SparkStreaming整合kafka编程

1、下载spark-streaming-kafka插件包

由于Linux集群环境我使用spark是spark-2.1.1-bin-hadoop2.7，kafka是kafka_2.11-0.8.2.1，所以我下载的是spark-streaming-kafka-0-8_2.11-2.1.1.jar。

官网下载地址：http://mvnrepository.com/artifact/org.apache.spark/spark-streaming-kafka-0-8_2.11/2.1.1

百度云下载地址：链接：http://pan.baidu.com/s/1o83DOHO 密码：2dgx

2、整合spark和kafka的jar包

2.1添加spark-streaming-kafka插件包

新建一个lib目录，首先把1步骤下载的spark-streaming-kafka-0-8_2.11-2.1.1.jar放进去

如图：

2.2添加spark依赖包

找到spark-2.1.1-bin-hadoop2.7/jars目录下所有的jar包，如图：

把spark-2.1.1-bin-hadoop2.7/jars目录下所有的jar包复制到上述新建的lib目录下，如图：

2.3添加kafka依赖包

找到kafka_2.11-0.8.2.1/libs目录下所有的jar包，如图：

把kafka_2.11-0.8.2.1/libs目录下所有的jar包复制到上述新建的lib目录下，如图：

3、新建测试工程

新建scala project，引用上述lib目录下的所有jar包；新建一个KafkaWordCount.scala用于测试：

1. import org.apache.spark.streaming.StreamingContext
2. import org.apache.spark.SparkConf
3. import org.apache.spark.streaming.kafka.KafkaUtils
4. import org.apache.spark.streaming.Seconds
5. import org.apache.spark.streaming.Minutes
6. import org.apache.spark.SparkContext
7. import kafka.serializer.StringDecoder
8.  
9. object KafkaWordCount {
10.   def main(args: Array[String]) {
11.     val sparkConf = new SparkConf().setAppName("KafkaWordCount").setMaster("local[2]")
12.     sparkConf.set("spark.port.maxRetries","128")
13.     val ssc = new StreamingContext(sparkConf, Seconds(2))
14.     ssc.checkpoint("hdfs://192.168.168.200:9000/checkpoint")
15.     val zkQuorum = "192.168.168.200:2181"
16.     val group = "test-group"
17.     val topics = "test"
18.     val numThreads = 1
19.     val topicMap = topics.split(",").map((_, numThreads.toInt)).toMap
20.     val lines = KafkaUtils.createStream(ssc, zkQuorum, group, topicMap).map(_._2)
21.     val words = lines.flatMap(_.split(" "))
22.     val wordCounts = words.map(x => (x, 1L))
23.       .reduceByKeyAndWindow(_ + _, _ - _, Minutes(10), Seconds(2), 2)
24.     wordCounts.print()
25.     ssc.start()
26.     ssc.awaitTermination()          
27.   }
28. }

如图：

启动spark集群和kafka集群，默认已经开启，默认kafka有test主题，这是默认要会的，在这里不在详述。

运行成功，如图：

1. SLF4J: Class path contains multiple SLF4J bindings.
2. SLF4J: Found binding in [jar:file:/I:/001sourceCode/020SparkStreaming/%e5%a4%a7%e6%95%b0%e6%8d%ae%e5%bc%80%e5%8f%91%e6%96%b9%e6%a1%88%e8%b5%84%e6%96%99%ef%bc%88%e5%a4%a9%e7%bb%b4%e5%b0%94%ef%bc%89/%e5%bc%80%e5%8f%91%e6%89%80%e9%9c%80jar%e5%8c%85/lib/slf4j-log4j12-1.7.6.jar!/org/slf4j/impl/StaticLoggerBinder.class]
3. SLF4J: Found binding in [jar:file:/I:/001sourceCode/020SparkStreaming/%e5%a4%a7%e6%95%b0%e6%8d%ae%e5%bc%80%e5%8f%91%e6%96%b9%e6%a1%88%e8%b5%84%e6%96%99%ef%bc%88%e5%a4%a9%e7%bb%b4%e5%b0%94%ef%bc%89/%e5%bc%80%e5%8f%91%e6%89%80%e9%9c%80jar%e5%8c%85/lib/slf4j-log4j12-1.7.16.jar!/org/slf4j/impl/StaticLoggerBinder.class]
4. SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation.
5. SLF4J: Actual binding is of type [org.slf4j.impl.Log4jLoggerFactory]
6. -------------------------------------------
7. Time: 1499667652000 ms
8. -------------------------------------------
9.  
10. -------------------------------------------
11. Time: 1499667654000 ms
12. -------------------------------------------
13.  
14. -------------------------------------------
15. Time: 1499667656000 ms
16. -------------------------------------------

4、接收kafka的主题消息

启动一个kafka的生产者客户端：

1. [root@master ~]# kafka-console-producer.sh --broker-list 192.168.168.200:9092 --topic test
2. test success
3. spark
4. kafka

运行日志如下：

1. -------------------------------------------
2. Time: 1499667830000 ms
3. -------------------------------------------
4.  
5. -------------------------------------------
6. Time: 1499667832000 ms
7. -------------------------------------------
8. (test,1)
9. (success,1)
10.  
11. -------------------------------------------
12. Time: 1499667834000 ms
13. -------------------------------------------
14. (test,1)
15. (success,1)
16.  
17. -------------------------------------------
18. Time: 1499667836000 ms
19. -------------------------------------------
20. (test,1)
21. (spark,1)
22. (success,1)
23.  
24. -------------------------------------------
25. Time: 1499667838000 ms
26. -------------------------------------------
27. (kafka,1)
28. (test,1)
29. (spark,1)
30. (success,1)

5、sparkStreaming收不到kafka主题消息

如果出现kakfa的消费者客户端可以收到消息，而spark的消费者客户端收不到消息，后台也没有报错，那么要仔细检查kafka_home/conf目录下的server.properties，有没有配置：

1. ############################# Socket Server Settings #############################
2. # The port the socket server listens on
3. port=9092
4. # Hostname the broker will bind to. If not set, the server will bind to all interfaces
5. host.name=192.168.168.200

一定要配置host.name，否则只能在kafk消费客户端收到消息，不能在sparkStreaming创建的topic消息客户端收到。

6、sbtassembly打包代码并上传到spark运行

可参考以下资料：

使用SBT构建Scala项目

本地开发spark代码上传spark集群服务并运行