Apache Kafka教程 之 与Storm集成

http://blogxinxiucan.sh1.newtouch.com/

Apache Kafka - 与Storm集成

关于Storm

Storm最初是由Nathan Marz和BackType创建的。在短时间内,Apache Storm成为分布式实时处理系统的标准,可让您处理大量数据。Storm非常快,每个节点每秒处理超过一百万个元组的基准测试。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,spout和Bolts 做拓扑。

与Storm融合

Kafka和Storm自然互补,他们强大的合作使得实时流式分析能够快速移动大数据。Kafka和Storm集成是让开发人员更容易地从Storm拓扑中吸收和发布数据流。

概念流
spout是流的来源。例如,一个spout可以从Kafka主题中读取元组,并将其作为流发出。Bolts 消耗输入流,处理并可能发射新的流。Bolts 可以从运行功能,过滤元组,进行流聚合,流式连接,与数据库交谈等操作。Storm拓扑中的每个节点并行执行。拓扑运行无限期,直到您终止它。Storm将自动重新分配任何失败的任务。此外,Storm保证不会丢失数据,即使机器掉线,信息丢失。

让我们详细介绍一下Kafka-Storm集成API。将卡夫卡与Storm整合有三个主要课程。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用于通过维护ZooKeeper中的细节来动态跟踪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经纪人的简单而快速的方式。

ZkHosts的签名如下:

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

其中brokerZkStr是ZooKeeper主机和brokerZkPath是ZooKeeper路径来维护Kafka代理详细信息。

KafkaConfig API
此API用于定义Kafka集群的配置设置。Kafka Con-fig的签名定义如下

public KafkaConfig(BrokerHosts hosts, string topic)
  • Hosts - BrokerHosts可以是ZkHosts / StaticHosts。
  • Topic - 主题名称。

SpoutConfig API
Spoutconfig是KafkaConfig的扩展,它支持更多的ZooKeeper信息。

public SpoutConfig(BrokerHosts hosts, string topic, string zkRoot, string id)
  • 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 stores存储在Zookeeper中消耗的偏移量的状态。该ID应该唯一标识您的spout。

SchemeAsMultiScheme
SchemeAsMultiScheme是一个接口,用于指示从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。有很多的Scheme类的实现,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。签名的定义如下。

public SchemeAsMultiScheme(Scheme scheme)
  • Scheme - 从卡夫卡消费的字节缓冲区。

KafkaSpout API
KafkaSpout是我们的spout实现,它将与Storm集成。它从卡夫卡主题中获取消息,并将其作为元组发送到Storm生态系统。KafkaSpout从SpoutConfig获取其配置详细信息。

以下是创建简单Kafkaspout的示例代码

1
2
3
4
5
6
7
8
9
10
11
12
// 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 Creation

Bolt是一个组件,它将元组作为输入,处理元组,并产生新的元组作为输出。Bolts 将实现IRichBolt接口。在这个程序中,使用两个Bolts 类WordSplitter-Bolt和WordCounterBolt进行操作。

IRichBolt接口有以下几种方法 -

  • Prepare- 为Bolts 提供执行的环境。执行器将运行此方法来初始化spout。
  • Execute- 处理一个单独的输入元组。
  • Cleanup - 当Bolts 关闭时调用。
  • declareOutputFields - 声明元组的输出模式。

让我们创建SplitBolt.java,它实现将一个句子分割成单词和CountBolt.java的逻辑,该实现逻辑用于分隔唯一的单词并计算其发生。

SplitBolt.java

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
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;
}
}

CountBolt.java

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
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Topology

Storm拓扑基本上是一个节俭的结构。TopologyBuilder类提供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已经创建了一个创建To-pology的拓扑。shuffleGrouping和fieldsGrouping方法有助于为喷嘴和Bolts 设置流分组。

本地集群 - 为了开发目的,我们可以使用LocalCluster对象创建本地集群,然后使用LocalCluster类的submitTopology方法提交拓扑。

KafkaStormSample.java

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
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集成需要策展人ZooKeeper客户端的java库。策展人版本2.9.1支持Apache Storm版本0.9.5(我们在本教程中使用)。下载指定的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

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

本应用程序的示例输出如下:

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