【慕课网实战】Spark Streaming实时流处理项目实战笔记十三之铭文升级版

铭文一级：

第10章 Spark Streaming整合Kafka

spark-submit \
--class com.imooc.spark.KafkaReceiverWordCount \
--master local[2] \
--name KafkaReceiverWordCount \
--packages org.apache.spark:spark-streaming-kafka-0-8_2.11:2.2.0 \
/home/hadoop/lib/sparktrain-1.0.jar hadoop000:2181 test kafka_streaming_topic 1

spark-submit \
--class com.imooc.spark.KafkaDirectWordCount \
--master local[2] \
--name KafkaDirectWordCount \
--packages org.apache.spark:spark-streaming-kafka-0-8_2.11:2.2.0 \
/home/hadoop/lib/sparktrain-1.0.jar hadoop000:9092 kafka_streaming_topic

铭文二级：

第10章 Spark Streaming整合Kafka

Receiver方式的联调

hadoop000:2181 test kafka_streaming_topic 1　　//可直接到IDEA的edit configuration复制

//test：group名、1：线程数

setMaster("local[2]") //一定要大于2

mvn、scp、运行后看4040端口Spark Streaming的UI界面

可发现Receiver是一直都在运作的，二Direct方式没有此Jobs

Direct Approach（常用 spark1.3引入）

特点：

1、简化了并行度，不需要多个Input Stream，只需要一个DStream

2、加强了性能，真正做到了0数据丢失，而Receiver方式需要写到WAL才可以（即副本存储），Direct方式没有Receiver

3、只执行一次

缺点：基于ZooKeeper的Kafka监控工具，无法展示出来，所以需要周期性地访问offset才能更新到ZooKeeper去

操作：

1、cp KafkaReceiverWordCount 为KafkaDirectWordCount

将createStream改为createDirectStream

参数只需要传brokers与topics，注意查看源码与泛型看返回类型并构造出来

2、关键代码：

　　val topicsSet = topics.split(",").toSet

　　val kafkaParams = Map[String,String]("metadata.broker.list"-> brokers)

    // TODO... Spark Streaming如何对接Kafka

　　val messages = KafkaUtils.createDirectStream[String,String,StringDecoder,StringDecoder](ssc,kafkaParams,topicsSet)

3、联调方式跟Receiver完全一样

第11章 Spark Streaming整合Flume&Kafka打造通用流处理基础

整合日志输出到Flume、整合Flume到Kafka、整合Kafka到Spark Streaming

将Spark Streaming接受到的数据进行处理

日志产生器开发并结合log4j完成日志的输出=>

项目结构的构建：

在test文件夹建java文件夹（改颜色）：

新建类LoggerGenerator

public class LoggerGenerator {

    private static Logger logger = Logger.getLogger(LoggerGenerator.class.getName());

    public static void main(String[] args) throws Exception{

        int index = 0;

        while(true) {

            Thread.sleep(1000);

            logger.info("value : " + index++);

        }

    }

}

在test文件夹建resources文件夹（改颜色）：

新建文件log4j.properties

log4j.rootLogger=INFO,stdout,flume

log4j.appender.stdout = org.apache.log4j.ConsoleAppender

log4j.appender.stdout.target = System.out

log4j.appender.stdout.layout=org.apache.log4j.PatternLayout

log4j.appender.stdout.layout.ConversionPattern=%d{yyyy-MM-dd HH:mm:ss,SSS} [%t] [%c] [%p] - %m%n

　含义：

　　%m   输出代码中指定的消息

　　%p   输出优先级，即DEBUG，INFO，WARN，ERROR，FATAL

　　%r   输出自应用启动到输出该log信息耗费的毫秒数

　　%c   输出所属的类目，通常就是所在类的全名

　　%t   输出产生该日志事件的线程名

　　%n   输出一个回车换行符，Windows平台为“\r\n”，Unix平台为“\n”

　　%d   输出日志时间点的日期或时间，默认格式为ISO8601，也可以在其后指定格式，比如：%d{yyy MMM dd HH:mm:ss , SSS}，
　　　　　输出类似：2002年10月18日  22 ： 10 ： 28 ， 921

　　%l   输出日志事件的发生位置，包括类目名、发生的线程，以及在代码中的行数。举例：Testlog4.main(TestLog4.java: 10 )