spark连接kafka的两种方式

1. Reciver方式
   spark streaming通过Reciver方式获取kafka的数据实质是：在spark程序的Executor中开Reciver来接收来自kafka的数据，然后spark streaming会启动job去处理这些数据。
   因为这些数据是存在内存中的，所以这种方式会容易丢失数据，如果要启用高可靠机制，让数据零丢失，就必须启用Spark Streaming的预写日志机制（Write Ahead Log，WAL）。该机制会同步地将接收到的Kafka数据写入分布式文件系统（比如HDFS）上的预写日志中。所以，即使底层节点出现了失败，也可以使用预写日志中的数据进行恢复，但是效率会下降。
   

2. Direct
   使用Direct这种方式的话，spark会主动地拉取kafka的数据，它会周期性地查询kafka中每个partition中最新的offset。
   使用这种方式的优点：
   1.简化并行读取
   如果要读取多个partition，不需要创建多个输入DStream然后对它们进行union操作。
   Spark会创建跟Kafka partition一样多的RDD partition，并且会并行从Kafka中读取数据。
   所以在Kafka partition和RDD partition之间，有一个一对一的映射关系。
   2.高性能
   如果要保证零数据丢失，在基于receiver的方式中，需要开启WAL机制。
   这种方式其实效率低下，因为数据实际上被复制了两份ÿ