOutputStream();
out.write(0);
out.flush();
// 这个地方不能将out.close(),否则socket连接也会一同关闭,receiver接收数据就会报错
// out.close();
out = null;
System.out.println("socket is closed: " + socket.isClosed());
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
}
}
}
}
运行机制
- 首先,第一次的时候,会执行onStart方法,然后进行开始接收数据,进行receive方法;
- 然后,会在receive方法中的while循环不断执行,没有数据的时候就卡在while的判断体,当有数据的时候,就会进入while里面的方法体,这里就必须有store方法来接收数据;
- 当发生连接异常或其他异常的必须进行捕获,然后调用restart方法,restart方法稍后则会调用onStart,重新建立连接,监听并接收数据。
欢迎关注同名公众号:“我就算饿死也不做程序员”。
交个朋友,一起交流,一起学习,一起进步。