- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在开发一个数据分析项目,在该项目中,我从 CSV 文件中读取数据,在 Kafka 主题上遍历该数据,并使用 Spark Streaming 来使用该 Kafka 主题数据。我在单个项目中使用的所有组件。
现在,在使用 Spark Streaming 使用数据后,我必须对其进行一些计算,并且必须将数据保存到 Elasticsearch 中,并且必须将该数据发送到另一个主题。所以我正在从 Spark Streaming 做这些事情(将数据保存到弹性并将数据发送到主题)。下面是我的代码
@Component
public class RawEventSparkConsumer implements Serializable {
@Autowired
private ElasticSearchServiceImpl dataModelServiceImpl;
@Autowired
private EventKafkaProducer enrichEventKafkaProducer;
Collection<String> topics = Arrays.asList("rawTopic");
public void sparkRawEventConsumer(JavaStreamingContext streamingContext) {
Map<String, Object> kafkaParams = new HashedMap();
kafkaParams.put("bootstrap.servers", "localhost:9092");
kafkaParams.put("key.deserializer", StringDeserializer.class);
kafkaParams.put("value.deserializer", StringDeserializer.class);
kafkaParams.put("group.id", "group1");
kafkaParams.put("auto.offset.reset", "latest");
kafkaParams.put("enable.auto.commit", true);
JavaInputDStream<ConsumerRecord<String, String>> rawEventRDD = KafkaUtils.createDirectStream(streamingContext,
LocationStrategies.PreferConsistent(),
ConsumerStrategies.<String, String>Subscribe(topics, kafkaParams));
JavaDStream<String> dStream = rawEventRDD.map((x) -> x.value());
JavaDStream<BaseDataModel> baseDataModelDStream = dStream.map(convertIntoBaseModel);
baseDataModelDStream.foreachRDD(rdd1 -> {
saveDataToElasticSearch(rdd1.collect());
});
JavaDStream<EnrichEventDataModel> enrichEventRdd = baseDataModelDStream.map(convertIntoEnrichModel);
enrichEventRdd.foreachRDD(rdd -> {
System.out.println("Inside rawEventRDD.foreachRDD = = = " + rdd.count());
sendEnrichEventToKafkaTopic(rdd.collect());
});
streamingContext.start();
try {
streamingContext.awaitTermination();
} catch (InterruptedException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
static Function convertIntoBaseModel = new Function<String, BaseDataModel>() {
@Override
public BaseDataModel call(String record) throws Exception {
ObjectMapper mapper = new ObjectMapper();
BaseDataModel csvDataModel = mapper.readValue(record, BaseDataModel.class);
return csvDataModel;
}
};
static Function convertIntoEnrichModel = new Function<BaseDataModel, EnrichEventDataModel>() {
@Override
public EnrichEventDataModel call(BaseDataModel csvDataModel) throws Exception {
EnrichEventDataModel enrichEventDataModel = new EnrichEventDataModel(csvDataModel);
enrichEventDataModel.setEnrichedUserName("Enriched User");
User user = new User();
user.setU_email("Nitin.Tyagi");
enrichEventDataModel.setUser(user);
return enrichEventDataModel;
}
};
private void sendEnrichEventToKafkaTopic(List<EnrichEventDataModel> enrichEventDataModels) {
if (enrichEventKafkaProducer != null && enrichEventDataModels != null && enrichEventDataModels.size() > 0)
try {
enrichEventKafkaProducer.sendEnrichEvent(enrichEventDataModels);
} catch (JsonProcessingException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
private void saveDataToElasticSearch(List<BaseDataModel> baseDataModelList) {
if(!baseDataModelList.isEmpty())
dataModelServiceImpl.saveAllBaseModel(baseDataModelList);
}
}
现在我有几个问题
1)我的方法好吗,即在 Elastic Search 中保存数据并从 Spark Streaming 发送有关主题的数据?
2)我在单个项目中使用应用程序组件(Kafka、Spark Streaming),并且有多个 Spark Streaming 类。我在本地系统中通过 CommandLineRunner 运行这些类。那么现在如何将 Spark Streaming 作为 Spark 作业提交呢?
对于 Spark Submit,我需要使用 Spark Streaming 类创建单独的项目吗?
最佳答案
Is my approach fine, i.e saving data in Elastic Search and sending it on topic from Spark Streaming?
我想我会考虑使用 ES-Hadoop Spark 库。看起来您刚刚直接使用了 Elastic Java API(假定您正在收集 RDD 分区)
虽然它可能有效,但它是高度耦合的......当 Elasticsearch 因维护而停机或高度潜在时会发生什么?整个应用程序会停止吗?
另一种方法是将 Kafka 处理逻辑拆分到自己的部署中。这样,您还可以只使用 Elasticsearch Kafka Connect 流程从主题加载数据,而无需自己编写该代码(Connect API 可能已经是您正在运行的 Kafka 集群的一部分)
there are multiple Spark Streaming classes
多个主类?这不应该是一个问题。您需要为 Spark 提交提供一个 JAR 和一个类名称。您可以在一个 jar 中拥有多个“入口点”/主要方法。
how can submit Spark Streaming as a spark job?
我不确定我是否理解这个问题。 spark-submit
适用于流作业
注意:如果您计划更改数据类型或其顺序,并且您还希望除您自己之外的任何人都可以使用该主题,则 CSV 是您可以放入 Kafka 的最糟糕的格式之一。即使 Elasticsearch 也希望您拥有 json 编码的有效负载
关于java - Spark Streaming作业如何在Kafka主题上发送数据并将其保存在Elastic中,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56441306/
目前正在学习 Spark 的类(class)并了解到执行者的定义: Each executor will hold a chunk of the data to be processed. Thisc
阅读了有关 http://spark.apache.org/docs/0.8.0/cluster-overview.html 的一些文档后,我有一些问题想要澄清。 以 Spark 为例: JavaSp
Spark核心中的调度器与以下Spark Stack(来自Learning Spark:Lightning-Fast Big Data Analysis一书)中的Standalone Schedule
我想在 spark-submit 或 start 处设置 spark.eventLog.enabled 和 spark.eventLog.dir -all level -- 不要求在 scala/ja
我有来自 SQL Server 的数据,需要在 Apache Spark (Databricks) 中进行操作。 在 SQL Server 中,此表的三个键列使用区分大小写的 COLLATION 选项
所有这些有什么区别和用途? spark.local.ip spark.driver.host spark.driver.bind地址 spark.driver.hostname 如何将机器修复为 Sp
我有大约 10 个 Spark 作业,每个作业都会进行一些转换并将数据加载到数据库中。必须为每个作业单独打开和关闭 Spark session ,每次初始化都会耗费时间。 是否可以只创建一次 Spar
/Downloads/spark-3.0.1-bin-hadoop2.7/bin$ ./spark-shell 20/09/23 10:58:45 WARN Utils: Your hostname,
我是 Spark 的完全新手,并且刚刚开始对此进行更多探索。我选择了更长的路径,不使用任何 CDH 发行版安装 hadoop,并且我从 Apache 网站安装了 Hadoop 并自己设置配置文件以了解
TL; 博士 Spark UI 显示的内核和内存数量与我在使用 spark-submit 时要求的数量不同 更多细节: 我在独立模式下运行 Spark 1.6。 当我运行 spark-submit 时
spark-submit 上的文档说明如下: The spark-submit script in Spark’s bin directory is used to launch applicatio
关闭。这个问题是opinion-based .它目前不接受答案。 想改善这个问题吗?更新问题,以便可以通过 editing this post 用事实和引文回答问题. 6 个月前关闭。 Improve
我想了解接收器如何在 Spark Streaming 中工作。根据我的理解,将有一个接收器任务在执行器中运行,用于收集数据并保存为 RDD。当调用 start() 时,接收器开始读取。需要澄清以下内容
有没有办法在不同线程中使用相同的 spark 上下文并行运行多个 spark 作业? 我尝试使用 Vertx 3,但看起来每个作业都在排队并按顺序启动。 如何让它在相同的 spark 上下文中同时运行
我们有一个 Spark 流应用程序,这是一项长期运行的任务。事件日志指向 hdfs 位置 hdfs://spark-history,当我们开始流式传输应用程序时正在其中创建 application_X
我们正在尝试找到一种加载 Spark (2.x) ML 训练模型的方法,以便根据请求(通过 REST 接口(interface))我们可以查询它并获得预测,例如http://predictor.com
Spark newb 问题:我在 spark-sql 中进行完全相同的 Spark SQL 查询并在 spark-shell . spark-shell版本大约需要 10 秒,而 spark-sql版
我正在使用 Spark 流。根据 Spark 编程指南(参见 http://spark.apache.org/docs/latest/programming-guide.html#accumulato
我正在使用 CDH 5.2。我可以使用 spark-shell 运行命令。 如何运行包含spark命令的文件(file.spark)。 有没有办法在不使用 sbt 的情况下在 CDH 5.2 中运行/
我使用 Elasticsearch 已经有一段时间了,但使用 Cassandra 的经验很少。 现在,我有一个项目想要使用 Spark 来处理数据,但我需要决定是否应该使用 Cassandra 还是
我是一名优秀的程序员,十分优秀!