packagesparkstreamingimportjava.sql.{Connection, ResultSet, Statement}importkafka.common.TopicAndPartitionimportkafka.message.MessageAndMetadataimportkafka.serializer.StringDecoderimportkafka.utils.{ZKGroupTopicDirs, ZkUtils}importorg.I0Itec.zkclient.ZkClientimportorg.apache.spark.SparkConfimportorg.apache.spark.rdd.RDDimportorg.apache.spark.streaming.dstream.InputDStreamimportorg.apache.spark.streaming.kafka.{HasOffsetRanges, KafkaUtils, OffsetRange}importorg.apache.spark.streaming.{Duration, StreamingContext}
object KafkaDirectWordCountV3 {
def main(args: Array[String]): Unit={//指定组名
val group = "g001"
//创建SparkConf
val conf = new SparkConf().setAppName("KafkaDirectWordCount").setMaster("local[2]")//创建SparkStreaming,并设置间隔时间
val ssc = new StreamingContext(conf, Duration(5000))//指定消费的 topic 名字
val topic = "wc"
//指定kafka的broker地址(sparkStream的Task直连到kafka的分区上,用更加底层的API消费,效率更高)
val brokerList = "localhost:9092"
//指定zk的地址,后期更新消费的偏移量时使用(以后可以使用Redis、MySQL来记录偏移量)
val zkQuorum = "localhost:2181"
//创建 stream 时使用的 topic 名字集合,SparkStreaming可同时消费多个topic
val topics: Set[String] =Set(topic)//创建一个 ZKGroupTopicDirs 对象,其实是指定往zk中写入数据的目录,用于保存偏移量
val topicDirs = newZKGroupTopicDirs(group, topic)//获取 zookeeper 中的路径 "/g001/offsets/wc/"
val zkTopicPath = s"${topicDirs.consumerOffsetDir}"
//准备kafka的参数
val kafkaParams =Map(//"deserializer.encoding" -> "GBK",
"metadata.broker.list" ->brokerList,"group.id" ->group,//从头开始读取数据
"auto.offset.reset" ->kafka.api.OffsetRequest.SmallestTimeString
)//zookeeper 的host 和 ip,创建一个 client,用于跟新偏移量量的//是zookeeper的客户端,可以从zk中读取偏移量数据,并更新偏移量
val zkClient = newZkClient(zkQuorum)//查询该路径下是否字节点(默认有字节点为我们自己保存不同 partition 时生成的)///g001/offsets/wordcount/0/10001"///g001/offsets/wordcount/1/30001"///g001/offsets/wordcount/2/10001"//zkTopicPath -> /g001/offsets/wordcount/
val children =zkClient.countChildren(zkTopicPath)
var kafkaStream: InputDStream[(String, String)]= null
//如果 zookeeper 中有保存 offset,我们会利用这个 offset 作为 kafkaStream 的起始位置
var fromOffsets: Map[TopicAndPartition, Long] =Map()//如果保存过 offset//注意:偏移量的查询是在Driver完成的
if (children > 0) {for (i
println(s"路径:${zkTopicPath}")
val partitionOffset= zkClient.readData[String](s"$zkTopicPath/${i}")//wordcount/0
val tp =TopicAndPartition(topic, i)//将不同 partition 对应的 offset 增加到 fromOffsets 中//wordcount/0 -> 10001
fromOffsets += (tp ->partitionOffset.toLong)
}//Key: kafka的key values: "hello tom hello jerry"//这个会将 kafka 的消息进行 transform,最终 kafak 的数据都会变成 (kafka的key, message) 这样的 tuple
val messageHandler = (mmd: MessageAndMetadata[String, String]) =>(mmd.key(), mmd.message())//通过KafkaUtils创建直连的DStream(fromOffsets参数的作用是:按照前面计算好了的偏移量继续消费数据)//[String, String, StringDecoder, StringDecoder, (String, String)]//key value key的解码方式 value的解码方式
kafkaStream =KafkaUtils.createDirectStream[String, String, StringDecoder, StringDecoder, (String, String)](ssc, kafkaParams, fromOffsets, messageHandler)
}else{//如果未保存,根据 kafkaParam 的配置使用最新(largest)或者最旧的(smallest) offset
kafkaStream =KafkaUtils.createDirectStream[String, String, StringDecoder, StringDecoder](ssc, kafkaParams, topics)
}//偏移量的范围
var offsetRanges =Array[OffsetRange]()//如果你调用了DStream的Transformation,就不能使用直连方式//val ds = kafkaStream.map(_._2).flatMap(_.split(" ")).map((_, 1))//ds.foreachRDD(rdd => {// //当前的这个RDD已经不是KafkaRDD了,就不能获取到从kafka中读取的偏移量//offsetRanges = rdd.asInstanceOf[HasOffsetRanges].offsetRanges//})//
//直连方式只有在KafkaDStream的RDD(KafkaRDD)中才能获取偏移量,那么就不能到调用DStream的Transformation//所以只能子在kafkaStream调用foreachRDD,获取RDD的偏移量,然后就是对RDD进行操作了//依次迭代KafkaDStream中的KafkaRDD//如果使用直连方式累加数据,那么就要在外部的数据库中进行累加(用KeyVlaue的内存数据库(NoSQL),Redis)
kafkaStream.foreachRDD { kafkaRDD =>
//只有KafkaRDD可以强转成HasOffsetRanges,并获取到偏移量
offsetRanges =kafkaRDD.asInstanceOf[HasOffsetRanges].offsetRanges//获取数据
val lines: RDD[String] =kafkaRDD.map(_._2)//对RDD进行操作,触发Action
lines.foreachPartition(partition =>partition.foreach(x=>{//写业务逻辑 ---来一个wc吧
println(x)
val tuples: Array[(String, Int)]= x.split(" ").map((_, 1))
val grouped: Map[String, Array[(String, Int)]]=tuples.groupBy(_._1)
val wordAndCount: Map[String, Int]=grouped.mapValues(_.length)
val sorted: List[(String, Int)]= wordAndCount.toList.sortBy(-_._2)//写入mysql
for (i
val pool= newMysqlConnectPool
val conn: Connection=pool.conn()
val stat: Statement=conn.createStatement()
var field=sorted(i)._1
val times=sorted(i)._2
println(s"数据更新开始...........")
val set: ResultSet=pool.selectByField(stat,field)if(set.next()){
println(s"数据更新循环")
val dbfield: String= set.getString("field")
val dbtimes: Int= set.getInt("times")
println(s"数据库查出数据为:dbfield=${dbfield},dbtimes=${dbtimes}")
val resUpdate= pool.update(stat,field,times+dbtimes)
}else{
println(s"数据入库开始...........")
val result: Int=pool.insert(stat,field,times)
}
pool.close(conn,stat)
}
})
)for (o
val zkPath = s"${topicDirs.consumerOffsetDir}/${o.partition}"
//将该 partition 的 offset 保存到 zookeeper///g001/offsets/wordcount/0/20000
println(s"保存的路径为:${zkPath},保存的偏移量为:${o.untilOffset.toString}")
ZkUtils.updatePersistentPath(zkClient, zkPath, o.untilOffset.toString)
}
}
ssc.start()
ssc.awaitTermination()
}
}