Apache Kafka - 与 Storm 集成

在本章中，我们将学习如何将 Kafka 与 Apache Storm 集成。

关于暴风雨

Storm 最初由 Nathan Marz 和 BackType 团队创建。在很短的时间内，Apache Storm 成为了分布式实时处理系统的标准，允许您处理大量数据。Storm 非常快，基准测试显示每个节点每秒处理超过一百万个元组。Apache Storm 持续运行，使用来自配置源 (Spouts) 的数据并将数据沿着处理管道 (Bolts) 传递。喷口和螺栓组合起来形成拓扑。

与 Storm 集成

Kafka 和 Storm 天然相辅相成，它们的强大合作可以实现对快速移动的大数据的实时流分析。Kafka 和 Storm 的集成是为了让开发人员更轻松地从 Storm 拓扑中获取和发布数据流。

概念流程

Spout 是流的来源。例如，spout 可以从 Kafka Topic 读取元组并将它们作为流发出。Bolt 消耗输入流、处理并可能发出新流。Bolt 可以执行任何操作，从运行函数、过滤元组、进行流式聚合、流式连接、与数据库对话等等。Storm 拓扑中的每个节点并行执行。拓扑会无限期地运行，直到您将其终止。Storm 将自动重新分配任何失败的任务。此外，Storm 保证即使机器宕机、消息丢失也不会丢失数据。

让我们详细了解一下 Kafka-Storm 集成 API。Kafka 与 Storm 的集成主要分为三个类。它们如下 -

BrokerHosts - ZkHosts 和 StaticHosts

BrokerHosts 是一个接口，ZkHosts 和 StaticHosts 是它的两个主要实现。ZkHosts 用于通过在 ZooKeeper 中维护详细信息来动态跟踪 Kafka 代理，而 StaticHosts 用于手动/静态设置 Kafka 代理及其详细信息。ZkHosts 是访问 Kafka 代理的简单快速的方法。

ZkHosts 的签名如下 -

public ZkHosts(String brokerZkStr, String brokerZkPath)
public ZkHosts(String brokerZkStr)

其中brokerZkStr是ZooKeeper主机，brokerZkPath是用于维护Kafka代理详细信息的ZooKeeper路径。

卡夫卡配置API

该API用于定义Kafka集群的配置设置。Kafka Config的签名定义如下

public KafkaConfig(BrokerHosts hosts, string topic)

    主机- BrokerHosts 可以是 ZkHosts / StaticHosts。

    主题- 主题名称。

Spout配置接口

Spoutconfig 是 KafkaConfig 的扩展，支持额外的 ZooKeeper 信息。

public SpoutConfig(BrokerHosts hosts, string topic, string zkRoot, string id)

  • Hosts - BrokerHosts 可以是 BrokerHosts 接口的任何实现

  • 主题- 主题名称。

  • zkRoot - ZooKeeper 根路径。

  • id - spout 存储其在 Zookeeper 中消耗的偏移量的状态。该 id 应该唯一地标识您的 spout。

方案为多方案

SchemeAsMultiScheme 是一个接口，它规定从 Kafka 消耗的 ByteBuffer 如何转换为风暴元组。它派生自 MultiScheme 并接受 Scheme 类的实现。Scheme 类有很多实现，其中一种实现是 StringScheme，它将字节解析为简单的字符串。它还控制输出字段的命名。签名定义如下。

public SchemeAsMultiScheme(Scheme scheme)

  • 方案- 从 kafka 消耗的字节缓冲区。

KafkaSpout API

KafkaSpout 是我们的 Spout 实现，它将与 Storm 集成。它从 kafka 主题中获取消息并将其作为元组发送到 Storm 生态系统中。KafkaSpout 从 SpoutConfig 获取其配置详细信息。

下面是创建简单 Kafka spout 的示例代码。

// ZooKeeper connection string
BrokerHosts hosts = new ZkHosts(zkConnString);

//Creating SpoutConfig Object
SpoutConfig spoutConfig = new SpoutConfig(hosts, 
   topicName, "/" + topicName UUID.randomUUID().toString());

//convert the ByteBuffer to String.
spoutConfig.scheme = new SchemeAsMultiScheme(new StringScheme());

//Assign SpoutConfig to KafkaSpout.
KafkaSpout kafkaSpout = new KafkaSpout(spoutConfig);

螺栓创建

Bolt 是一个将元组作为输入、处理元组并生成新元组作为输出的组件。Bolts 将实现 IRichBolt 接口。在该程序中，使用两个bolt类WordSplitter-Bolt和WordCounterBolt来执行操作。

IRichBolt 接口有以下方法 -

  • 准备- 为 Bolt 提供要执行的环境。执行器将运行此方法来初始化 spout。

  • 执行- 处理单个输入元组。

  • Cleanup - 当螺栓将要关闭时调用。

  • declareOutputFields - 声明元组的输出模式。

让我们创建 SplitBolt.java，它实现将句子拆分为单词的逻辑；以及 CountBolt.java，它实现分离唯一单词并计算其出现次数的逻辑。

SplitBolt.java

import java.util.Map;

import backtype.storm.tuple.Tuple;
import backtype.storm.tuple.Fields;
import backtype.storm.tuple.Values;

import backtype.storm.task.OutputCollector;
import backtype.storm.topology.OutputFieldsDeclarer;
import backtype.storm.topology.IRichBolt;
import backtype.storm.task.TopologyContext;

public class SplitBolt implements IRichBolt {
   private OutputCollector collector;
   
   @Override
   public void prepare(Map stormConf, TopologyContext context,
      OutputCollector collector) {
      this.collector = collector;
   }
   
   @Override
   public void execute(Tuple input) {
      String sentence = input.getString(0);
      String[] words = sentence.split(" ");
      
      for(String word: words) {
         word = word.trim();
         
         if(!word.isEmpty()) {
            word = word.toLowerCase();
            collector.emit(new Values(word));
         }
         
      }

      collector.ack(input);
   }
   
   @Override
   public void declareOutputFields(OutputFieldsDeclarer declarer) {
      declarer.declare(new Fields("word"));
   }

   @Override
   public void cleanup() {}
   
   @Override
   public Map<String, Object> getComponentConfiguration() {
      return null;
   }
   
}

CountBolt.java

import java.util.Map;
import java.util.HashMap;

import backtype.storm.tuple.Tuple;
import backtype.storm.task.OutputCollector;
import backtype.storm.topology.OutputFieldsDeclarer;
import backtype.storm.topology.IRichBolt;
import backtype.storm.task.TopologyContext;

public class CountBolt implements IRichBolt{
   Map<String, Integer> counters;
   private OutputCollector collector;
   
   @Override
   public void prepare(Map stormConf, TopologyContext context,
   OutputCollector collector) {
      this.counters = new HashMap<String, Integer>();
      this.collector = collector;
   }

   @Override
   public void execute(Tuple input) {
      String str = input.getString(0);
      
      if(!counters.containsKey(str)){
         counters.put(str, 1);
      }else {
         Integer c = counters.get(str) +1;
         counters.put(str, c);
      }
   
      collector.ack(input);
   }

   @Override
   public void cleanup() {
      for(Map.Entry<String, Integer> entry:counters.entrySet()){
         System.out.println(entry.getKey()+" : " + entry.getValue());
      }
   }

   @Override
   public void declareOutputFields(OutputFieldsDeclarer declarer) {
   
   }

   @Override
   public Map<String, Object> getComponentConfiguration() {
      return null;
   }
}

提交拓扑

Storm 拓扑基本上是 Thrift 结构。TopologyBuilder 类提供了简单易用的方法来创建复杂的拓扑。TopologyBuilder 类具有设置 spout (setSpout) 和设置 Bolt (setBolt) 的方法。最后，TopologyBuilder 有 createTopology 来创建拓扑。shuffleGrouping 和 fieldsGrouping 方法有助于为 spout 和 Bolt 设置流分组。

本地集群- 出于开发目的，我们可以使用LocalCluster对象创建本地集群，然后使用LocalCluster类的SubmitTopology方法提交拓扑。

KafkaStormSample.java

import backtype.storm.Config;
import backtype.storm.LocalCluster;
import backtype.storm.topology.TopologyBuilder;

import java.util.ArrayList;
import java.util.List;
import java.util.UUID;

import backtype.storm.spout.SchemeAsMultiScheme;
import storm.kafka.trident.GlobalPartitionInformation;
import storm.kafka.ZkHosts;
import storm.kafka.Broker;
import storm.kafka.StaticHosts;
import storm.kafka.BrokerHosts;
import storm.kafka.SpoutConfig;
import storm.kafka.KafkaConfig;
import storm.kafka.KafkaSpout;
import storm.kafka.StringScheme;

public class KafkaStormSample {
   public static void main(String[] args) throws Exception{
      Config config = new Config();
      config.setDebug(true);
      config.put(Config.TOPOLOGY_MAX_SPOUT_PENDING, 1);
      String zkConnString = "localhost:2181";
      String topic = "my-first-topic";
      BrokerHosts hosts = new ZkHosts(zkConnString);
      
      SpoutConfig kafkaSpoutConfig = new SpoutConfig (hosts, topic, "/" + topic,    
         UUID.randomUUID().toString());
      kafkaSpoutConfig.bufferSizeBytes = 1024 * 1024 * 4;
      kafkaSpoutConfig.fetchSizeBytes = 1024 * 1024 * 4;
      kafkaSpoutConfig.forceFromStart = true;
      kafkaSpoutConfig.scheme = new SchemeAsMultiScheme(new StringScheme());

      TopologyBuilder builder = new TopologyBuilder();
      builder.setSpout("kafka-spout", new KafkaSpout(kafkaSpoutCon-fig));
      builder.setBolt("word-spitter", new SplitBolt()).shuffleGroup-ing("kafka-spout");
      builder.setBolt("word-counter", new CountBolt()).shuffleGroup-ing("word-spitter");
         
      LocalCluster cluster = new LocalCluster();
      cluster.submitTopology("KafkaStormSample", config, builder.create-Topology());

      Thread.sleep(10000);
      
      cluster.shutdown();
   }
}

在进行编译之前，Kakfa-Storm 集成需要 curator ZooKeeper 客户端 java 库。Curator 版本 2.9.1 支持 Apache Storm 版本 0.9.5（我们在本教程中使用）。下载下面指定的 jar 文件并将其放置在 java 类路径中。

  • curator-client-2.9.1.jar
  • 策展人框架-2.9.1.jar

包含依赖文件后，使用以下命令编译程序，

javac -cp "/path/to/Kafka/apache-storm-0.9.5/lib/*" *.java

执行

启动 Kafka Producer CLI（在前一章中已解释），创建一个名为my-first-topic 的新主题并提供一些示例消息，如下所示 -

hello
kafka
storm
spark
test message
another test message

现在使用以下命令执行应用程序 -

java -cp“/path/to/Kafka/apache-storm-0.9.5/lib/*”:. KafkaStorm样本

该应用程序的示例输出如下：

storm : 1
test : 2
spark : 1
another : 1
kafka : 1
hello : 1
message : 2