之前讲述了spark如何从kafka中消费数据,这次来将一下spark如何将数据写入到kafka中。
一、spark写消息到kafka中
- 直接在spark或者sparkstreaming每一批次处理结束后,在rdd.foreachPartition方法体内创建new KafkaProducer来进行数据写入。
**不推荐:**因为每一个partition都要与kafka建立一次连接。
代码如下:
input.foreachRDD(rdd =>
// 不能在这里创建KafkaProducer,因为不能序列化,需要序列化后传入每一个executor中
rdd.foreachPartition(partition =>
partition.foreach{
case x:String=>{
val props = new HashMap[String, Object]()
props.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, brokers)
props.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG,
"org.apache.kafka.common.serialization.StringSerializer")
props.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG,
"org.apache.kafka.common.serialization.StringSerializer")
println(x)
val producer = new KafkaProducer[String,String](props)
val message=new ProducerRecord[String, String]("output",null,x)
producer.send(message)
}
}
)
)
说明:对于每个partition的每条记录,我们都需要创建KafkaProducer,然后利用producer进行输出操作,注意这里我们并不能将KafkaProducer的新建任务放在foreachPartition外边,因为KafkaProducer是不可序列化的(not serializable)。显然这种做法是不灵活且低效的,因为每条记录都需要建立一次连接。
- 改进方式:将KafkaProducer利用lazy val的方式包装实现可序列化,然后广播出去
首先是lazy包装:
import java.util.concurrent.Future
import org.apache