sparkstreaming集成kafka的方式

在Spark Streaming中集成Kafka通常有两种方式，一种是直接使用KafkaUtils.createDirectStream()方法，另一种是使用Kafka的Receiver API。下面分别介绍这两种方式的实现。

1. 直接使用KafkaUtils.createDirectStream()方法

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

val sparkConf = new SparkConf().setAppName("KafkaDirectStream")
val ssc = new StreamingContext(sparkConf, Seconds(5))

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

// 订阅的Topic
val topics = Array("test_topic")

// 创建Direct Stream
val stream = KafkaUtils.createDirectStream[String, String](
  ssc,
  PreferConsistent,
  Subscribe[String, String](topics, kafkaParams)
)

// 对接收到的数据进行处理
stream.map(record => (record.key, record.value)).print()

ssc.start()
ssc.awaitTermination()

2. 使用Kafka的Receiver API

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

val sparkConf = new SparkConf().setAppName("KafkaReceiverStream")
val ssc = new StreamingContext(sparkConf, Seconds(5))

// Kafka相关配置
val kafkaParams = Map[String, String](
  "zookeeper.connect" -> "localhost:2181",
  "group.id" -> "test",
  "auto.offset.reset" -> "smallest"
)

// 订阅的Topic
val topics = Map("test_topic" -> 1)

// 创建Kafka Stream
val stream = KafkaUtils.createStream[String, String, StringDecoder, StringDecoder](
  ssc,
  kafkaParams,
  topics,
  StorageLevel.MEMORY_AND_DISK_SER_2
)

// 对接收到的数据进行处理
stream.map(_._2).print()

ssc.start()
ssc.awaitTermination()

需要注意的是，使用Kafka的Receiver API需要依赖Zookeeper，而且在使用过程中可能会出现一些性能问题，因此建议使用直接使用KafkaUtils.createDirectStream()方法。