来自Actor的Spark-Streaming

Question

我希望有一个消费者演员订阅Kafka主题并流式传输数据,以便在消费者之外使用Spark Streaming进行进一步处理.为什么演员呢？因为我读到它的主管策略是处理Kafka失败的好方法(例如,重启失败).

我找到了两个选择:

• Java KafkaConsumer类:它的poll()方法返回一个Map[String, Object].我希望像我一样DStream返回KafkaUtils.createDirectStream,而且我不知道如何从actor外部获取流.
• 扩展ActorHelper特性并使用actorStream()如此示例中所示.后一个选项不显示与主题的连接,而是显示与套接字的连接.

有人能指出我正确的方向吗？

Answer 1

为了处理 Kafka 故障，我使用了 Apache Curator 框架和以下解决方法：

val client: CuratorFramework = ... // see docs
val zk: CuratorZookeeperClient = client.getZookeeperClient

/**
  * This method returns false if kafka or zookeeper is down.
  */ 
def isKafkaAvailable:Boolean = 
   Try {
      if (zk.isConnected) {
        val xs = client.getChildren.forPath("/brokers/ids")
        xs.size() > 0
      }
      else false
    }.getOrElse(false)

为了使用 Kafka 主题，我使用了该com.softwaremill.reactivekafka库。例如：

class KafkaConsumerActor extends Actor {
   val kafka = new ReactiveKafka()
   val config: ConsumerProperties[Array[Byte], Any] = ... // see docs

   override def preStart(): Unit = {
      super.preStart()

      val publisher = kafka.consume(config)
      Source.fromPublisher(publisher)
            .map(handleKafkaRecord)
            .to(Sink.ignore).run()
   }

   /**
     * This method will be invoked when any kafka records will happen.
     */
   def handleKafkaRecord(r: ConsumerRecord[Array[Byte], Any]) = {
      // handle record
   }
}