SparkStreaming和Kafka的整合

spark自带的example中就有streaming结合kafka使用的案例：

$SPARK_HOME/examples/src/main/scala/org/apache/spark/examples/streaming/KafkaWordCount.scala

使用方法参见代码描述：

Usage: KafkaWordCount <zkQuorum> <group> <topics> <numThreads>
<zkQuorum> is a list of one or more zookeeper servers that make quorum
<group> is the name of kafka consumer group
<topics> is a list of one or more kafka topics to consume from
<numThreads> is the number of threads the kafka consumer should use

Example:
`$ bin/run-example \
org.apache.spark.examples.streaming.KafkaWordCount zoo01,zoo02,zoo03 \
my-consumer-group topic1,topic2 1`

 运行步骤：

1、启动ZK

zkServer.sh start

2、启动KAFKA SERVER

kafka-server-start.sh  $KAFKA_HOME/config/server.properties &  

3、运行Producer

run-example org.apache.spark.examples.streaming.KafkaWordCountProducer hadoop000:9092 test 3 5

参数描述：

　　hadoop000:9092表示producer的地址和端口；

　　test表示topic；

　　3表示每秒发多少条消息；

　　5表示每条消息中有几个单词；

4、运行Consumer

run-example org.apache.spark.examples.streaming.KafkaWordCount hadoop000:2181 test-consumer-group test 1

参数描述：

　　hadoop000:2181表示zookeeper的监听地址；

　　test-consumer-group表示consumer-group的名称，必须和$KAFKA_HOME/config/consumer.properties中的group.id的配置内容一致；

　　test表示topic；

　　1表示线程数；

注意观察consumer控制台的数据输出，类似于下面的输出：

-------------------------------------------
Time: 1410483028000 ms
-------------------------------------------
(4,467)
(8,463)
(6,467)
(0,475)
(2,401)
(7,464)
(5,447)
(9,419)
(3,430)
(1,452)

 

 

注意：

1、运行该案例的时候不需要启动spark；

2、我已经将$KAFKA_HOME/bin和$SPARK_HOME/bin添加到系统环境变量中，故在任意路径均可以执行运行步骤的脚本，如果没配置到环境变量，需要指定路径再执行脚本。

 请转载的同学表明转载地址, 谢谢!