spark streaming + kafka +python(编程)初探
2017-11-29 14:11
447 查看
一、环境部署
hadoop集群2.7.1zookeerper集群
kafka集群:kafka_2.11-0.10.0.0
spark集群:spark-2.0.1-bin-hadoop2.7.tgz
环境搭建可参考我前面几篇文章。不再赘述
三台机器:master,slave1,slave2
二、启动集群环境
1.启动hadoop集群start-all.sh2.启动spark集群
start-master.sh start-slaves.sh3.启动zookeeper集群在三台机器下均输入以下命令
zkServer.sh start4.启动kafka集群在三台机器下均输入以下命令
kafka-server-start.sh -daemon ../config/server.properties5.jps查看进程master:
slave1与slave2一样:
6.创建kafka topic
kafka-topics.sh --create --zookeeper 192.168.31.131:2181,192.168.31.132:2181,192.168.31.133:2181 --replication-factor 3 --partitions 3 --topic test5
故topic为test3 分区为3个,分别为:0,1,2
可用该命令查看
kafka-topics.sh --describe --zookeeper 192.168.31.131:2181,192.168.31.132:2181,192.168.31.133:2181 --topic test5
三、编程,KafkaWordCount.py
编写spark steaming 代码,读取kafka流数据,并统计词频spark streaming 从 kafka 接收数据,有两种方法:(1)使用receivers和高层次的API;(2)使用Direct API,低层次的kafkaAPI
这里我采用的是第一中方式,基于receivers的方法
具体两种方式以及编程实例可参考官网
kafka topic 为:test5
partitions: 0,1,2
consumer_group_id: test-consumer-group (在kafka/config/consumer.properties里面查看group.id)
代码(python 实现):
# -*- coding: UTF-8 -*- ###spark streaming&&kafka from pyspark import SparkContext from pyspark.streaming import StreamingContext from pyspark.streaming.kafka import KafkaUtils sc=SparkContext("local[2]","KafkaWordCount") #处理时间间隔为2s ssc=StreamingContext(sc,2) zookeeper="192.168.31.131:2181,192.168.31.132:2181,192.168.31.133:2181" #打开一个TCP socket 地址 和 端口号 topic={"test5":0,"test5":1,"test5":2} #要列举出分区 groupid="test-consumer-group" lines = KafkaUtils.createStream(ssc, zookeeper,groupid,topic) lines1=lines.map(lambda x:x[1]) #注意 取tuple下的第二个即为接收到的kafka流 #对2s内收到的字符串进行分割 words=lines1.flatMap(lambda line:line.split(" ")) #映射为(word,1)元祖 pairs=words.map(lambda word:(word,1)) wordcounts=pairs.reduceByKey(lambda x,y:x+y) #输出文件,前缀+自动加日期 wordcounts.saveAsTextFiles("/tmp/kafka") wordcounts.pprint() #启动spark streaming应用 ssc.start() #等待计算终止 ssc.awaitTermination()
四、运行
1.下载依赖的jars包注意,应该去官网找对应的jar包,例如kafka2.01对应
下载spark-streaming-kafka-0-8_2.11.jar 我放在了kafka/lib下
2.启动kafka生产者
kafka-console-producer.sh --broker-list 192.168.31.131:9092 --topic test53.运行KafkaWordCount.py在master下
运行
spark-submit --jars kafka/libs/spark-streaming-kafka-0-8-assembly_2.11-2.0.1.jar KafkaWordCount.py这里有个小技巧,因为终端报的信息很多,有时候,一些错误信息被覆盖掉了,因此,可将终端的输出信息输出到文件中
例如
spark-submit --jars kafka/libs/spark-streaming-kafka-0-8-assembly_2.11-2.0.1.jar KafkaWordCount.py 2> error.txt便如查看错误信息
4.生产者端输入流数据
5.result终端打印:
hdfs上:
hadoop fs -ls /tmp/kafka*
四、下一步
考虑使用direct API,待完成参考文档
spark streaming kafka整合指南
spark集成kafka总结
作者:玄月府的小妖在debug
链接:http://www.jianshu.com/p/04f8e78ea656
來源:简书
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
相关文章推荐
- spark----基于Python的Spark Streaming+Kafka编程实践
- 基于Python的Spark Streaming+Kafka编程实践
- 基于Python的Spark Streaming+Kafka编程实践及调优总结
- #####好#########基于Python的Spark Streaming+Kafka编程实践
- kafka+spark streaming代码实例(pyspark+python)
- Spark Streaming+kafka+eclipse编程
- spark streaming 自定义kafka读取topic的offset(python)
- SparkStreaming整合kafka编程
- 基于Java+SparkStreaming整合kafka编程
- SparkStreaming python 读取kafka数据将结果输出到单个指定本地文件
- spark-streaming 编程(三)连接kafka消费数据
- Spark Streaming+kafka+eclipse编程
- java8下spark-streaming结合kafka编程(spark 2.0 & kafka 0.10)
- 基于Java+SparkStreaming整合kafka编程
- Spark RDD编程(Python和Scala版本)
- Kafka+Spark Streaming+Redis实时系统实践
- 在写spark-streaming + kafka 实现项目问题
- spark streaming kafka example
- Spark踩坑系列1——Spark Streaming+Kafka
- spark streaming - kafka updateStateByKey 统计用户消费金额