Spark+Kafka的Direct方式将偏移量发送到Zookeeper实现（转）

时间：2023-03-09 08:21:12
Spark+Kafka的Direct方式将偏移量发送到Zookeeper实现（转）

原文链接：Spark+Kafka的Direct方式将偏移量发送到Zookeeper实现

　Apache Spark 1.3.0引入了Direct API，利用Kafka的低层次API从Kafka集群中读取数据，并且在Spark Streaming系统里面维护偏移量相关的信息，并且通过这种方式去实现零数据丢失(zero data loss)相比使用基于Receiver的方法要高效。但是因为是Spark Streaming系统自己维护Kafka的读偏移量，而Spark Streaming系统并没有将这个消费的偏移量发送到Zookeeper中，这将导致那些基于偏移量的Kafka集群监控软件（比如：Apache Kafka监控之Kafka Web Console、Apache Kafka监控之KafkaOffsetMonitor等）失效。本文就是基于为了解决这个问题，使得我们编写的Spark Streaming程序能够在每次接收到数据之后自动地更新Zookeeper中Kafka的偏移量。

　　我们从Spark的官方文档可以知道，维护Spark内部维护Kafka便宜了信息是存储在HasOffsetRanges类的offsetRanges中，我们可以在Spark Streaming程序里面获取这些信息：

1 val offsetsList = rdd.asInstanceOf[HasOffsetRanges].offsetRanges

这样我们就可以获取所以分区消费信息，只需要遍历offsetsList，然后将这些信息发送到Zookeeper即可更新Kafka消费的偏移量。完整的代码片段如下：

01 val messages =KafkaUtils.createDirectStream[String, String, StringDecoder, StringDecoder](ssc, kafkaParams, topicsSet)
02       messages.foreachRDD(rdd => {
03         val offsetsList = rdd.asInstanceOf[HasOffsetRanges].offsetRanges
04         val kc = new KafkaCluster(kafkaParams)
05         for (offsets < - offsetsList) {
06           val topicAndPartition = TopicAndPartition("iteblog", offsets.partition)
07           val o =kc.setConsumerOffsets(args(0), Map((topicAndPartition, offsets.untilOffset)))
08           if (o.isLeft) {
09             println(s"Error updating the offset to Kafka cluster: ${o.left.get}")
10           }
11         }
12 })

　　KafkaCluster类用于建立和Kafka集群的链接相关的操作工具类，我们可以对Kafka中Topic的每个分区设置其相应的偏移量Map((topicAndPartition, offsets.untilOffset)),然后调用KafkaCluster类的setConsumerOffsets方法去更新Zookeeper里面的信息，这样我们就可以更新Kafka的偏移量，最后我们就可以通过KafkaOffsetMonitor之类软件去监控Kafka中相应Topic的消费信息，下图是KafkaOffsetMonitor的监控情况：

Spark+Kafka的Direct方式将偏移量发送到Zookeeper实现（转）

　　从图中我们可以看到KafkaOffsetMonitor监控软件已经可以监控到Kafka相关分区的消费情况，这对监控我们整个Spark Streaming程序来非常重要，因为我们可以任意时刻了解Spark读取速度。另外，KafkaCluster工具类的完整代码如下：

01 package org.apache.spark.streaming.kafka
02  
03 import kafka.api.OffsetCommitRequest
04 import kafka.common.{ErrorMapping, OffsetMetadataAndError, TopicAndPartition}
05 import kafka.consumer.SimpleConsumer
06 import org.apache.spark.SparkException
07 import org.apache.spark.streaming.kafka.KafkaCluster.SimpleConsumerConfig
08  
09 import scala.collection.mutable.ArrayBuffer
10 import scala.util.Random
11 import scala.util.control.NonFatal
12  
13 /**
14  * User: 过往记忆
15  * Date: 2015-06-02
16  * Time: 下午23:46
17  * bolg: http://www.iteblog.com
18  * 本文地址：http://www.iteblog.com/archives/1381
19  * 过往记忆博客，专注于hadoop、hive、spark、shark、flume的技术博客，大量的干货
20  * 过往记忆博客微信公共帐号：iteblog_hadoop
21  */
22  
23 class KafkaCluster(val kafkaParams: Map[String, String]) extends Serializable {
24   type Err = ArrayBuffer[Throwable]
25  
26   @transient private var _config: SimpleConsumerConfig = null
27  
28   def config: SimpleConsumerConfig = this.synchronized {
29     if (_config == null) {
30       _config = SimpleConsumerConfig(kafkaParams)
31     }
32     _config
33   }
34  
35   def setConsumerOffsets(groupId: String,
36                          offsets: Map[TopicAndPartition, Long]
37                           ): Either[Err, Map[TopicAndPartition, Short]] = {
38     setConsumerOffsetMetadata(groupId, offsets.map { kv =>
39       kv._1 -> OffsetMetadataAndError(kv._2)
40     })
41   }
42  
43   def setConsumerOffsetMetadata(groupId: String,
44                                 metadata: Map[TopicAndPartition, OffsetMetadataAndError]
45                                  ): Either[Err, Map[TopicAndPartition, Short]] = {
46     var result = Map[TopicAndPartition, Short]()
47     val req = OffsetCommitRequest(groupId, metadata)
48     val errs = new Err
49     val topicAndPartitions = metadata.keySet
50     withBrokers(Random.shuffle(config.seedBrokers), errs) { consumer =>
51       val resp = consumer.commitOffsets(req)
52       val respMap = resp.requestInfo
53       val needed = topicAndPartitions.diff(result.keySet)
54       needed.foreach { tp: TopicAndPartition =>
55         respMap.get(tp).foreach { err: Short =>
56           if (err == ErrorMapping.NoError) {
57             result += tp -> err
58           } else {
59             errs.append(ErrorMapping.exceptionFor(err))
60           }
61         }
62       }
63       if (result.keys.size == topicAndPartitions.size) {
64         return Right(result)
65       }
66     }
67     val missing = topicAndPartitions.diff(result.keySet)
68     errs.append(new SparkException(s"Couldn't set offsets for ${missing}"))
69     Left(errs)
70   }
71  
72   private def withBrokers(brokers: Iterable[(String, Int)], errs: Err)
73                          (fn: SimpleConsumer => Any): Unit = {
74     brokers.foreach { hp =>
75       var consumer: SimpleConsumer = null
76       try {
77         consumer = connect(hp._1, hp._2)
78         fn(consumer)
79       } catch {
80         case NonFatal(e) =>
81           errs.append(e)
82       } finally {
83         if (consumer != null) {
84           consumer.close()
85         }
86       }
87     }
88   }
89  
90   def connect(host: String, port: Int): SimpleConsumer =
91     new SimpleConsumer(host, port, config.socketTimeoutMs,
92       config.socketReceiveBufferBytes, config.clientId)
93 }