# Spark Streaming对接Kafka0-10样例程序开发思路
#### 场景说明
假定某个业务Kafka每1秒就会收到1个单词记录。
基于某些业务要求，开发的Spark应用程序实现如下功能：
实时累加计算每个单词的记录总数。
"log1.txt"示例文件：
```
LiuYang
YuanJing
GuoYijun
CaiXuyu
Liyuan
FangBo
LiuYang
YuanJing
GuoYijun
CaiXuyu
FangBo
```
#### 数据规划
Spark Streaming样例工程的数据存储在Kafka组件中。向Kafka组件发送数据（需要有Kafka权限用户）。
1. 确保集群安装完成，包括HDFS、Yarn、Spark和Kafka。
2. 本地新建文件"input_data1.txt"，将"log1.txt"的内容复制保存到"input_data1.txt"。 在客户端安装节点下创建文件目录："/home/data"。将上述文件上传到此"/home/data"目录下。
   
3. 将Kafka的Broker配置参数"allow.everyone.if.no.acl.found"的值修改为"true"。
4. 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}*
   
5. 启动Kafka的Producer，向Kafka发送数据。 *java -cp {ClassPath} com.huawei.bigdata.spark.examples.StreamingExampleProducer {BrokerList} {Topic}*
   其中，ClassPath除样例jar包路径外，还应包含Spark客户端Kafka jar包的绝对路径，例如：/opt/client/Spark2x/spark/jars/\*:/opt/client/Spark2x/spark/jars/streamingClient010/\*:{ClassPath}
   
 
#### 开发思路
1. 接收Kafka中数据，生成相应DStream。
2. 对单词记录进行分类统计。
3. 计算结果，并进行打印。
 
#### 运行前置操作
安全模式下Spark Core样例代码需要读取两个文件（user.keytab、krb5.conf）。user.keytab和krb5.conf文件为安全模式下的认证文件，需要在FusionInsight Manager中下载principal用户的认证凭证，样例代码中使用的用户为：sparkuser，需要修改为准备好的开发用户。
#### 打包项目
- 将user.keytab、krb5.conf 两个文件上传客户端所在服务器上。

- 通过IDEA自带的Maven工具，打包项目，生成jar包。具体操作请参考[在Linux环境中编包并运行Spark程序](https://support.huaweicloud.com/devg3-mrs/mrs_07_200130.html)。
  ![](https://support.huaweicloud.com/devg3-mrs/public_sys-resources/note_3.0-zh-cn.png)
  编译打包前，样例代码中的user.keytab、krb5.conf文件路径需要修改为该文件所在客户端服务器的实际路径。例如："/opt/female/user.keytab"，"/opt/female/krb5.conf"。
  
- 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\<checkpointDir\> \<brokers\> \<topic\> \<batchTime\>，其中\<checkPointDir\>指应用程序结果备份到HDFS的路径，\<brokers\>指获取元数据的Kafka地址，\<topic\>指读取Kafka上的topic名称，\<batchTime\>指Streaming分批的处理间隔。
![](https://support.huaweicloud.com/devg3-mrs/public_sys-resources/note_3.0-zh-cn.png)
由于Spark 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"$SPARK_HOME/jars"，而Spark Streaming Kafka依赖包路径为"$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\[\*\]}")**
由于运行模式为安全模式，需要添加新配置并修改命令参数：
1. $SPARK_HOME/conf/jaas.conf添加新配置：
   ```
   KafkaClient {
   com.sun.security.auth.module.Krb5LoginModule required
   useKeyTab=false
   useTicketCache=true
   debug=false;
   };
   ```
   
2. $SPARK_HOME/conf/jaas-zk.conf添加新配置：
   ```
   KafkaClient {
   com.sun.security.auth.module.Krb5LoginModule required
   useKeyTab=true
   keyTab="./user.keytab"
   principal="sparkuser@<系统域名>"
   useTicketCache=false
   storeKey=true
   debug=true;
   };
   ```
   
3. 使用--files和相对路径提交keytab文件，这样才能保证keytab文件被加载到executor的container中。
4. \<brokers\>中的端口，Kafka 0-10 Write To Print样例请使用SASL_PLAINTEXT协议端口号，Write To Kafka 0-10样例请使用PLAINTEXT协议端口号。
 
进入Spark客户端目录，调用bin/spark-submit脚本运行代码，运行命令分别如下（类名与文件名等请与实际代码保持一致，此处仅为示例）：
- **Spark Streaming** 读取**Kafka 0-10 Write To Print** 代码样例
  **bin/spark-submit --master yarn --deploy-mode client** **--files** ./jaas.conf,./user.keytab **--jars** **$(files=($SPARK_HOME/jars/streamingClient010/\*.jar); IFS=,; echo "${files\[\*\]}")**--class com.huawei.bigdata.spark.examples.SecurityKafkaWordCount /opt/SparkStreamingKafka010JavaExample-1.0.jar \<checkpointDir\> \<brokers\> \<topic\> \<batchTime\>
  其中配置示例如下：
  ```
  --files ./jaas.conf,./user.keytab //使用--files指定jaas.conf和keytab文件。
  ```
  
- **Spark Streaming Write To Kafka 0-10** 代码样例：
  **bin/spark-submit --master yarn --deploy-mode client** **--jars** **$(files=($SPARK_HOME/jars/streamingClient010/\*.jar); IFS=,; echo "${files\[\*\]}")**--class com.huawei.bigdata.spark.examples.JavaDstreamKafkaWriter /opt/SparkStreamingKafka010JavaExample-1.0.jar \<groupId\> \<brokers\> \<topics\>