Spark Streaming + Kafka整合

本文介绍了Spark Streaming整合Kafka的两种方法:CreateStream(传统方式,使用接收器,可能丢失数据)和CreateDirectStream(新方法,优化并行结构,避免数据丢失和不一致)。CreateStream需要write ahead logs,而CreateDirectStream实现Kafka分区与RDD分区对应,由streaming维护offset。
摘要由CSDN通过智能技术生成

两种常用的Spark Streaming和Kafka整合方法:
1. CreateStream:
传统方法,使用了接收器和Kafka的高阶API
接收器接收到的数据被存在Spark executors中,随后streaming的任务会处理数据。
缺点:会丢失数据,除非设置streaming的write ahead logs
2. CreateDirectStream:
新方法,不使用接收器
优势:优化并行结构,kafka分区和RDD分区一一对应;不需要为了数据恢复而写write ahead logs,数据直接从kafka恢复;不会出现offset数据的不一致,offset全部由streaming维护

CreateStream

1.添加maven依赖:

 groupId = org.apache.spark
 artifactId = spark-streaming-kafka_2.10
 version = 1.6.0

2.代码(

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值