Kafka Streams(实时流处理)简介

 kafka Streams

1 概述

1.1 Kafka Streams

Kafka Streams。Apache Kafka开源项目的一个组成部分。是一个功能强大，易于使用的库。用于在Kafka上构建高可分布式、拓展性，容错的应用程序。

1.2 Kafka Streams特点

1．功能强大 

（1）高扩展性，弹性，容错

2．轻量级 

（1）无需专门的集群 

（2）一个库，而不是框架

3．完全集成 

（1）100%的Kafka 0.10.0版本兼容

（2）易于集成到现有的应用程序 

4．实时性

（1）毫秒级延迟 

（2）并非微批处理 

（3）窗口允许乱序数据 

（4）允许迟到数据

1.3 为什么要有Kafka Stream

当前已经有非常多的流式处理系统，最知名且应用最多的开源流式处理系统有Spark Streaming和Apache Storm。Apache Storm发展多年，应用广泛，提供记录级别的处理能力，当前也支持SQL on Stream。而Spark Streaming基于Apache Spark，可以非常方便与图计算，SQL处理等集成，功能强大，对于熟悉其它Spark应用开发的用户而言使用门槛低。另外，目前主流的Hadoop发行版，如Cloudera和Hortonworks，都集成了Apache Storm和Apache Spark，使得部署更容易。

既然Apache Spark与Apache Storm拥用如此多的优势，那为何还需要Kafka Stream呢？主要有如下原因。

第一，Spark和Storm都是流式处理框架，而Kafka Stream提供的是一个基于Kafka的流式处理类库。框架要求开发者按照特定的方式去开发逻辑部分，供框架调用。开发者很难了解框架的具体运行方式，从而使得调试成本高，并且使用受限。而Kafka Stream作为流式处理类库，直接提供具体的类给开发者调用，整个应用的运行方式主要由开发者控制，方便使用和调试，如图8-11所示。

 

 

 

图8-11 Kafka Stream

第二，虽然Cloudera与Hortonworks方便了Storm和Spark的部署，但是这些框架的部署仍然相对复杂。而Kafka Stream作为类库，可以非常方便的嵌入应用程序中，它对应用的打包和部署基本没有任何要求。

第三，就流式处理系统而言，基本都支持Kafka作为数据源。例如Storm具有专门的kafka-spout，而Spark也提供专门的spark-streaming-kafka模块。事实上，Kafka基本上是主流的流式处理系统的标准数据源。换言之，大部分流式系统中都已部署了Kafka，此时使用Kafka Stream的成本非常低。

第四，使用Storm或Spark Streaming时，需要为框架本身的进程预留资源，如Storm的supervisor和Spark on YARN的node manager。即使对于应用实例而言，框架本身也会占用部分资源，如Spark Streaming需要为shuffle和storage预留内存。但是Kafka作为类库不占用系统资源。

第五，由于Kafka本身提供数据持久化，因此Kafka Stream提供滚动部署和滚动升级以及重新计算的能力。

第六，由于Kafka Consumer Rebalance机制，Kafka Stream可以在线动态调整并行度。

2 Kafka Stream数据清洗案例

1．需求

       实时处理单词带有”>>>”前缀的内容。例如输入”hotdas>>>ximenqing”，最终处理成“ximenqing”

2．需求分析

如图8-12所示

 

 

 

图8-12 数据清洗案例

3．案例实操

（1）创建一个工程，并添加jar包

（2）创建主类

package com.hotdas.kafka.stream;

import java.util.Properties;

import org.apache.kafka.streams.KafkaStreams;

import org.apache.kafka.streams.StreamsConfig;

import org.apache.kafka.streams.processor.Processor;

import org.apache.kafka.streams.processor.ProcessorSupplier;

import org.apache.kafka.streams.processor.TopologyBuilder;

 

public class Application {

 

   public static void main(String[] args) {

 

       // 定义输入的topic

        String from = "first";

        // 定义输出的topic

        String to = "second";

 

        // 设置参数

        Properties settings = new Properties();

        settings.put(StreamsConfig.APPLICATION_ID_CONFIG, "logFilter");

        settings.put(StreamsConfig.BOOTSTRAP_SERVERS_CONFIG, "hadoop02:9092");

 

        StreamsConfig config = new StreamsConfig(settings);

 

        // 构建拓扑

        TopologyBuilder builder = new TopologyBuilder();

 

        builder.addSource("SOURCE", from)

               .addProcessor("PROCESS", new ProcessorSupplier<byte[], byte[]>() {

 

                   @Override

                   public Processor<byte[], byte[]> get() {

                       // 具体分析处理

                       return new LogProcessor();

                   }

               }, "SOURCE")

                .addSink("SINK", to, "PROCESS");

 

        // 创建kafka stream

        KafkaStreams streams = new KafkaStreams(builder, config);

        streams.start();

   }

}

（3）具体业务处理

package com.hotdas.kafka.stream;

import org.apache.kafka.streams.processor.Processor;

import org.apache.kafka.streams.processor.ProcessorContext;

 

public class LogProcessor implements Processor<byte[], byte[]> {

  

   private ProcessorContext context;

  

   @Override

   public void init(ProcessorContext context) {

       this.context = context;

   }

 

   @Override

   public void process(byte[] key, byte[] value) {

       String input = new String(value);

      

       // 如果包含“>>>”则只保留该标记后面的内容

       if (input.contains(">>>")) {

           input = input.split(">>>")[1].trim();

           // 输出到下一个topic

           context.forward("logProcessor".getBytes(), input.getBytes());

       }else{

           context.forward("logProcessor".getBytes(), input.getBytes());

       }

   }

 

   @Override

   public void punctuate(long timestamp) {

      

   }

 

   @Override

   public void close() {

      

   }

}

（4）运行程序

（5）在hadoop02上启动生产者

 

 

（6）在hadoop03上启动消费者

 

 

 

仅供参考，有错误还请指出！

有什么想法，评论区留言，互相指教指教。

觉得不错的可以点一下右边的推荐哟