Spark-Streaming+Kafka+mysql实战示例

前言

本文将介绍一个使用Spark Streaming和Kafka进行实时数据处理的示例。通过该示例，读者将了解到如何使用Spark Streaming和Kafka处理实时数据流，以及如何将处理后的数据保存到MySQL数据库中。示例涵盖了从环境搭建到代码实现的全过程，帮助读者快速上手实时数据处理的开发。

一、简介

1. Spark-Streaming简介

Spark Streaming是Apache Spark的一个组件，用于实时流数据处理。它提供了高级别的API，可以使用类似于批处理的方式处理实时数据流。Spark Streaming可以与各种消息队列系统集成，包括Kafka、RabbitMQ等。

2. Kafka简介

Kafka是一个分布式流处理平台，具有高吞吐量、可扩展性和可靠性。它提供了一种可持久化、分布式、分区的日志服务，用于处理实时数据流。Kafka使用发布-订阅模型，消息被发布到一个或多个主题，然后由订阅该主题的消费者进行消费。

二、实战演练

1. MySQL数据库部分

这部分代码用于创建MySQL数据库和数据表，以及将从Kafka获取的数据保存到数据库中。

create database kafkademo;

创建数据表：

CREATE TABLE kafka_tb
(
    `txid`      varchar(255) PRIMARY KEY,
    `version`   varchar(255),
    `connector` varchar(255),
    `name`      varchar(255),
    `ts_ms`     varchar(255),
    `snapshot`  varchar(255),
    `db`        varchar(255),
    `sequence`  varchar(255),
    `schema`    varchar(255),
    `table`     varchar(255),
    `lsn`       varchar(255),
    `xmin`      varchar(255)
);

2. 导入依赖

这部分代码是Maven的依赖配置，用于引入所需的Spark、Kafka和MySQL相关的库。

<dependency>
    <groupId>mysql</groupId>
    <artifactId>mysql-connector-java</artifactId>
    <version>8.0.26</version>
</dependency>
<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-core_2.11</artifactId>
    <version>2.4.0</version>
</dependency>
<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-sql_2.11</artifactId>
    <version>2.4.0</version>
</dependency>
<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-streaming_2.11</artifactId>
    <version>2.4.0</version>
</dependency>
<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-streaming-kafka-0-10_2.11</artifactId>
    <version>2.4.0</version>
</dependency>
<dependency>
    <groupId>org.apache.kafka</groupId>
    <artifactId>kafka-clients</artifactId>
    <version>2.8.0</version>
</dependency>
<dependency>
    <groupId>org.projectlombok</groupId>
    <artifactId>lombok</artifactId>
    <scope>compile</scope>
</dependency>

3. 编写实体类代码

这部分代码定义了一个Java类EntityMessage，用于将从Kafka获取的JSON数据转换为Java对象。

import lombok.Data;

import java.io.Serializable;

@Data
public class EntityMessage implements Serializable {
   
    private String op;
    private String ts_ms;
    private String transaction;
    private DataItem dataItem;

    @Data
    public static class DataItem {
   
        private String version;
        private String connector;
        private String name;
        private String ts_ms;
        private String snapshot;
        private String db;
        private String[] sequence;
        private String schema;
        private String table;
        private String txId;
        private String lsn;
        private String xmin;
    }
}

4. 编写kafka主题管理代码

这部分代码用于创建、删除和修改Kafka主题的一些操作。

import org.apache.kafka.clients.admin.*;
import org.apache.kafka.common.KafkaFuture;
import org.apache.kafka.common.config.ConfigResource;

import java.util.*;
import java.util.concurrent.ExecutionException;

public class KafkaTopicManager {
   

    private static final String BOOTSTRAP_SERVERS = "192.168.145.103:9092,192.168.145.104:9092,192.168.145.105:9092";

    public void createTopic(String topicName, int numPartitions, short replicationFactor) throws ExecutionException, InterruptedException {
   
        Properties properties = new Properties();
        properties.put(AdminClientConfig.BOOTSTRAP_SERVERS_CONFIG, BOOTSTRAP_SERVERS);