当前位置: 代码迷 >> 综合 >> 大数据Kafka与Storm整合
  详细解决方案

大数据Kafka与Storm整合

热度:86   发布时间:2024-01-15 05:29:42.0

在本章中,我们将学习如何将Kafka与Apache Storm集成。

Storm是什么?

Storm最初是由Nathan Marz和BackType团队创建的。 在很短的时间内,Apache Storm成为分布式实时处理系统的标准,用于处理大数据。 Storm速度非常快,每个节点每秒处理超过一百万个元组的基准时钟。 Apache Storm持续运行,从配置的源(Spouts)中消耗数据并将数据传递到处理管道(Bolts)。 组合 Spouts 和 Bolts 构成一个拓扑。

与Storm整合

Kafka和Storm自然而然地相互补充,它们强大的合作能够实现快速移动大数据的实时流式分析。 Kafka和Storm的整合使得开发者更容易从Storm拓扑中获取和发布数据流。

概念流程

喷口(spout)是流的来源。 例如,spout可能会读取卡夫卡主题中的元组并将其作为流发送。 Bolts消耗输入流,处理并可能发射新的流。 Bolts可以做任何事情,从运行功能,过滤元组,流聚合,流式连接,与数据库交互等等。 Storm拓扑中的每个节点并行执行。 一个拓扑无限期地运行,直到终止它。 Storm会自动重新分配任何失败的任务。 此外,即使机器停机并且信息丢失,Storm也可以保证不会丢失数据。

下面来看看Kafka-Storm集成API。 有三个主要类将Kafka和Storm结合在一起。 他们如下 –

BrokerHosts – ZkHosts&StaticHosts

BrokerHosts是一个接口,ZkHosts和StaticHosts是它的两个主要实现。 ZkHosts用于通过在ZooKeeper中维护详细信息来动态跟踪Kafka经纪人,而StaticHosts用于手动/静态设置Kafka经纪人及其详细信息。 ZkHosts是访问Kafka经纪人的简单而快捷的方式。

ZkHosts的签名如下 –

public ZkHosts(String brokerZkStr, String brokerZkPath)  public ZkHosts(String brokerZkStr)  

其中brokerZkStr是ZooKeeper主机,brokerZkPath是维护Kafka代理细节的ZooKeeper路径。

public KafkaConfig(BrokerHosts hosts, string topic)  

参数

  • hosts – BrokerHosts可以是ZkHosts / StaticHosts。
  • topic – 主题名称。

SpoutConfig API

Spoutconfig是KafkaConfig的扩展,支持额外的ZooKeeper信息。

public SpoutConfig(BrokerHosts hosts, string topic, string zkRoot, string id)  

参数

  • hosts – BrokerHosts可以是BrokerHosts接口的任何实现
  • topic – 主题名称。
  • zkRoot – ZooKeeper根路径。
  • id – spout存储在Zookeeper中消耗的偏移量的状态。该ID应该唯一标识的spout。

SchemeAsMultiScheme

SchemeAsMultiScheme是一个接口,它规定了从Kafka消耗的ByteBuffer如何转换为 storm 元组。它来自MultiScheme并接受Scheme类的实现。Scheme类有很多实现,一个这样的实现是StringScheme,它将字节解析为一个简单的字符串。 它还控制输出字段的命名。 签名定义如下。

public SchemeAsMultiScheme(Scheme scheme)  

参数

  • scheme – 从kafka消耗的字节缓冲区。

KafkaSpout API

KafkaSpout是spout实现,它将与Storm整合。 它从kafka主题获取消息并将其作为元组发送到Storm生态系统中。 KafkaSpout从SpoutConfig获取配置细节。

以下是创建一个简单的kafka spout的示例代码。

// ZooKeeper connection string  BrokerHosts hosts = new ZkHosts(zkConnString);    //Creating SpoutConfig Object  SpoutConfig spoutConfig = new SpoutConfig(hosts,      topicName, "/" + topicName UUID.randomUUID().toString());    //convert the ByteBuffer to String.  spoutConfig.scheme = new SchemeAsMultiScheme(new StringScheme());    //Assign SpoutConfig to KafkaSpout.  KafkaSpout kafkaSpout = new KafkaSpout(spoutConfig);  

Bolt创建

Bolt是一个将元组作为输入,处理元组并生成新的元组作为输出的组件。 Bolts将实现IRichBolt接口。 在这个程序中,使用两个类 – WordSplitter-Bolt和WordCounterBolt来执行操作。

IRichBolt接口有以下方法 –

  • prepare – 为 bolt 提供执行的环境。 执行者将运行此方法来初始化spout。
  • prepare – 处理输入的单个元组。
  • prepare – 当bolt即将关闭时调用。
  • declareOutputFields – 声明元组的输出模式。

下面创建一个Java文件:SplitBolt.java,它实现了将句子分成单词;CountBolt.java它实现了逻辑来分离唯一的单词并计算它的出现次数。

SplitBolt.java

import java.util.Map;    import backtype.storm.tuple.Tuple;  import backtype.storm.tuple.Fields;  import backtype.storm.tuple.Values;    import backtype.storm.task.OutputCollector;  import backtype.storm.topology.OutputFieldsDeclarer;  import backtype.storm.topology.IRichBolt;  import backtype.storm.task.TopologyContext;    public class SplitBolt implements IRichBolt {     private OutputCollector collector;       @Override     public void prepare(Map stormConf, TopologyContext context,        OutputCollector collector) {        this.collector = collector;     }       @Override     public void execute(Tuple input) {        String sentence = input.getString(0);        String[] words = sentence.split(" ");          for(String word: words) {           word = word.trim();             if(!word.isEmpty()) {              word = word.toLowerCase();              collector.emit(new Values(word));           }          }          collector.ack(input);     }       @Override     public void declareOutputFields(OutputFieldsDeclarer declarer) {        declarer.declare(new Fields("word"));     }       @Override     public void cleanup() {}       @Override     public Map<String, Object> getComponentConfiguration() {        return null;     }    }  

文件:CountBolt.java –

import java.util.Map;  import java.util.HashMap;    import backtype.storm.tuple.Tuple;  import backtype.storm.task.OutputCollector;  import backtype.storm.topology.OutputFieldsDeclarer;  import backtype.storm.topology.IRichBolt;  import backtype.storm.task.TopologyContext;    public class CountBolt implements IRichBolt{     Map<String, Integer> counters;     private OutputCollector collector;       @Override     public void prepare(Map stormConf, TopologyContext context,     OutputCollector collector) {        this.counters = new HashMap<String, Integer>();        this.collector = collector;     }       @Override     public void execute(Tuple input) {        String str = input.getString(0);          if(!counters.containsKey(str)){           counters.put(str, 1);        }else {           Integer c = counters.get(str) +1;           counters.put(str, c);        }          collector.ack(input);     }       @Override     public void cleanup() {        for(Map.Entry<String, Integer> entry:counters.entrySet()){           System.out.println(entry.getKey()+" : " + entry.getValue());        }     }       @Override     public void declareOutputFields(OutputFieldsDeclarer declarer) {       }       @Override     public Map<String, Object> getComponentConfiguration() {        return null;     }  }  

提交到拓扑

Storm拓扑基本上是一个Thrift结构。 TopologyBuilder类提供了简单而简单的方法来创建复杂的拓扑。 TopologyBuilder类具有设置spout (setSpout)和设置bolt(setBolt)的方法。 最后,TopologyBuilder使用createTopology()来创建拓朴学。 shuffleGrouping和fieldsGrouping方法有助于设置spout和bolt的流分组。

本地群集 – 出于开发目的,我们可以使用LocalCluster对象创建本地群集,然后使用LocalCluster类的submitTopology方法提交拓扑。

文件:KafkaStormSample.java –

import backtype.storm.Config;  import backtype.storm.LocalCluster;  import backtype.storm.topology.TopologyBuilder;    import java.util.ArrayList;  import java.util.List;  import java.util.UUID;    import backtype.storm.spout.SchemeAsMultiScheme;  import storm.kafka.trident.GlobalPartitionInformation;  import storm.kafka.ZkHosts;  import storm.kafka.Broker;  import storm.kafka.StaticHosts;  import storm.kafka.BrokerHosts;  import storm.kafka.SpoutConfig;  import storm.kafka.KafkaConfig;  import storm.kafka.KafkaSpout;  import storm.kafka.StringScheme;    public class KafkaStormSample {     public static void main(String[] args) throws Exception{        Config config = new Config();        config.setDebug(true);        config.put(Config.TOPOLOGY_MAX_SPOUT_PENDING, 1);        String zkConnString = "localhost:2181";        String topic = "my-first-topic";        BrokerHosts hosts = new ZkHosts(zkConnString);          SpoutConfig kafkaSpoutConfig = new SpoutConfig (hosts, topic, "/" + topic,               UUID.randomUUID().toString());        kafkaSpoutConfig.bufferSizeBytes = 1024 * 1024 * 4;        kafkaSpoutConfig.fetchSizeBytes = 1024 * 1024 * 4;        kafkaSpoutConfig.forceFromStart = true;        kafkaSpoutConfig.scheme = new SchemeAsMultiScheme(new StringScheme());          TopologyBuilder builder = new TopologyBuilder();        builder.setSpout("kafka-spout", new KafkaSpout(kafkaSpoutCon-fig));        builder.setBolt("word-spitter", new SplitBolt()).shuffleGroup-ing("kafka-spout");        builder.setBolt("word-counter", new CountBolt()).shuffleGroup-ing("word-spitter");          LocalCluster cluster = new LocalCluster();        cluster.submitTopology("KafkaStormSample", config, builder.create-Topology());          Thread.sleep(10000);          cluster.shutdown();     }  }  

在移动编译之前,Kakfa-Storm集成需要馆长ZooKeeper客户端java库。 ZooKeeper 版本2.9.1支持Apache Storm 0.9.5版本(在本教程中使用)。 下载下面指定的jar文件并将其放在java类路径中。

  • curator-client-2.9.1.jar
  • curator-framework-2.9.1.jar

在包含依赖文件后,使用以下命令编译程序,

javac -cp "/path/to/Kafka/apache-storm-0.9.5/lib/*" *.java  

执行

启动Kafka Producer CLI(在上一章中介绍),创建一个名为my-first-topic的新主题,并提供一些示例消息,如下所示 –

hello  kafka  storm  spark  test message  another test message  

现在使用以下命令执行应用程序 –

java -cp “/path/to/Kafka/apache-storm-0.9.5/lib/*”:. KafkaStormSample  

此应用程序的输出示例如下所示 –

推荐学习目录:Kafka与Storm整合

storm : 1  test : 2  spark : 1  another : 1  kafka : 1  hello : 1  message : 2