spark streaming消费kafka数据进行词频统计，用scala语言

好的，以下是一个简单的示例代码，假设我们要消费名为“test”的Kafka主题，并对其中的单词进行词频统计：

import org.apache.spark.streaming.{Seconds, StreamingContext}
import org.apache.spark.streaming.kafka._
import org.apache.kafka.common.serialization.StringDeserializer
import org.apache.spark.SparkConf

object WordCount {
  def main(args: Array[String]): Unit = {
    // 创建 SparkConf 对象
    val conf = new SparkConf().setAppName("WordCount").setMaster("local[*]")

    // 创建 StreamingContext 对象
    val ssc = new StreamingContext(conf, Seconds(5))

    // 设置 Kafka 相关参数
    val kafkaParams = Map[String, Object](
      "bootstrap.servers" -> "localhost:9092",
      "key.deserializer" -> classOf[StringDeserializer],
      "value.deserializer" -> classOf[StringDeserializer],
      "group.id" -> "test-group",
      "auto.offset.reset" -> "latest",
      "enable.auto.commit" -> (false: java.lang.Boolean)
    )

    // 创建一个 Kafka DStream
    val kafkaStream = KafkaUtils.createDirectStream[String, String](
      ssc,
      LocationStrategies.PreferConsistent,
      ConsumerStrategies.Subscribe[String, String](Array("test"), kafkaParams)
    )

    // 从 Kafka DStream 中提取单词
    val words = kafkaStream.flatMap(record => record.value().split(" "))

    // 对单词进行计数
    val wordCounts = words.map(word => (word, 1)).reduceByKey(_ + _)

    // 输出计数结果
    wordCounts.print()

    // 启动 Spark Streaming
    ssc.start()
    ssc.awaitTermination()
  }
}

上述代码中，我们首先创建了一个 `SparkConf` 对象，并设置了应用程序名为“WordCount”，使用本地模式运行。然后创建了一个 `StreamingContext` 对象，每隔 5 秒钟将接收到的数据进行批处理。

接下来，我们设置了 Kafka 相关参数，包括 Broker 地址、键值对反序列化器、消费者组 ID 等。然后使用 `KafkaUtils.createDirectStream` 方法创建了一个 Kafka DStream。在这个 DStream 上，我们使用 `flatMap` 方法将每个消息的值按空格拆分成单词，并使用 `map` 和 `reduceByKey` 方法对单词进行计数。最后，我们调用 `print` 方法输出计数结果。

最后，我们启动 Spark Streaming 并等待计算完成。