本篇博主带来的是Kafka Streams的相关知识。

---

1. 什么是Kafka Streams

  Kafka Streams。Apache Kafka开源项目的一个组成部分。是一个功能强大，易于使用的库。用于在Kafka上构建高可分布式、拓展性，容错的应用程序。

2. Kafka Streams特点

• 1.功能强大
• 高扩展性，弹性，容错
• 2.轻量级
• 无需专门的集群
• 一个库，而不是框架
• 3.完全集成
• 100%的Kafka 0.10.0版本兼容
• 易于集成到现有的应用程序
• 4.实时性
• 毫秒级延迟
• 并非微批处理
• 窗口允许乱序数据
• 允许迟到数据

3. 为什么要有Kafka Stream

  当前已经有非常多的流式处理系统，最知名且应用最多的开源流式处理系统有Spark Streaming和Apache Storm。Apache Storm发展多年，应用广泛，提供记录级别的处理能力，当前也支持SQL on Stream。而Spark Streaming基于Apache Spark，可以非常方便与图计算，SQL处理等集成，功能强大，对于熟悉其它Spark应用开发的用户而言使用门槛低。另外，目前主流的Hadoop发行版，如Cloudera和Hortonworks，都集成了Apache Storm和Apache Spark，使得部署更容易。

  既然Apache Spark与Apache Storm拥用如此多的优势，那为何还需要Kafka Stream呢？主要有如下原因。

  第一，Spark和Storm都是流式处理框架，而Kafka Stream提供的是一个基于Kafka的流式处理类库。框架要求开发者按照特定的方式去开发逻辑部分，供框架调用。开发者很难了解框架的具体运行方式，从而使得调试成本高，并且使用受限。而Kafka Stream作为流式处理类库，直接提供具体的类给开发者调用，整个应用的运行方式主要由开发者控制，方便使用和调试。

第二，虽然Cloudera与Hortonworks方便了Storm和Spark的部署，但是这些框架的部署仍然相对复杂。而Kafka Stream作为类库，可以非常方便的嵌入应用程序中，它对应用的打包和部署基本没有任何要求。

  第三，就流式处理系统而言，基本都支持Kafka作为数据源。例如Storm具有专门的kafka-spout，而Spark也提供专门的spark-streaming-kafka模块。事实上，Kafka基本上是主流的流式处理系统的标准数据源。换言之，大部分流式系统中都已部署了Kafka，此时使用Kafka Stream的成本非常低。

  第四，使用Storm或Spark Streaming时，需要为框架本身的进程预留资源，如Storm的supervisor和Spark on YARN的node manager。即使对于应用实例而言，框架本身也会占用部分资源，如Spark Streaming需要为shuffle和storage预留内存。但是Kafka作为类库不占用系统资源。

  第五，由于Kafka本身提供数据持久化，因此Kafka Stream提供滚动部署和滚动升级以及重新计算的能力。

  第六，由于Kafka Consumer Rebalance机制，Kafka Stream可以在线动态调整并行度。

4. Kafka Stream数据清洗案例

1. 需求

实时处理单词带有”>>>”前缀的内容。例如输入”buwenbuhuo>>>ximenqing”，最终处理成“ximenqing”

2. 需求分析

3. 案例实操

• 1. 创建主类

package com.buwenbuhuo.kafka.KafkaStream;
import java.util.Properties;
import org.apache.kafka.streams.KafkaStreams;
import org.apache.kafka.streams.StreamsConfig;
import org.apache.kafka.streams.processor.Processor;
import org.apache.kafka.streams.processor.ProcessorSupplier;
import org.apache.kafka.streams.processor.TopologyBuilder;/*** @author 卜温不火* @create 2020-05-07 18:15* com.buwenbuhuo.kafka.KafkaStream - the name of the target package where the new class or interface will be created.* kafka0506 - the name of the current project.*/
public class Application {public static void main(String[] args) {// 定义输入的topicString from = "first";// 定义输出的topicString to = "second";// 设置参数Properties settings = new Properties();settings.put(StreamsConfig.APPLICATION_ID_CONFIG, "logFilter");settings.put(StreamsConfig.BOOTSTRAP_SERVERS_CONFIG, "hadoop002:9092");StreamsConfig config = new StreamsConfig(settings);// 构建拓扑TopologyBuilder builder = new TopologyBuilder();builder.addSource("SOURCE", from).addProcessor("PROCESS", new ProcessorSupplier<byte[], byte[]>() {@Overridepublic Processor<byte[], byte[]> get() {// 具体分析处理return new LogProcessor();}}, "SOURCE").addSink("SINK", to, "PROCESS");// 创建kafka streamKafkaStreams streams = new KafkaStreams(builder, config);streams.start();}
}

• 2. 具体业务处理

package com.buwenbuhuo.kafka.KafkaStream;
import org.apache.kafka.streams.processor.Processor;
import org.apache.kafka.streams.processor.ProcessorContext;/*** @author 卜温不火* @create 2020-05-07 18:15* com.buwenbuhuo.kafka.KafkaStream - the name of the target package where the new class or interface will be created.* kafka0506 - the name of the current project.*/
public class LogProcessor implements Processor<byte[], byte[]> {private ProcessorContext context;@Overridepublic void init(ProcessorContext context) {this.context = context;}@Overridepublic void process(byte[] key, byte[] value) {String input = new String(value);// 如果包含“>>>”则只保留该标记后面的内容if (input.contains(">>>")) {input = input.split(">>>")[1].trim();// 输出到下一个topiccontext.forward("logProcessor".getBytes(), input.getBytes());}else{context.forward("logProcessor".getBytes(), input.getBytes());}}@Overridepublic void punctuate(long timestamp) {}@Overridepublic void close() {}
}

• 3. 运行
• 4. 在hadoop004上启动生产者

[bigdata@hadoop004 kafka]$ bin/kafka-console-producer.sh \
--broker-list hadoop002:9092 --topic first>hello>>>world
>h>>>buwenbuhuo
>hahaha

• 5. 在hadoop003上启动消费者

[bigdata@hadoop003 kafka]$ bin/kafka-console-consumer.sh \
--zookeeper hadoop002:2181 --from-beginning --topic secondworld
buwenbuhuo
hahaha

  本次的分享就到这里了,

---

  $\color{#FF0000}{看完就赞，养成习惯！！！}$^ _ ^ ❤️ ❤️ ❤️
码字不易，大家的支持就是我坚持下去的动力。点赞后不要忘了关注我哦！