5分钟spark streaming实践之 与kafka联姻

你：kafka是什么？

我：嗯，这个嘛。。看官网。

 

Apache Kafka® is a distributed streaming platform

 

Kafka is generally used for two broad classes of applications: Building real-time streaming data pipelines that reliably get data between systems or applications，Building real-time streaming applications that transform or react to the streams of data

 

你：我虽然英语很好，但是请你用中文回答嘛，或者自己的语言。

我：好，翻译下，kafka很牛

你：哎，你这个水平，我走了。。。

我：别，我是认真严肃的，用数据说话，看图，spark和kafka都是属于上升趋势，此图来源：

https://trends.google.com/trends/explore?date=all&q=%2Fm%2F0fdjtq,%2Fm%2F0ndhxqz,%2Fm%2F0zmynvd

你：还是没有回答我的问题，kafka可以做什么？

我：问题真多，本系列风格是做，做，做，优雅地说实践，要想找答案，请移步官网。

 

5分钟目标

 练习spark 与kafka集成的API，要求和上次一样，必须可以任意地在浏览器中码代码和运行。

简单啊，和上次那个流程一样开始， 但是，等等，我有一个一千万的想法，就差个程序员帮我实现，哦 错了，不是差个程序员，是差个kafka集群，我这个本地怎么setup呢？

先来个OverView：

图中大致给出了一次执行流程，其中的每个组件都是个很大的topic，一般公司中有专门的团队在维护或者二次开发，本博客只是搭建一个可以学习，能够work的pipeline，还有我们的目标是学习spark api，以此能够运用相关业务中，所以各个组件搭建不是重点。

以下不算在5分钟里面（环境搭建是一次性的工作，开发是个无限迭代循环）

浏览器，zeppelin，spark 这部分昨天的5分钟里面已经完成，所以剩下的就是本地搭建个kafka cluster了。

kafka cluster setup ,the easier way  https://github.com/wurstmeister/kafka-docker

1.git clone https://github.com/wurstmeister/kafka-docker.git

2.修改KAFKA_ADVERTISED_HOST_NAME in  docker-compose.yml  为你本机

3. docker-compose up -d

看到这三步就可以完成，是不是很欣慰？ 哈，少年，难道你不知道有墙？反正我是用代理才搞定的，时间也是发了半上午。

不要问我git ，docker-compose 是什么鬼？ 不懂请自行google。

还是不行，要不你试试kafka官网自行安装？

好吧，5分钟到底想做什么？

1.kafka 的某个topic stream里面存的是些因为句子比如（spark is fun）

2.spark实时的读取这个topic，不断的计算句子中词的次数，所以结果就是，（spark，1），（is，1），（fun，1）

开始计时：

1. docker run  -p 8080:8080 --name zeppelin fancyisbest/zeppeinsparkstreaming:0.2

2.进入http://localhost:8080/， 找到kafka integration notebook

3. 修改bootstrap server 参数， 运行代码， bingo，完成上图：

 

5分钟，这算是作弊吗？

我们的目标是探索spark 和integration的API，你在notebook里面可以尝试各种不同参数组合和不同的API，或者实现到不同的业务逻辑，别的费时间工作要么是一次性的，我准备好的模版代码也是让你能尽快运行起来。

什么？你没有得到结果？

注意啊，我省了向kafka里面创建topic，插入数据这些步骤，以下命令提供参考完成这些动作

1.进入kafka 容器，docker exec -it c81907e90cc2 /bin/bash

2.创建topic ：  kafka-topics.sh --create --zookeeper zookeeper:2181 --replication-factor 1 --partitions 1 --topic test

3.向topic写入数据：kafka-console-producer.sh --broker-list localhost:9092 --topic test

 

还有什么问题吗？请留言，期待与你共同学习与探讨

后续： 见证 exactly once语义。

参考：

http://spark.apache.org/docs/latest/structured-streaming-programming-guide.html

https://kafka.apache.org/

https://github.com/wurstmeister/kafka-docker