千家信息网

SparkStreaming消费kafka数据

发表于:2026-10-31 作者:千家信息网编辑
千家信息网最后更新 2026年10月31日,概要:本例子为SparkStreaming消费kafka消息的例子,实现的功能是将数据实时的进行抽取、过滤、转换,然后存储到HDFS中。实例代码package com.fwmagic.testimpo
千家信息网最后更新 2026年10月31日SparkStreaming消费kafka数据

概要:本例子为SparkStreaming消费kafka消息的例子,实现的功能是将数据实时的进行抽取、过滤、转换,然后存储到HDFS中。

实例代码

package com.fwmagic.testimport com.alibaba.fastjson.{JSON, JSONException}import org.apache.kafka.common.serialization.StringDeserializerimport org.apache.spark.SparkConfimport org.apache.spark.sql.{SaveMode, SparkSession}import org.apache.spark.streaming.kafka010._import org.apache.spark.streaming.{Seconds, StreamingContext}import org.slf4j.LoggerFactory/**  * created by fwmagic  */object RealtimeEtl {  privateval logger = LoggerFactory.getLogger(PVUV.getClass)  def main(args: Array[String]): Unit = {    System.setProperty("HADOOP_USER_NAME", "hadoop")    val conf = new SparkConf().setAppName("RealtimeEtl").setMaster("local[*]")    val spark = SparkSession.builder().config(conf).getOrCreate()    val streamContext = new StreamingContext(spark.sparkContext, Seconds(5))    //直连方式相当于跟kafka的Topic至直接连接    //"auto.offset.reset:earliest(每次重启重新开始消费),latest(重启时会从最新的offset开始读取)    val kafkaParams = Map[String, Object](      "bootstrap.servers" -> "hd1:9092,hd2:9092,hd3:9092",      "key.deserializer" -> classOf[StringDeserializer],      "value.deserializer" -> classOf[StringDeserializer],      "group.id" -> "fwmagic",      "auto.offset.reset" -> "latest",      "enable.auto.commit" -> (false: java.lang.Boolean)    )    val topics = Array("access")    val kafkaDStream = KafkaUtils.createDirectStream[String, String](      streamContext,      LocationStrategies.PreferConsistent,      ConsumerStrategies.Subscribe[String, String](topics, kafkaParams)    )    //如果使用SparkStream和Kafka直连方式整合,生成的kafkaDStream必须调用foreachRDD    kafkaDStream.foreachRDD(kafkaRDD => {      if (!kafkaRDD.isEmpty()) {        //获取当前批次的RDD的偏移量        val offsetRanges = kafkaRDD.asInstanceOf[HasOffsetRanges].offsetRanges        //拿出kafka中的数据        val lines = kafkaRDD.map(_.value())        //将lines字符串转换成json对象        val logBeanRDD = lines.map(line => {          var logBean: LogBean = null          try {            logBean = JSON.parseObject(line, classOf[LogBean])          } catch {            case e: JSONException => {              //logger记录              logger.error("json解析错误!line:" + line, e)            }          }          logBean        })        //过滤        val filteredRDD = logBeanRDD.filter(_ != null)        //将RDD转化成DataFrame,因为RDD中装的是case class        import spark.implicits._        val df = filteredRDD.toDF()        df.show()        //将数据写到hdfs中:hdfs://hd1:9000/360        df.repartition(1).write.mode(SaveMode.Append).parquet(args(0))        //提交当前批次的偏移量,偏移量最后写入kafka        kafkaDStream.asInstanceOf[CanCommitOffsets].commitAsync(offsetRanges)      }    })    //启动    streamContext.start()    streamContext.awaitTermination()    streamContext.stop()  }}case class LogBean(time:String,                   longitude:Double,                   latitude:Double,                   openid:String,                   page:String,                   evnet_type:Int)

依赖环境(pom.xml)

    4.0.0    com.fwmagic.360    fwmagic-360    1.0            1.8        1.8        2.11.7        2.2.2        2.7.7        UTF-8                                    org.scala-lang            scala-library            ${scala.version}                                    org.apache.spark            spark-core_2.11            ${spark.version}                                    org.apache.spark            spark-sql_2.11            ${spark.version}                                    org.apache.spark            spark-streaming_2.11            ${spark.version}                            org.apache.spark            spark-streaming-kafka-0-10_2.11            ${spark.version}                                    org.apache.hadoop            hadoop-client            ${hadoop.version}                                    org.apache.hadoop            hadoop-client            ${hadoop.version}                            com.alibaba            fastjson            1.2.39                                                                                        net.alchim31.maven                    scala-maven-plugin                    3.2.2                                                                    org.apache.maven.plugins                    maven-compiler-plugin                    3.5.1                                                                        net.alchim31.maven                scala-maven-plugin                                                            scala-compile-first                        process-resources                                                    add-source                            compile                                                                                        scala-test-compile                        process-test-resources                                                    testCompile                                                                                                    org.apache.maven.plugins                maven-compiler-plugin                                                            compile                                                    compile                                                                                                                org.apache.maven.plugins                maven-shade-plugin                2.4.3                                                            package                                                    shade                                                                                                                                                *:*                                                                            META-INF/*.SF                                        META-INF/*.DSA                                        META-INF/*.RSA                                                                                                                                                                                    
数据 偏移 消费 例子 批次 方式 中装 代码 功能 字符 字符串 实例 实时 对象 概要 消息 环境 错误 UTF-8 存储 数据库的安全要保护哪些东西 数据库安全各自的含义是什么 生产安全数据库录入 数据库的安全性及管理 数据库安全策略包含哪些 海淀数据库安全审计系统 建立农村房屋安全信息数据库 易用的数据库客户端支持安全管理 连接数据库失败ssl安全错误 数据库的锁怎样保障安全 南京欣网互联网络科技有限公司 亿人帮互联网科技有限公司 国智互联网科技 科技创新与互联网经济 科技互联网技术 互联网科技与金融科技 美国互联网黑科技 易通互联网络科技有限公司 掌上梦互联网科技 互联网金融科技委员会 成都仁贤领冠互联网科技有限公司 老年人脱离互联网科技的作文 彤创互联网科技有限公司 青岛科技大学互联网大赛研究生 健康食品互联网创新科技园项目 科技赋能视角下互联网保险发展 2021互联网科技公司排名 产业互联网科技服务公司 上海同邻互联网科技有限公司规模 互联网的黑科技实验室 百单网互联网科技有限公司 互联网科技公司排名 国智互联网科技 科技互联网技术 互联网经济与金融科技 语蝶互联网科技有限公司 深圳育鹏互联网科技有限公司招聘 互联网公司黑科技创始人 科技互联网海报 福州德业互联网科技
0