Apache Kafka – 与 Storm 集成

Apache Kafka – 与 Storm 集成


在本章中,我们将学习如何将 Kafka 与 Apache Storm 集成。

关于风暴

Storm 最初由 Nathan Marz 和 BackType 的团队创建。在很短的时间内,Apache Storm 成为分布式实时处理系统的标准,可以让您处理海量数据。Storm 速度非常快,基准测试表明每个节点每秒处理超过一百万个元组。Apache Storm 持续运行,从配置的源 (Spouts) 使用数据并将数据向下传递到处理管道 (Bolts)。Spouts 和 Bolts 结合起来构成一个拓扑。

与风暴集成

Kafka和Storm自然相得益彰,强强联手,为快速移动的大数据提供实时流式分析。Kafka 和 Storm 的集成是为了让开发人员更容易从 Storm 拓扑中摄取和发布数据流。

概念流程

喷口是流的来源。例如,一个 spout 可以从 Kafka Topic 中读取元组并将它们作为流发出。螺栓消耗输入流,处理并可能发出新流。Bolt 可以做任何事情,从运行函数、过滤元组、进行流式聚合、流式连接、与数据库对话等等。Storm 拓扑中的每个节点都并行执行。拓扑无限期运行,直到您终止它。Storm 会自动重新分配任何失败的任务。此外,Storm 保证不会丢失数据,即使机器宕机和消息丢失。

让我们详细了解 Kafka-Storm 集成 API。Kafka 与 Storm 的集成主要有三个类。它们如下 –

BrokerHosts – ZkHosts 和 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 中的详细信息来动态跟踪 Kafka 代理,而 StaticHosts 用于手动/静态设置 Kafka 代理及其详细信息。ZkHosts 是访问 Kafka 代理的简单快速的方法。

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 ZooKeeper 路径,用于维护 Kafka 代理详细信息。

Kafka配置接口

此 API 用于定义 Kafka 集群的配置设置。Kafka Config 的签名定义如下

public KafkaConfig(BrokerHosts hosts, string topic)

    Hosts – BrokerHosts 可以是 ZkHosts / StaticHosts。

    主题– 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)
  • Hosts – BrokerHosts 可以是 BrokerHosts 接口的任何实现

  • 主题– 主题名称。

  • zkRoot – ZooKeeper 根路径。

  • id – spout 存储其在 Zookeeper 中消耗的偏移量的状态。该 id 应该唯一标识您的 spout。

方案为多方案

SchemeAsMultiScheme 是一个接口,它指示从 Kafka 消耗的 ByteBuffer 如何转换为风暴元组。它派生自 MultiScheme 并接受 Scheme 类的实现。Scheme 类有很多实现,其中一个实现是 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)
  • Scheme – 从 kafka 消耗的字节缓冲区。

KafkaSpout API

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

下面是创建一个简单的 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);

螺栓创建

Bolt 是一个组件,它以元组为输入,处理元组,并生成新的元组作为输出。Bolts 将实现 IRichBolt 接口。在这个程序中,两个螺栓类 WordSplitter-Bolt 和 WordCounterBolt 用于执行操作。

IrichBolt 接口有以下方法 –

  • Prepare – 为螺栓提供一个执行环境。执行程序将运行此方法来初始化 spout。

  • 执行– 处理单个输入元组。

  • Cleanup – 当螺栓要关闭时调用。

  • declareOutputFields – 声明元组的输出模式。

让我们创建 SplitBolt.java,它实现了将句子拆分为单词的逻辑和 CountBolt.java,它实现了分离唯一单词并计算其出现次数的逻辑。

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;
   }
   
}

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()&plus" : " &plus 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 类提供了创建复杂拓扑的简单方法。TopologyBuilder 类具有设置 spout (setSpout) 和设置 bolt (setBolt) 的方法。最后,TopologyBuilder 有 createTopology 来创建拓扑。shuffleGrouping 和 fieldsGrouping 方法有助于为 spout 和 bolt 设置流分组。

本地集群– 出于开发目的,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

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 curator ZooKeeper 客户端 java 库。Curator 2.9.1 版支持 Apache Storm 0.9.5 版(我们在本教程中使用)。下载下面指定的jar文件,放到java类路径中。

  • curator-client-2.9.1.jar
  • 策展人框架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(在前一章中解释过),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

此应用程序的示例输出如下所示 –

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

觉得文章有用?

点个广告表达一下你的爱意吧 !😁