Apache Kafka - 与Storm集成

上一页
下一页

在本章中，我们将学习如何将Kafka与Apache Storm集成。

关于Storm

Storm最初由BackType的Nathan Marz和团队创建。在很短的时间内，Apache Storm成为了分布式实时处理系统的标准，它允许你处理海量数据。Storm非常快，基准测试表明它每个节点每秒可以处理超过一百万个元组。Apache Storm持续运行，从配置的数据源（Spout）中获取数据，并将数据传递到处理管道（Bolt）中。Spout和Bolt组合在一起构成一个拓扑结构。

与Storm集成

Kafka和Storm自然地相互补充，它们强大的合作使快速移动的大数据的实时流分析成为可能。Kafka和Storm的集成是为了使开发人员更容易地从Storm拓扑结构中摄取和发布数据流。

概念流程

Spout是数据流的来源。例如，Spout可以从Kafka主题读取元组并将其作为数据流发出。Bolt消费输入流，处理并可能发出新的数据流。Bolt可以执行任何操作，从运行函数、过滤元组、执行流聚合、流连接、与数据库交互等等。Storm拓扑结构中的每个节点都并行执行。拓扑结构无限期运行，直到你终止它。Storm会自动重新分配任何失败的任务。此外，即使机器出现故障且消息丢失，Storm也能保证不会丢失数据。

让我们详细了解Kafka-Storm集成API。有三个主要的类用于将Kafka与Storm集成。它们如下所示：

BrokerHosts - ZkHosts & StaticHosts

BrokerHosts是一个接口，ZkHosts和StaticHosts是其两个主要的实现。ZkHosts通过在ZooKeeper中维护详细信息来动态跟踪Kafka代理，而StaticHosts用于手动/静态地设置Kafka代理及其详细信息。ZkHosts是访问Kafka代理的简单快捷方法。

ZkHosts的签名如下所示：

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。

KafkaConfig API

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。

    Topic - 主题名称。

SpoutConfig API

Spoutconfig是KafkaConfig的扩展，它支持额外的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

  • Topic - 主题名称。

  • zkRoot - ZooKeeper根路径。

  • id - Spout将它消费的偏移量的状态存储在Zookeeper中。id应该唯一标识你的Spout。

SchemeAsMultiScheme

SchemeAsMultiScheme是一个接口，它规定了从Kafka消费的ByteBuffer如何转换为Storm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kafka主题获取消息，并将其作为元组发出到Storm生态系统中。KafkaSpout从SpoutConfig获取其配置详细信息。

下面是一个创建简单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是一个组件，它以元组作为输入，处理元组，并产生新的元组作为输出。Bolt将实现IRichBolt接口。在这个程序中，使用两个bolt类WordSplitterBolt和WordCounterBolt来执行操作。

IRichBolt接口具有以下方法：

  • Prepare - 为bolt提供执行环境。执行器将运行此方法来初始化spout。

  • Execute - 处理单个输入元组。

  • Cleanup - 当bolt即将关闭时调用。

  • declareOutputFields - 声明元组的输出模式。

让我们创建SplitBolt.java，它实现将句子拆分为单词的逻辑，以及CountBolt.java，它实现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()+" : " + entry.getValue());
      }
   }

   @Override
   public void declareOutputFields(OutputFieldsDeclarer declarer) {
   
   }

   @Override
   public Map<String, Object> getComponentConfiguration() {
      return null;
   }
}

提交到拓扑结构

Storm拓扑结构基本上是一个Thrift结构。TopologyBuilder类提供简单易用的方法来创建复杂的拓扑结构。TopologyBuilder类具有设置spout（setSpout）和设置bolt（setBolt）的方法。最后，TopologyBuilder具有createTopology来创建拓扑结构。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对象创建一个本地集群，然后使用LocalCluster类的submitTopology方法提交拓扑结构。

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();
   }
}

在进行编译之前，Kakfa-Storm集成需要curator ZooKeeper客户端Java库。Curator版本2.9.1支持Apache Storm版本0.9.5（我们本教程中使用）。下载下面指定的jar文件，并将其放置在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（在上一章中解释），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
打印页面
上一页
下一页
广告