一、案例说明
现有一电商网站数据文件,名为buyer_favorite1,记录了用户对商品的收藏数据,数据以“t”键分割,数据内容及数据格式如下:
二、前置准备工作
项目环境说明
Linux Ubuntu 16.04
jdk-7u75-linux-x64
scala-2.10.4
kafka_2.10-0.8.2.2
spark-1.6.0-bin-hadoop2.6
开启hadoop集群,zookeeper服务,开启kafka服务。再另开启一个窗口,在/apps/kafka/bin目录下创建一个topic。
/apps/zookeeper/bin/zkServer.sh start
cd /apps/kafka
bin/kafka-server-start.sh config/server.properties &
cd /apps/kafka
bin/kafka-topics.sh
--create
--zookeeper localhost:2181
--replication-factor 1
--topic kafkasendspark
--partitions 1
三、编写程序代码创建kafka的producer
1、新创一个文件folder命名为lib,并将jar包添加进来。(可以从我的博客主页资源里面下载)
2、进入以下界面,移除Scala Library。
3、操作完成后,再点击Add Library选项
4、进入以下界面
5、点击完成即可
6、最后创建如下项目结构的文件
四、编写代码,运行程序
编写生产者代码
package my.kafka;
import java.io.BufferedReader;
import java.io.File;
import java.io.FileNotFoundException;
import java.io.FileReader;
import java.io.IOException;
import java.util.Properties;
import kafka.javaapi.producer.Producer;
import kafka.producer.KeyedMessage;
import kafka.producer.ProducerConfig;
public class KafkaSend {
private final ProducerString, String> producer;
public final static String TOPIC = "kafkasendspark";
public KafkaSend(){
Properties props = new Properties();
// 此处配置的是kafka的端口
props.put("metadata.broker.list", "localhost:9092");
// 配置value的序列化类
props.put("serializer.class", "kafka.serializer.StringEncoder");
// 配置key的序列化类
props.put("key.serializer.class", "kafka.serializer.StringEncoder");
props.put("request.required.acks", "-1");
producer = new ProducerString, String>(new ProducerConfig(props));
}
void produce() {
int lineNo = 1;
File file = new File("/data/case6/buyer_favorite1");
BufferedReader reader = null;
try {
reader = new BufferedReader(new FileReader(file));
String tempString = null;
while ( (tempString = reader.readLine()) != null ) {
String key = String.valueOf(lineNo);
String data = tempString;
producer.send(new KeyedMessageString, String>(TOPIC, key, data));
System.out.println(data);
lineNo++;
Thread.sleep(100);
}
} catch (FileNotFoundException e) {
System.err.println(e.getMessage());
} catch (IOException e) {
System.err.println(e.getMessage());
} catch (InterruptedException e) {
System.err.println(e.getMessage());
}
}
public static void main(String[] args) {
System.out.println("start");
new KafkaSend().produce();
System.out.println("finish");
}
}
编写消费者代码
package my.scala
import org.apache.spark.SparkConf
import org.apache.spark.streaming.StreamingContext
import org.apache.spark.streaming.Seconds
import scala.collection.immutable.Map
import org.apache.spark.streaming.kafka.KafkaUtils
import kafka.serializer.StringDecoder
import kafka.serializer.StringDecoder
object SparkReceive {
def main(args: Array[String]) {
val sparkConf = new SparkConf().setAppName("countuser").setMaster("local")
val ssc = new StreamingContext(sparkConf, Seconds(2))
ssc.checkpoint("checkpoint")
val topics = Set("kafkasendspark")
val brokers = "localhost:9092"
val zkQuorum = "localhost:2181"
val kafkaParams = Map[String, String](
"metadata.broker.list" -> brokers,
"serializer.class" -> "kafka.serializer.StringEncoder"
)
val lines = KafkaUtils.createDirectStream[String,String,StringDecoder,StringDecoder](ssc, kafkaParams, topics)
val addFunc = (currValues: Seq[Int], prevValueState: Option[Int]) => {
//通过Spark内部的reduceByKey按key规约,然后这里传入某key当前批次的Seq/List,再计算当前批次的总和
val currentCount = currValues.sum
// 已累加的值
val previousCount = prevValueState.getOrElse(0)
// 返回累加后的结果,是一个Option[Int]类型
Some(currentCount + previousCount)
}
val result=lines.map(line => (line._2.split("t")) ).map( row => (row(0),1) ).updateStateByKey[Int](addFunc).print()
ssc.start();
ssc.awaitTermination()
}
}
五、运行程序
在Eclipse的SparkReceive类中右键并点击==>Run As==>Scala Application选项。
然后在KafkaSend类中:右键点击==>Run As==>Jave Application选项。
即可在控制窗口Console中查看输出结果为:
服务器托管,北京服务器托管,服务器租用 http://www.fwqtg.net
Node.js 是什么? Node.js® 是一个开源、跨平台的 JavaScript 运行时环境。 官网:https://nodejs.org/zh-cn 更多精彩内容,请微信搜索“前端爱好者“, 戳我 查看 。 Node.js ≠ JavaScript N…