Kafka+Storm+Elasticsearch整合实时数据分析实践
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/u012935820/article/details/82378609
概述
由于最近一个报文调阅系统的需求，在需求重，可能会涉及到报文数据的清洗落地，数据来源由网络爬虫实现（初步采用python scrapy实现），通过python-kafka发送MQ消息至本系统kafka服务，接收到消息后基于storm的KafkaSpout实现对数据的处理后统一落地至ES，详细流程如下图：
环境准备
由于环境有限，测试环境只提供了一个本地环境，即所有基于集群部署的服务均以LOCAL模式测试，具体集群部署，可参考其它资料，我这里只做代码开发，最终应用不影响。
服务器：ubuntu server 17.10
JVM环境：jdk_1.8.0_91_64bit
服务治理：zookeeper-3.4.9
实时计算：apache-storm-1.2.2
消息队列：kafka_2.11-2.0.0
索引存储：elasticsearch-5.6.10
应用开发
1、项目基于maven构建，依赖整个方便，项目架构如图：
2、项目POM
<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
<modelVersion>4.0.0</modelVersion>
<groupId>com.sdnware.news</groupId>
<artifactId>news-kafka-storm</artifactId>
<version>1.0</version>
<properties>
<project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
<project.reporting.outputEncoding>UTF-8</project.reporting.outputEncoding>
<java.version>1.8</java.version>
<junit.version>4.12</junit.version>
<kafka.version>2.0.0</kafka.version>
<storm.version>1.2.2</storm.version>
<storm-kafka.version>1.2.2</storm-kafka.version>
<storm-elasticsearch.version>1.2.2</storm-elasticsearch.version>
<lombok.version>1.18.2</lombok.version>
<gson.version>2.8.5</gson.version>
</properties>
<dependencies>
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>${junit.version}</version>
<scope>test</scope>
</dependency>
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka_2.12</artifactId>
<version>${kafka.version}</version>
<exclusions>
<exclusion>
<groupId>org.apache.zookeeper</groupId>
<artifactId>zookeeper</artifactId>
</exclusion>
<exclusion>
<groupId>org.slf4j</groupId>
<artifactId>slf4j-api</artifactId>
</exclusion>
<exclusion>
<groupId>log4j</groupId>
<artifactId>log4j</artifactId>
</exclusion>
</exclusions>
</dependency>
<dependency>
<groupId>org.apache.storm</groupId>
<artifactId>storm-core</artifactId>
<version>${storm.version}</version>
<!-- 当打包部署时， scope需设置为provided -->
<!--<scope>provided</scope>-->
</dependency>
<dependency>
<groupId>org.projectlombok</groupId>
<artifactId>lombok</artifactId>
<version>${lombok.version}</version>
<scope>provided</scope>
</dependency>
<dependency>
<groupId>com.google.code.gson</groupId>
<artifactId>gson</artifactId>
<version>${gson.version}</version>
</dependency>
<dependency>
<groupId>org.apache.storm</groupId>
<artifactId>storm-kafka-client</artifactId>
<version>${storm-kafka.version}</version>
<scope>compile</scope>
</dependency>
<dependency>
<groupId>org.apache.storm</groupId>
<artifactId>storm-elasticsearch</artifactId>
<version>${storm-elasticsearch.version}</version>
</dependency>
</dependencies>
<build>
<plugins>
<plugin>
<artifactId>maven-assembly-plugin</artifactId>
<configuration>
<archive>
<manifest>
<mainClass>com.sdnware.news.topo.KafkaTopology</mainClass>
</manifest>
</archive>
<descriptorRefs>
<descriptorRef>jar-with-dependencies</descriptorRef>
</descriptorRefs>
</configuration>
<executions>
<execution>
<id>make-assembly</id>
<phase>package</phase>
<goals>
<goal>assembly</goal>
</goals>
</execution>
</executions>
</plugin>
<plugin>
<artifactId>maven-compiler-plugin</artifactId>
<configuration>
<source>1.8</source>
<target>1.8</target>
<encoding>UTF-8</encoding>
</configuration>
</plugin>
</plugins>
</build>
</project>
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
- 82
- 83
- 84
- 85
- 86
- 87
- 88
- 89
- 90
- 91
- 92
- 93
- 94
- 95
- 96
- 97
- 98
- 99
- 100
- 101
- 102
- 103
- 104
- 105
- 106
- 107
- 108
- 109
- 110
- 111
- 112
- 113
- 114
- 115
3、基于storm-kafka的开发
注：在storm1.x以前，官方提供了storm-kafka的maven插件开发，在1.x以后虽然可用，但已经过期了，官方推荐storm-kafka-client来做开发，也是非常方便。
在开发storm实现，我们基本是针对一个topology来开发业务，本例中直接编写KafkaTopology：
package com.sdnware.news.topo;
import com.google.gson.Gson;
import com.sdnware.news.pojo.UserInfo;
import org.apache.storm.Config;
import org.apache.storm.LocalCluster;
import org.apache.storm.StormSubmitter;
import org.apache.storm.elasticsearch.bolt.EsIndexBolt;
import org.apache.storm.elasticsearch.common.DefaultEsTupleMapper;
import org.apache.storm.elasticsearch.common.EsConfig;
import org.apache.storm.elasticsearch.common.EsTupleMapper;
import org.apache.storm.kafka.spout.KafkaSpout;
import org.apache.storm.kafka.spout.KafkaSpoutConfig;
import org.apache.storm.topology.BasicOutputCollector;
import org.apache.storm.topology.OutputFieldsDeclarer;
import org.apache.storm.topology.TopologyBuilder;
import org.apache.storm.topology.base.BaseBasicBolt;
import org.apache.storm.tuple.Fields;
import org.apache.storm.tuple.Tuple;
import org.apache.storm.tuple.Values;
import java.util.Properties;
import java.util.UUID;
/**
* Created by sdnware on 18-8-31.
*/
public class KafkaTopology {
public static void main(String[] args) throws Exception{
/** 这里只是基于storm-kafka编写的一段伪代码：
BrokerHosts zkHosts = new ZkHosts(ZK_HOSTS);
SpoutConfig config = new SpoutConfig(zkHosts, KAFKA_TOPIC, ZK_ROOT + KAFKA_TOPIC,
UUID.randomUUID().toString());
config.scheme = new SchemeAsMultiScheme(new StringScheme());
config.zkServers = Arrays.asList(ZK_SERVERS.split(","));
config.zkPort = ZK_PORT;
config.socketTimeoutMs = socketTimeoutMs; **/
TopologyBuilder topologyBuilder = new TopologyBuilder(); // 定义topo构造器
Properties properties = new Properties();
properties.setProperty("group.id", "test-news-topic"); // kafka server的基本配置
// 定义一个KafkaSpoutConfig
KafkaSpoutConfig<String, String> kafkaSpoutConfig = KafkaSpoutConfig.builder("192.168.100.39:9092",
"news-topic")
.setFirstPollOffsetStrategy(KafkaSpoutConfig.FirstPollOffsetStrategy.UNCOMMITTED_EARLIEST)
.setProp(properties).build();
KafkaSpout<String, String> kafkaSpout = new KafkaSpout<>(kafkaSpoutConfig); // KafkaSpout实现
topologyBuilder.setSpout("kafka-spout", kafkaSpout, 1); // 注入Spout
topologyBuilder.setBolt("kafka-bolt", new NewsBlot(), 1).shuffleGrouping("kafka-spout"); // 通过storm获取kafka-spout数据
EsConfig esConfig = new EsConfig(new String[]{"http://192.168.100.39:9200"}); // 定义一个ES的配置信息
EsTupleMapper esTupleMapper = new DefaultEsTupleMapper(); // 定义ES的默认映射
EsIndexBolt indexBolt = new EsIndexBolt(esConfig, esTupleMapper); //定义一个索引Bolt
topologyBuilder.setBolt("es-bolt", indexBolt, 1).shuffleGrouping("kafka-bolt"); // 向topology注入indexBolt以处理kafka-bolt的数据
// 提交到storm集群
Config config = new Config();
config.setMessageTimeoutSecs(90);
if (args.length > 0) { // 集群模式
config.setDebug(false);
StormSubmitter.submitTopology(args[0],
config, topologyBuilder.createTopology());
} else { // 本地测试模式，一般测试使用这个
// config.setDebug(true);
config.setNumWorkers(2);
LocalCluster cluster = new LocalCluster();
cluster.submitTopology("local-kafka-storm-topology",
config, topologyBuilder.createTopology());
}
}
// 自定义处理一个kafka的消息映射Bolt
static class NewsBlot extends BaseBasicBolt {
// 当有消息时执行，封装消息发送，格式与定义输出字段一一对应declarer.declare（xxx）
public void execute(Tuple input, BasicOutputCollector collector) {
// System.err.println(input.getValues());
String id = UUID.randomUUID().toString();
UserInfo userInfo = new UserInfo();
userInfo.setId(id);
userInfo.setUsername("tanwei");
userInfo.setPassword("sdnware");
Gson gson = new Gson();
String source = gson.toJson(userInfo);
collector.emit(new Values(source, "idx_sys", "tb_user", id));
}
// 定义消息发送的字段映射，这里是EsTupleMapper所需要的字段映射逻辑，可跟踪源代码理解
public void declareOutputFields(OutputFieldsDeclarer declarer) {
declarer.declare(new Fields("source", "index", "type", "id"));
}
}
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
- 82
- 83
- 84
- 85
- 86
- 87
- 88
- 89
- 90
- 91
- 92
- 93
- 94
- 95
- 96
- 97
在上面代码中，有些人可能会很疑惑，为什么没有看到storm的配置？代码运行就能找到storm吗，这个我第一次开发时也很疑惑，后面跟踪源码，发现所有storm配置都是基于storm-core这个包中的defaults.yaml来运行的，具体修改参照官方说明，我这里是本地测试，所以不影响测试。
在NewsBlot这个类中execute方法，由于是接受到kafka的消息，默认Tuple是一个List，包含了kafka的topic、group、offset、message信息，正式环境我们需要按业务需求封装message为一个我们所要存储到ES中的数据格式，这里测试我简单模拟了一个NewsInfo对象信息存储，一般ES的source是一个json格式，key表示ES中的字段，value即为对应值。
后记
由于只是简单写了一个demo，大概介绍了其基本实现，在整个报文系统中，需要考虑到数据的定向分组消费等问题，总之，万变不离其宗，多看源码，豁然开朗。
转载请注明：SuperIT » Kafka+Storm+Elasticsearch整合实时数据分析实践
