上一节:
下一节:

  Kafka 与Storm集成

  • Apache Storm集成。

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

  • 关于Storm

    Storm最初是由内森·马兹（Nathan Marz）和BackType团队创建的。在短时间内，Apache Storm成为分布式实时处理系统的标准，该系统使您可以处理大量数据。Storm的速度非常快，基准测试表明它每秒可处理每个节点超过一百万个元组。Apache Storm持续运行，使用来自已配置源（Spouts）的数据，并将数据向下传递到处理管道（Bolts）。喷头和螺栓结合在一起构成一个拓扑。

  • 与Storm整合

    Kafka和Storm自然互补，它们的强大合作可实现实时流分析，以快速移动大数据。Kafka和Storm的集成将使开发人员更轻松地从Storm拓扑中提取和发布数据流。
    概念流
    壶嘴是溪流的源头。例如，喷口可能会从Kafka主题中读取元组并将其作为流发出。螺栓消耗输入流，处理并可能发出新流。螺栓可以执行任何操作，包括运行函数，过滤元组，执行流聚合，流连接，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将自动重新分配所有失败的任务。此外，Storm保证即使机器宕机和消息丢失也不会丢失数据。
    让我们详细了解Kafka-Storm集成API。有三个主要的类将Kafka与Storm集成。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，而brokerZkPath是ZooKeeper路径，用于维护Kafka代理详细信息。
    KafkaConfig API
    该API用于定义Kafka集群的配置设置。KafkaConfig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，支持其他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- 喷口存储其在Zookeeper中消耗的偏移量的状态。该ID应该唯一标识您的壶嘴。
    SchemeAsMultiScheme
    SchemeAsMultiScheme是一个接口，指示从Kafka消耗的ByteBuffer如何转换为Storm元组。它从MultiScheme派生并接受Scheme类的实现。Scheme类有很多实现，StringScheme是这样的实现，它将字节解析为简单字符串。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实施，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。
    以下是创建简单的KafkaSpout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是一个将元组作为输入，处理该元组并生成新的元组作为输出的组件。螺栓(Bolt)将实现IRichBolt接口。在此程序中，两个螺栓类WordSplitterBolt和WordCounterBolt用于执行操作。
    IRichBolt接口具有以下方法-
    • Prepare - 为螺栓提供执行环境。执行者将运行此方法初始化喷口。
    • Execute - 处理单个输入元组。
    • Cleanup - 当螺栓即将关闭时调用。
    • clarifyOutputFields - 声明元组的输出模式。
    让我们创建SplitBolt.java和CountBolt.java，前者实现将句子拆分成单词的逻辑，而CountBolt.java实现分离独特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;
   }
}

  • 提交拓扑

    Storm拓扑基本上是Thrift结构。TopologyBuilder类提供了创建复杂拓扑的简单方法。TopologyBuilder类具有设置喷口（setSpout）和设置螺栓（setBolt）的方法。最后，TopologyBuilder具有createTopology来创建拓扑。shuffleGrouping和fieldsGrouping方法有助于为喷口和螺栓设置流分组。
    本地群集 - 出于开发目的，我们可以使用LocalCluster对象创建本地群集，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();
   }
}
    在进行编译之前，Kakfa-Storm集成需要管理者ZooKeeper客户端Java库。Curator版本2.9.1支持Apache Storm版本0.9.5（我们在本教程中使用）。下载以下指定的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
    包含依赖项文件后，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（在上一章中进行了说明），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
    该应用程序的示例输出在下面指定- 
    
storm : 1
test : 2
spark : 1
another : 1
kafka : 1
hello : 1
message : 2
上一节:
下一节: