Kafka+SparkStream+Hive的项目实现方法是什么

本篇内容主要讲解“Kafka+SparkStream+Hive的项目实现方法是什么”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“Kafka+SparkStream+Hive的项目实现方法是什么”吧!

目前的项目中需要将kafka队列的数据实时存到hive表中。

import org.apache.kafka.clients.consumer.ConsumerRecord import org.apache.kafka.common.serialization.StringDeserializer import org.apache.spark.rdd.RDD import org.apache.spark.sql.types.{StringType, StructField, StructType} import org.apache.spark.sql.{DataFrame, Row, SaveMode, SparkSession} import org.apache.spark.streaming.{Durations, Seconds, StreamingContext} import org.apache.spark.streaming.dstream.{DStream, InputDStream} import org.apache.spark.streaming.kafka010.{CanCommitOffsets, ConsumerStrategies, HasOffsetRanges, KafkaUtils, LocationStrategies, OffsetRange} import org.apache.spark.streaming.kafka010.LocationStrategies.PreferConsistent import org.apache.spark.streaming.kafka010.ConsumerStrategies.Subscribe

  def main(args: Array[String]): Unit = {       //    val conf = new SparkConf()       //    conf.setMaster("local")       //    conf.setAppName("SparkStreamingOnKafkaDirect")       val spark = SparkSession.builder().appName("test").master("local").enableHiveSupport().getOrCreate()       val ssc = new StreamingContext(spark.sparkContext, Durations.seconds(3))       //设置日志级别       ssc.sparkContext.setLogLevel("Error")       val kafkaParams = Map[String, Object](         "bootstrap.servers" -> "node01:9092,node02:9092,node03:9092",         "key.deserializer" -> classOf[StringDeserializer],         "value.deserializer" -> classOf[StringDeserializer],         "group.id" -> "MyGroupId", //         /**          * 当没有初始的offset，或者当前的offset不存在，如何处理数据          * earliest ：自动重置偏移量为最小偏移量          * latest：自动重置偏移量为最大偏移量【默认】          * none:没有找到以前的offset,抛出异常          */         "auto.offset.reset" -> "earliest",         /**          * 当设置 enable.auto.commit为false时，不会自动向kafka中保存消费者offset.需要异步的处理完数据之后手动提交          */         "enable.auto.commit" -> (false: java.lang.Boolean) //默认是true       )       //设置Kafka的topic       val topics = Array("test")       //创建与Kafka的连接，接收数据       /*这里接收到数据的样子       2019-09-26  1569487411604   1235    497 Kafka   Register       2019-09-26  1569487411604   1235    497 Kafka   Register       2019-09-26  1569487414838   390    778  Flink   View       */       val stream: InputDStream[ConsumerRecord[String, String]] = KafkaUtils.createDirectStream[String, String](         ssc,         PreferConsistent, //         Subscribe[String, String](topics, kafkaParams)       )       //对接收到的数据进行处理，打印出来接收到的key跟value，最后放回的是value       val transStrem: DStream[String] = stream.map(record => {         val key_value = (record.key, record.value)         println("receive message key = " + key_value._1)         println("receive message value = " + key_value._2)         key_value._2       })       //这里用了一下动态创建的Schema       val structType: StructType = StructType(List[StructField](         StructField("Date_", StringType, nullable = true),         StructField("Timestamp_", StringType, nullable = true),         StructField("UserID", StringType, nullable = true),         StructField("PageID", StringType, nullable = true),         StructField("Channel", StringType, nullable = true),         StructField("Action", StringType, nullable = true)       ))       //因为foreachRDD可以拿到封装到DStream中的rdd，可以对里面的rdd进行，       /*代码解释：           先从foreach中拿到一条数据，，在函数map中对接收来的数据用 “\n” 进行切分，放到Row中，用的是动态创建Schema，因为我们需要再将数据存储到hive中，所以需要Schema。           因为map是transformance算子，所以用rdd.count（）触发一下            spark.createDataFrame：创建一个DataFrame，因为要注册一个临时表，必须用到DataFrame            frame.createOrReplaceTempView("t1")：注册临时表              spark.sql("use spark")：使用 hive 的 spark 库            result.write.mode(SaveMode.Append).saveAsTable("test_kafka")：将数据放到 test_kafka 中       */       transStrem.foreachRDD(one => {         val rdd: RDD[Row] = one.map({           a =>             val arr = a.toString.split("\t")             Row(arr(0).toString, arr(1).toString, arr(2).toString, arr(3).toString, arr(4).toString, arr(5).toString)         })         rdd.count()         val frame: DataFrame = spark.createDataFrame(rdd, structType)         //      println(" Scheme: "+frame.printSchema())         frame.createOrReplaceTempView("t1")         //      spark.sql("select * from t1").show()         spark.sql("use spark")         spark.sql("select * from t1").           write.mode(SaveMode.Append).saveAsTable("test_kafka")       }       )       /**        * 以上业务处理完成之后，异步的提交消费者offset,这里将 enable.auto.commit 设置成false,就是使用kafka 自己来管理消费者offset        * 注意这里，获取 offsetRanges: Array[OffsetRange] 每一批次topic 中的offset时，必须从 源头读取过来的 stream中获取，不能从经过stream转换之后的DStream中获取。        */       stream.foreachRDD { rdd =>         val offsetRanges: Array[OffsetRange] = rdd.asInstanceOf[HasOffsetRanges].offsetRanges         // some time later, after outputs have completed         stream.asInstanceOf[CanCommitOffsets].commitAsync(offsetRanges)       }       ssc.start()       ssc.awaitTermination()       ssc.stop()   }

到此，相信大家对“Kafka+SparkStream+Hive的项目实现方法是什么”有了更深的了解，不妨来实际操作一番吧！这里是亿速云网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！