pyspark实时消费kafka（有状态转换）

2021-04-01 18:03:29 阅读：299 来源： 互联网

标签：channels sinks pyspark 实时 kafka a1 k1 c1

通过flume将日志数据读取到kafka中，然后再利用spark去消费kafka的数据，

1.保证zookeeper服务一直开启

2.配置flume文件，其配置信息如下

a1.sources = r1
a1.sinks = k1
a1.channels = c1
 
# Describe/configure the source
a1.sources.r1.type = exec
a1.sources.r1.command = tail -F /opt/data/wfbmall/16/wfbmall.log
 
# Describe the sink
#a1.sinks.k1.type = logger
a1.sinks.k1.type = org.apache.flume.sink.kafka.KafkaSink
a1.sinks.k1.topic = test
a1.sinks.k1.brokerList = master:9092
a1.sinks.k1.requiredAcks = 1
a1.sinks.k1.batchSize = 20
 
# Use a channel which buffers events in memory
a1.channels.c1.type = memory
a1.channels.c1.capacity = 10000
a1.channels.c1.byteCapacityBufferPercentage = 20
a1.channels.c1.byteCapacity = 800000
a1.channels.c1.transactionCapacity = 100
a1.channels.c1.keep-alive = 60  
# Bind the source and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

可以通过来查看kafka里的数据

[root@master ~]# /opt/soft/kafka_2.11-0.11/bin/kafka-console-consumer.sh --bootstrap-server master:9092 --from-beginning --topic test

5.1 通过reduceByKeyAndWindow实现累计统计

[root@master spark-2.4.5]# bin/spark-submit --jars jars/spark-streaming-kafka-0-8_2.11-2.3.3.jar bin/kafka-spark_status_20210401.py

py文件内容如下：

# coding=UTF-8
from __future__ import print_function 
import sys 
from pyspark import SparkContext
from pyspark.streaming import StreamingContext
from pyspark.streaming.kafka import KafkaUtils

sc = SparkContext(appName="streamingkafka")
sc.setLogLevel("WARN") # 减少shell打印日志
ssc = StreamingContext(sc, 5) # 5秒的计算窗口
brokers='master:9092'
topic = 'test'
ssc.checkpoint('file:///opt/data/wfbmall')   #自己定义一个地址
kafka_streaming_rdd = KafkaUtils.createDirectStream(ssc, [topic], {"metadata.broker.list": brokers})
lines_rdd = kafka_streaming_rdd.map(lambda x: x[1]).filter(lambda x: "login, start" in x).map(lambda x: ("login_start", 1)).reduceByKeyAndWindow(lambda a, b : a + b,lambda a, b : a - b,30,10)  #计算30s的累计数据

lines_rdd.pprint()
ssc.start()
ssc.awaitTermination()

　运行结果如下

标签：channels,sinks,pyspark,实时,kafka,a1,k1,c1
来源： https://www.cnblogs.com/cstark/p/14607505.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

pyspark实时消费kafka（有状态转换）