场景说明
场景说明
假设需要跨批次统计每个session期间发生了多少次event以及本session的开始和结束timestamp；
同时输出本批次被更新状态的session。
数据规划
- 在kafka中生成模拟数据（需要有Kafka权限用户）
- 确保集群安装完成，包括HDFS、Yarn、Spark2x和Kafka。
- 创建Topic。
{zkQuorum}表示ZooKeeper集群信息，格式为IP:port。
$KAFKA_HOME/bin/kafka-topics.sh --create --zookeeper {zkQuorum}/kafka --replication-factor 1 --partitions 1 --topic {Topic}
- 启动Kafka的Producer，向Kafka发送数据。
{ClassPath}表示工程jar包的存放路径，详细路径由用户指定，可参考编包并运行程序章节中导出jar包的操作步骤。
java -cp $SPARK_HOME/conf:$SPARK_HOME/jars/*:$SPARK_HOME/jars/streamingClient010/*:{ClassPath} com.huawei.bigdata.spark.examples.KafkaProducer {brokerlist} {topic} {number of events produce every 0.02s}
示例：
java -cp /opt/client/Spark2x/spark/conf:/opt/StructuredStreamingState-1.0.jar:/opt/client/Spark2x/spark/jars/*:/opt/client/Spark2x/spark/jars/streamingClient010/* com.huawei.bigdata.spark.examples.KafkaProducer xxx.xxx.xxx.xxx:21005,xxx.xxx.xxx.xxx:21005,xxx.xxx.xxx.xxx:21005 mytopic 10
开发思路
- 接收Kafka中数据，生成相应DataStreamReader。
- 进行分类统计。
- 计算结果，并进行打印。
打包项目
- 通过IDEA自带的Maven工具，打包项目，生成jar包
- 将打包生成的jar包上传到Spark客户端所在服务器的任意目录（例如“ /opt” ）下。
运行任务
在运行样例程序时需要指定 <brokers> <subscribe-type> <topic> <checkpointLocation> 。
- <brokers>指获取元数据的Kafka地址。
- <subscribe-type> 指定kakfa的消费方式。
- <topic>指要消费的kafka topic。
- <checkpointLocation> 指spark任务的checkpoint保存HDFS路径下。
由于Spark Structured Streaming Kafka的依赖包在客户端的存放路径与其他依赖包不同，如其他依赖包路径为“$SPARK_HOME/jars”，而Spark Streaming Structured Kafka依赖包路径为“$SPARK_HOME/jars/streamingClient010”。所以在运行应用程序时，需要在spark-submit命令中添加配置项，指定Spark Streaming Kafka的依赖包路径，如--jars $(files=($SPARK_HOME/jars/streamingClient010/*.jar); IFS=,; echo "${files[*]}")
进入Spark客户端目录，调用bin/spark-submit脚本运行代码，运行命令如下（类名与文件名等请与实际代码保持一致，此处仅为示例）：
- bin/spark-submit --master yarn --deploy-mode client --jars $(files=($SPARK_HOME/jars/streamingClient010/*.jar); IFS=,; echo "${files[*]}") --class com.huawei.bigdata.spark.examples.kafkaSessionization /opt/StructuredStreamingState-1.0.jar <brokers> <subscribe-type> <topic> <checkpointLocation>
用户提交结构流任务时，通常需要通过--jars命令指定kafka相关jar包的路径，当前版本用户除了这一步外还需要将$SPARK_HOME/jars/streamingClient010目录中的kafka-clients jar包复制到$SPARK_HOME/jars目录下，否则会报class not found异常。
