场景说明

场景说明

假定某个业务Kafka每30秒就会收到5个用户的消费记录。Hbase的table1表存储用户历史消费的金额信息。

现table1表有10条记录，表示有用户名分别为1-10的用户，用户的历史消费金额初始化都是0元。

基于某些业务要求，开发的Spark应用程序实现如下功能：

实时累加计算用户的消费金额信息：即用户总消费金额=用户的消费金额(kafka数据) + 用户历史消费金额(table1表的值)，更新到table1表。

数据规划

1. 创建HBase表，并插入数据。
   1. 通过HBase创建名为table1的表，命令如下。

      create 'table1', 'cf'

   2. 通过HBase执行如下命令，将数据插入table1表中。

      put 'table1', '1', 'cf:cid', '0'
      put 'table1', '2', 'cf:cid', '0'
      put 'table1', '3', 'cf:cid', '0'
      put 'table1', '4', 'cf:cid', '0'
      put 'table1', '5', 'cf:cid', '0'
      put 'table1', '6', 'cf:cid', '0'
      put 'table1', '7', 'cf:cid', '0'
      put 'table1', '8', 'cf:cid', '0'
      put 'table1', '9', 'cf:cid', '0'
      put 'table1', '10', 'cf:cid', '0'

2. Spark Streaming样例工程的数据存储在Kafka中。
   1. 确保集群安装完成，包括HDFS、Yarn、Spark。
   2. 将kafka的Broker配置参数“allow.everyone.if.no.acl.found”的值修改为“true”(普通集群不需配置)。
   3. 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 3 --topic {Topic}

   4. 启动样例代码的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Spark应用章节中导出jar包的操作步骤。

      java -cp $SPARK_HOME/jars/*:$SPARK_HOME/jars/streamingClient/*:{JAR_PATH} com.huawei.bigdata.spark.examples.streaming.StreamingExampleProducer {BrokerList} {Topic}

   

   • 如果开启了kerberos认证，需要将客户端的配置文件“spark-defaults.conf”和sparkJDBC服务端中的配置项spark.yarn.security.credentials.hbase.enabled置为true。
   • {zkQuorum}格式为zkIp:2181。
   • JAR_PATH为程序jar包所在路径。
   • brokerlist格式为brokerIp:9092。

开发思路

1. 接收Kafka中数据，生成相应DStream。
2. 筛选数据信息并分析。
3. 找到对应的HBase表记录。
4. 计算结果，写到HBase表。