189 8069 5689
本篇内容主要讲解“Kafka+SparkStream+Hive的项目实现方法是什么”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“Kafka+SparkStream+Hive的项目实现方法是什么”吧!
十多年的石棉网站建设经验，针对设计、前端、开发、售后、文案、推广等六对一服务，响应快，48小时及时工作处理。全网整合营销推广的优势是能够根据用户设备显示端的尺寸不同，自动调整石棉建站的显示方式，使网站能够适用不同显示终端，在浏览器中调整网站的宽度，无论在任何一种浏览器上浏览网站，都能展现优雅布局与设计，从而大程度地提升浏览体验。成都创新互联从事“石棉网站设计”,“石棉网站推广”以来，每个客户项目都认真落实执行。
目前的项目中需要将kafka队列的数据实时存到hive表中。
import org.apache.kafka.clients.consumer.ConsumerRecord
import org.apache.kafka.common.serialization.StringDeserializer
import org.apache.spark.rdd.RDD
import org.apache.spark.sql.types.{StringType, StructField, StructType}
import org.apache.spark.sql.{DataFrame, Row, SaveMode, SparkSession}
import org.apache.spark.streaming.{Durations, Seconds, StreamingContext}
import org.apache.spark.streaming.dstream.{DStream, InputDStream}
import org.apache.spark.streaming.kafka010.{CanCommitOffsets, ConsumerStrategies, HasOffsetRanges, KafkaUtils, LocationStrategies, OffsetRange}
import org.apache.spark.streaming.kafka010.LocationStrategies.PreferConsistent
import org.apache.spark.streaming.kafka010.ConsumerStrategies.Subscribe def main(args: Array[String]): Unit = {
// val conf = new SparkConf()
// conf.setMaster("local")
// conf.setAppName("SparkStreamingOnKafkaDirect")
val spark = SparkSession.builder().appName("test").master("local").enableHiveSupport().getOrCreate()
val ssc = new StreamingContext(spark.sparkContext, Durations.seconds(3))
//设置日志级别
ssc.sparkContext.setLogLevel("Error")
val kafkaParams = Map[String, Object](
"bootstrap.servers" -> "node01:9092,node02:9092,node03:9092",
"key.deserializer" -> classOf[StringDeserializer],
"value.deserializer" -> classOf[StringDeserializer],
"group.id" -> "MyGroupId", //
/**
* 当没有初始的offset，或者当前的offset不存在，如何处理数据
* earliest ：自动重置偏移量为最小偏移量
* latest：自动重置偏移量为最大偏移量【默认】
* none:没有找到以前的offset,抛出异常
*/
"auto.offset.reset" -> "earliest",
/**
* 当设置 enable.auto.commit为false时，不会自动向kafka中保存消费者offset.需要异步的处理完数据之后手动提交
*/
"enable.auto.commit" -> (false: java.lang.Boolean) //默认是true
)
//设置Kafka的topic
val topics = Array("test")
//创建与Kafka的连接，接收数据
/*这里接收到数据的样子
2019-09-26 1569487411604 1235 497 Kafka Register
2019-09-26 1569487411604 1235 497 Kafka Register
2019-09-26 1569487414838 390 778 Flink View
*/
val stream: InputDStream[ConsumerRecord[String, String]] = KafkaUtils.createDirectStream[String, String](
ssc,
PreferConsistent, //
Subscribe[String, String](topics, kafkaParams)
)
//对接收到的数据进行处理，打印出来接收到的key跟value，最后放回的是value
val transStrem: DStream[String] = stream.map(record => {
val key_value = (record.key, record.value)
println("receive message key = " + key_value._1)
println("receive message value = " + key_value._2)
key_value._2
})
//这里用了一下动态创建的Schema
val structType: StructType = StructType(List[StructField](
StructField("Date_", StringType, nullable = true),
StructField("Timestamp_", StringType, nullable = true),
StructField("UserID", StringType, nullable = true),
StructField("PageID", StringType, nullable = true),
StructField("Channel", StringType, nullable = true),
StructField("Action", StringType, nullable = true)
))
//因为foreachRDD可以拿到封装到DStream中的rdd，可以对里面的rdd进行，
/*代码解释：
先从foreach中拿到一条数据，，在函数map中对接收来的数据用 “\n” 进行切分，放到Row中，用的是动态创建Schema，因为我们需要再将数据存储到hive中，所以需要Schema。
因为map是transformance算子，所以用rdd.count（）触发一下
spark.createDataFrame：创建一个DataFrame，因为要注册一个临时表，必须用到DataFrame
frame.createOrReplaceTempView("t1")：注册临时表
spark.sql("use spark")：使用 hive 的 spark 库
result.write.mode(SaveMode.Append).saveAsTable("test_kafka")：将数据放到 test_kafka 中
*/
transStrem.foreachRDD(one => {
val rdd: RDD[Row] = one.map({
a =>
val arr = a.toString.split("\t")
Row(arr(0).toString, arr(1).toString, arr(2).toString, arr(3).toString, arr(4).toString, arr(5).toString)
})
rdd.count()
val frame: DataFrame = spark.createDataFrame(rdd, structType)
// println(" Scheme: "+frame.printSchema())
frame.createOrReplaceTempView("t1")
// spark.sql("select * from t1").show()
spark.sql("use spark")
spark.sql("select * from t1").
write.mode(SaveMode.Append).saveAsTable("test_kafka")
}
)
/**
* 以上业务处理完成之后，异步的提交消费者offset,这里将 enable.auto.commit 设置成false,就是使用kafka 自己来管理消费者offset
* 注意这里，获取 offsetRanges: Array[OffsetRange] 每一批次topic 中的offset时，必须从 源头读取过来的 stream中获取，不能从经过stream转换之后的DStream中获取。
*/
stream.foreachRDD { rdd =>
val offsetRanges: Array[OffsetRange] = rdd.asInstanceOf[HasOffsetRanges].offsetRanges
// some time later, after outputs have completed
stream.asInstanceOf[CanCommitOffsets].commitAsync(offsetRanges)
}
ssc.start()
ssc.awaitTermination()
ssc.stop()
}到此，相信大家对“Kafka+SparkStream+Hive的项目实现方法是什么”有了更深的了解，不妨来实际操作一番吧！这里是创新互联网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！