Storm 系列（九）—— Storm 集成 Kafka
- 2019 年 10 月 3 日
- 筆記
一、整合說明
Storm 官方對 Kafka 的整合分為兩個版本，官方說明文檔分別如下：
- Storm Kafka Integration : 主要是針對 0.8.x 版本的 Kafka 提供整合支持；
- Storm Kafka Integration (0.10.x+) : 包含 Kafka 新版本的 consumer API，主要對 Kafka 0.10.x + 提供整合支持。
這裡我服務端安裝的 Kafka 版本為 2.2.0(Released Mar 22, 2019) ，按照官方 0.10.x+ 的整合文檔進行整合，不適用於 0.8.x 版本的 Kafka。
二、寫入數據到Kafka
2.1 項目結構
2.2 項目主要依賴
<properties> <storm.version>1.2.2</storm.version> <kafka.version>2.2.0</kafka.version> </properties> <dependencies> <dependency> <groupId>org.apache.storm</groupId> <artifactId>storm-core</artifactId> <version>${storm.version}</version> </dependency> <dependency> <groupId>org.apache.storm</groupId> <artifactId>storm-kafka-client</artifactId> <version>${storm.version}</version> </dependency> <dependency> <groupId>org.apache.kafka</groupId> <artifactId>kafka-clients</artifactId> <version>${kafka.version}</version> </dependency> </dependencies>2.3 DataSourceSpout
/** * 產生詞頻樣本的數據源 */ public class DataSourceSpout extends BaseRichSpout { private List<String> list = Arrays.asList("Spark", "Hadoop", "HBase", "Storm", "Flink", "Hive"); private SpoutOutputCollector spoutOutputCollector; @Override public void open(Map map, TopologyContext topologyContext, SpoutOutputCollector spoutOutputCollector) { this.spoutOutputCollector = spoutOutputCollector; } @Override public void nextTuple() { // 模擬產生數據 String lineData = productData(); spoutOutputCollector.emit(new Values(lineData)); Utils.sleep(1000); } @Override public void declareOutputFields(OutputFieldsDeclarer outputFieldsDeclarer) { outputFieldsDeclarer.declare(new Fields("line")); } /** * 模擬數據 */ private String productData() { Collections.shuffle(list); Random random = new Random(); int endIndex = random.nextInt(list.size()) % (list.size()) + 1; return StringUtils.join(list.toArray(), "t", 0, endIndex); } }產生的模擬數據格式如下：
Spark HBase Hive Flink Storm Hadoop HBase Spark Flink HBase Storm HBase Hadoop Hive Flink HBase Flink Hive Storm Hive Flink Hadoop HBase Hive Hadoop Spark HBase Storm2.4 WritingToKafkaApp
/** * 寫入數據到 Kafka 中 */ public class WritingToKafkaApp { private static final String BOOTSTRAP_SERVERS = "hadoop001:9092"; private static final String TOPIC_NAME = "storm-topic"; public static void main(String[] args) { TopologyBuilder builder = new TopologyBuilder(); // 定義 Kafka 生產者屬性 Properties props = new Properties(); /* * 指定 broker 的地址清單，清單里不需要包含所有的 broker 地址，生產者會從給定的 broker 里查找其他 broker 的信息。 * 不過建議至少要提供兩個 broker 的信息作為容錯。 */ props.put("bootstrap.servers", BOOTSTRAP_SERVERS); /* * acks 參數指定了必須要有多少個分區副本收到消息，生產者才會認為消息寫入是成功的。 * acks=0 : 生產者在成功寫入消息之前不會等待任何來自服務器的響應。 * acks=1 : 只要集群的首領節點收到消息，生產者就會收到一個來自服務器成功響應。 * acks=all : 只有當所有參與複製的節點全部收到消息時，生產者才會收到一個來自服務器的成功響應。 */ props.put("acks", "1"); props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer"); props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer"); KafkaBolt bolt = new KafkaBolt<String, String>() .withProducerProperties(props) .withTopicSelector(new DefaultTopicSelector(TOPIC_NAME)) .withTupleToKafkaMapper(new FieldNameBasedTupleToKafkaMapper<>()); builder.setSpout("sourceSpout", new DataSourceSpout(), 1); builder.setBolt("kafkaBolt", bolt, 1).shuffleGrouping("sourceSpout"); if (args.length > 0 && args[0].equals("cluster")) { try { StormSubmitter.submitTopology("ClusterWritingToKafkaApp", new Config(), builder.createTopology()); } catch (AlreadyAliveException | InvalidTopologyException | AuthorizationException e) { e.printStackTrace(); } } else { LocalCluster cluster = new LocalCluster(); cluster.submitTopology("LocalWritingToKafkaApp", new Config(), builder.createTopology()); } } }2.5 測試準備工作
進行測試前需要啟動 Kakfa：
1. 啟動Kakfa
Kafka 的運行依賴於 zookeeper，需要預先啟動，可以啟動 Kafka 內置的 zookeeper,也可以啟動自己安裝的：
# zookeeper啟動命令 bin/zkServer.sh start # 內置zookeeper啟動命令 bin/zookeeper-server-start.sh config/zookeeper.properties啟動單節點 kafka 用於測試：
# bin/kafka-server-start.sh config/server.properties2. 創建topic
# 創建用於測試主題 bin/kafka-topics.sh --create --bootstrap-server hadoop001:9092 --replication-factor 1 --partitions 1 --topic storm-topic # 查看所有主題 bin/kafka-topics.sh --list --bootstrap-server hadoop001:90923. 啟動消費者
啟動一個消費者用於觀察寫入情況，啟動命令如下：
# bin/kafka-console-consumer.sh --bootstrap-server hadoop001:9092 --topic storm-topic --from-beginning2.6 測試
可以用直接使用本地模式運行，也可以打包後提交到服務器集群運行。本倉庫提供的源碼默認採用 maven-shade-plugin 進行打包，打包命令如下：
# mvn clean package -D maven.test.skip=true啟動後，消費者監聽情況如下：
三、從Kafka中讀取數據
3.1 項目結構
3.2 ReadingFromKafkaApp
/** * 從 Kafka 中讀取數據 */ public class ReadingFromKafkaApp { private static final String BOOTSTRAP_SERVERS = "hadoop001:9092"; private static final String TOPIC_NAME = "storm-topic"; public static void main(String[] args) { final TopologyBuilder builder = new TopologyBuilder(); builder.setSpout("kafka_spout", new KafkaSpout<>(getKafkaSpoutConfig(BOOTSTRAP_SERVERS, TOPIC_NAME)), 1); builder.setBolt("bolt", new LogConsoleBolt()).shuffleGrouping("kafka_spout"); // 如果外部傳參 cluster 則代表線上環境啟動,否則代表本地啟動 if (args.length > 0 && args[0].equals("cluster")) { try { StormSubmitter.submitTopology("ClusterReadingFromKafkaApp", new Config(), builder.createTopology()); } catch (AlreadyAliveException | InvalidTopologyException | AuthorizationException e) { e.printStackTrace(); } } else { LocalCluster cluster = new LocalCluster(); cluster.submitTopology("LocalReadingFromKafkaApp", new Config(), builder.createTopology()); } } private static KafkaSpoutConfig<String, String> getKafkaSpoutConfig(String bootstrapServers, String topic) { return KafkaSpoutConfig.builder(bootstrapServers, topic) // 除了分組 ID,以下配置都是可選的。分組 ID 必須指定,否則會拋出 InvalidGroupIdException 異常 .setProp(ConsumerConfig.GROUP_ID_CONFIG, "kafkaSpoutTestGroup") // 定義重試策略 .setRetry(getRetryService()) // 定時提交偏移量的時間間隔,默認是 15s .setOffsetCommitPeriodMs(10_000) .build(); } // 定義重試策略 private static KafkaSpoutRetryService getRetryService() { return new KafkaSpoutRetryExponentialBackoff(TimeInterval.microSeconds(500), TimeInterval.milliSeconds(2), Integer.MAX_VALUE, TimeInterval.seconds(10)); } } 3.3 LogConsoleBolt
/** * 打印從 Kafka 中獲取的數據 */ public class LogConsoleBolt extends BaseRichBolt { private OutputCollector collector; public void prepare(Map stormConf, TopologyContext context, OutputCollector collector) { this.collector=collector; } public void execute(Tuple input) { try { String value = input.getStringByField("value"); System.out.println("received from kafka : "+ value); // 必須 ack,否則會重複消費 kafka 中的消息 collector.ack(input); }catch (Exception e){ e.printStackTrace(); collector.fail(input); } } public void declareOutputFields(OutputFieldsDeclarer declarer) { } }這裡從 value 字段中獲取 kafka 輸出的值數據。
在開發中，我們可以通過繼承 RecordTranslator 接口定義了 Kafka 中 Record 與輸出流之間的映射關係，可以在構建 KafkaSpoutConfig 的時候通過構造器或者 setRecordTranslator() 方法傳入，並最後傳遞給具體的 KafkaSpout。
默認情況下使用內置的 DefaultRecordTranslator，其源碼如下，FIELDS 中 定義了 tuple 中所有可用的字段：主題，分區，偏移量，消息鍵，值。
public class DefaultRecordTranslator<K, V> implements RecordTranslator<K, V> { private static final long serialVersionUID = -5782462870112305750L; public static final Fields FIELDS = new Fields("topic", "partition", "offset", "key", "value"); @Override public List<Object> apply(ConsumerRecord<K, V> record) { return new Values(record.topic(), record.partition(), record.offset(), record.key(), record.value()); } @Override public Fields getFieldsFor(String stream) { return FIELDS; } @Override public List<String> streams() { return DEFAULT_STREAM; } }3.4 啟動測試
這裡啟動一個生產者用於發送測試數據，啟動命令如下：
# bin/kafka-console-producer.sh --broker-list hadoop001:9092 --topic storm-topic
本地運行的項目接收到從 Kafka 發送過來的數據：
用例源碼下載地址：storm-kafka-integration
參考資料
更多大數據系列文章可以參見 GitHub 開源項目： 大數據入門指南
