关键词:
前言
每年天猫双十一购物节,都会有一块巨大的实时作战大屏,展现当前的销售情况。这种炫酷的页面背后,其实有着非常强大的技术支撑,而这种场景其实就是实时报表分析
。
1、业务需求概述
模拟交易订单数据,发送至分布式消息队列Kafka,实时消费交易订单数据进行分析处理,业务流程图如下所示:
实时从Kafka消费交易订单数据,按照不同维度
实时统计【销售订单额
】,最终报表Report结果存储MySQL
数据库;
二 项目代码
1.模拟交易数据
编写程序,实时产生交易订单数据,使用Json4J类库转换数据为JSON字符,发送Kafka Topic中,代码如下:
// =================================== 订单实体类 =================================
package cn.itcast.spark.mock
/**
* 订单实体类(Case Class)
* @param orderId 订单ID
* @param userId 用户ID
* @param orderTime 订单日期时间
* @param ip 下单IP地址
* @param orderMoney 订单金额
* @param orderStatus 订单状态
*/
case class OrderRecord(
orderId: String,
userId: String,
orderTime: String,
ip: String,
orderMoney: Double,
orderStatus: Int
)
// ================================== 模拟订单数据 ==================================
package cn.itcast.spark.mock
import java.util.Properties
import org.apache.commons.lang3.time.FastDateFormat
import org.apache.kafka.clients.producer.KafkaProducer, ProducerRecord
import org.apache.kafka.common.serialization.StringSerializer
import org.json4s.jackson.Json
import scala.util.Random
/**
* 模拟生产订单数据,发送到Kafka Topic中
* Topic中每条数据Message类型为String,以JSON格式数据发送
* 数据转换:
* 将Order类实例对象转换为JSON格式字符串数据(可以使用json4s类库)
*/
object MockOrderProducer
def main(args: Array[String]): Unit =
var producer: KafkaProducer[String, String] = null
try
// 1. Kafka Client Producer 配置信息
val props = new Properties()
props.put("bootstrap.servers", "node1.itcast.cn:9092")
props.put("acks", "1")
props.put("retries", "3")
props.put("key.serializer", classOf[StringSerializer].getName)
props.put("value.serializer", classOf[StringSerializer].getName)
// 2. 创建KafkaProducer对象,传入配置信息
producer = new KafkaProducer[String, String](props)
// 随机数实例对象
val random: Random = new Random()
// 订单状态:订单打开 0,订单取消 1,订单关闭 2,订单完成 3
val allStatus =Array(0, 1, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0)
while(true)
// 每次循环 模拟产生的订单数目
val batchNumber: Int = random.nextInt(1) + 5
(1 to batchNumber).foreachnumber =>
val currentTime: Long = System.currentTimeMillis()
val orderId: String = s"$getDate(currentTime)%06d".format(number)
val userId: String = s"$1 + random.nextInt(5)%08d".format(random.nextInt(1000))
val orderTime: String = getDate(currentTime, format="yyyy-MM-dd HH:mm:ss.SSS")
val orderMoney: String = s"$5 + random.nextInt(500).%02d".format(random.nextInt(100))
val orderStatus: Int = allStatus(random.nextInt(allStatus.length))
// 3. 订单记录数据
val orderRecord: OrderRecord = OrderRecord(
orderId, userId, orderTime, getRandomIp, orderMoney.toDouble, orderStatus
)
// 转换为JSON格式数据
val orderJson = new Json(org.json4s.DefaultFormats).write(orderRecord)
println(orderJson)
// 4. 构建ProducerRecord对象
val record = new ProducerRecord[String, String]("orderTopic", orderJson)
// 5. 发送数据:def send(messages: KeyedMessage[K,V]*), 将数据发送到Topic
producer.send(record)
Thread.sleep(random.nextInt(100) + 500)
catch
case e: Exception => e.printStackTrace()
finally
if(null != producer) producer.close()
/**=================获取当前时间=================*/
def getDate(time: Long, format: String = "yyyyMMddHHmmssSSS"): String =
val fastFormat: FastDateFormat = FastDateFormat.getInstance(format)
val formatDate: String = fastFormat.format(time) // 格式化日期
formatDate
/**================= 获取随机IP地址 =================*/
def getRandomIp: String =
// ip范围
val range: Array[(Int, Int)] = Array(
(607649792,608174079), //36.56.0.0-36.63.255.255
(1038614528,1039007743), //61.232.0.0-61.237.255.255
(1783627776,1784676351), //106.80.0.0-106.95.255.255
(2035023872,2035154943), //121.76.0.0-121.77.255.255
(2078801920,2079064063), //123.232.0.0-123.235.255.255
(-1950089216,-1948778497),//139.196.0.0-139.215.255.255
(-1425539072,-1425014785),//171.8.0.0-171.15.255.255
(-1236271104,-1235419137),//182.80.0.0-182.92.255.255
(-770113536,-768606209),//210.25.0.0-210.47.255.255
(-569376768,-564133889) //222.16.0.0-222.95.255.255
)
// 随机数:IP地址范围下标
val random = new Random()
val index = random.nextInt(10)
val ipNumber: Int = range(index)._1 + random.nextInt(range(index)._2 - range(index)._1)
// 转换Int类型IP地址为IPv4格式
number2IpString(ipNumber)
/**=================将Int类型IPv4地址转换为字符串类型=================*/
def number2IpString(ip: Int): String =
val buffer: Array[Int] = new Array[Int](4)
buffer(0) = (ip >> 24) & 0xff
buffer(1) = (ip >> 16) & 0xff
buffer(2) = (ip >> 8) & 0xff
buffer(3) = ip & 0xff
// 返回IPv4地址
buffer.mkString(".")
2.创建Maven模块
创建Maven模块,加入相关依赖,具体内如如下:
<repositories>
<repository>
<id>aliyun</id>
<url>http://maven.aliyun.com/nexus/content/groups/public/</url>
</repository>
<repository>
<id>cloudera</id>
<url>https://repository.cloudera.com/artifactory/cloudera-repos/</url>
</repository>
<repository>
<id>jboss</id>
<url>http://repository.jboss.com/nexus/content/groups/public</url>
</repository>
</repositories>
<properties>
<scala.version>2.11.12</scala.version>
<scala.binary.version>2.11</scala.binary.version>
<spark.version>2.4.5</spark.version>
<hadoop.version>2.6.0-cdh5.16.2</hadoop.version>
<kafka.version>2.0.0</kafka.version>
<mysql.version>8.0.19</mysql.version>
</properties>
<dependencies>
<!-- 依赖Scala语言 -->
<dependency>
<groupId>org.scala-lang</groupId>
<artifactId>scala-library</artifactId>
<version>$scala.version</version>
</dependency>
<!-- Spark Core 依赖 -->
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-core_$scala.binary.version</artifactId>
<version>$spark.version</version>
</dependency>
<!-- Spark SQL 依赖 -->
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-sql_$scala.binary.version</artifactId>
<version>$spark.version</version>
</dependency>
<!-- Structured Streaming + Kafka 依赖 -->
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-sql-kafka-0-10_$scala.binary.version</artifactId>
<version>$spark.version</version>
</dependency>
<!-- Hadoop Client 依赖 -->
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-client</artifactId>
<version>$hadoop.version</version>
</dependency>
<!-- Kafka Client 依赖 -->
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka-clients</artifactId>
<version>2.0.0</version>
</dependency>
<!-- 根据ip转换为省市区 -->
<dependency>
<groupId>org.lionsoul</groupId>
<artifactId>ip2region</artifactId>
<version>1.7.2</version>
</dependency>
<!-- MySQL Client 依赖 -->
<dependency>
<groupId>mysql</groupId>
<artifactId>mysql-connector-java</artifactId>
<version>$mysql.version</version>
</dependency>
<!-- JSON解析库:fastjson -->
<dependency>
<groupId>com.alibaba</groupId>
<artifactId>fastjson</artifactId>
<version>1.2.47</version>
</dependency>
</dependencies>
<build>
<outputDirectory>target/classes</outputDirectory>
<testOutputDirectory>target/test-classes</testOutputDirectory>
<resources>
<resource>
<directory>$project.basedir/src/main/resources</directory>
</resource>
</resources>
<!-- Maven 编译的插件 -->
<plugins>
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-compiler-plugin</artifactId>
<version>3.0</version>
<configuration>
<source>1.8</source>
<target>1.8</target>
<encoding>UTF-8</encoding>
</configuration>
</plugin>
<plugin>
<groupId>net.alchim31.maven</groupId>
<artifactId>scala-maven-plugin</artifactId>
<version>3.2.0</version>
<executions>
<execution>
<goals>
<goal>compile</goal>
<goal>testCompile</goal>
</goals>
</execution>
</executions>
</plugin>
</plugins>
</build>
项目结构如下:
3.核心代码
RealTimeOrderReport.java
package cn.itcast.spark.report
import java.util.concurrent.TimeUnit
import org.apache.spark.sql._
import org.apache.spark.sql.functions._
import org.apache.spark.sql.streaming.OutputMode, Trigger
import org.apache.spark.sql.expressions.UserDefinedAggregateFunction, UserDefinedFunction
import org.apache.spark.sql.types.DataType, DataTypes
import org.lionsoul.ip2region.DataBlock, DbConfig, DbSearcher
def printToConsole(dataFrame: DataFrame) =
dataFrame.writeStream
.format("console")
.outputMode(OutputMode.Update())
.option("numRows","50")
.option("truncate","false")
.start()
def main(args: Array[String]): Unit =
//1.获取spark实例对象
val spark: SparkSession = SparkSession.builder()
.appName("isDemo")
.master("local[3]")
.config("spark.sql.shuffle.partitions", "3")
.getOrCreate()
import spark.implicits._
val dataFrame: DataFrame = spark.readStream
.format("kafka")
.option("kafka.bootstrap.servers", "node1.itcast.cn:9092")
.option("subscribe", "orderTopic")
.load()
.selectExpr("CAST (value AS STRING)")
// printToConsole(dataFrame)
val ip_to_region: UserDefinedFunction = udf((ip: String) =>
// 1. 创建DbSearch对象,指定数据字典文件位置
val dbSearcher = new DbSearcher(new 查看详情
kafka系列文章
Kafka系列文章Kafka设计解析(一)-Kafka背景及架构介绍Kafka设计解析(二)-KafkaHighAvailability(上)Kafka设计解析(三)-KafkaHighAvailability(下)Kafka设计解析(四)-KafkaConsumer设计解析Kafka设计解析(五)-Kafka性能测试方法及Benchmark... 查看详情
kafka
—文章目录一、Kafka是什么?二、Kafka的安装与配置一、Docker安装kafka二、安装包安装kafka一、安装JDK二、安装Zookeeper三、安装Kafka四、启动并验证kafka启动kafka进入zookeeper目录通过zookeeper客户端查看下zookeeper的目录树校验kafka创... 查看详情
kafka的命令行工具
参考技术AKafka的命令行工具在Kafka包的/bin目录下,主要包括服务和集群管理脚本,配置脚本,信息查看脚本,Topic脚本,客户端脚本等。kafka-configs.sh:配置管理脚本kafka-console-consumer.sh:kafka消费者控制台kafka-console-producer.sh:kafka... 查看详情
解开kafka神秘的面纱:kafka优雅应用(代码片段)
文章目录一、前言二、kafka的offset存储演变三、kafka的持久化3.1kafka读写操作3.2kafka中的Segment段四、kafka集群topic和partition数量设置五、kafka可视化监控六、尾声一、前言本文主要介绍kafka的offset存储演变、kafka的持久化、kafka集群top... 查看详情
kafka快速入门
Kafka快速入门Kafka快速入门(一)——Kafka简介https://blog.51cto.com/9291927/2493953Kafka快速入门(二)——Kafka架构https://blog.51cto.com/9291927/2497814Kafka快速入门(三)——Kafka核心技术https://blog.51cto.com/9291927/2497820Kafka快速入门(四)——Ka... 查看详情
kafka快速入门
Kafka快速入门Kafka快速入门(一)——Kafka简介https://blog.51cto.com/9291927/2493953Kafka快速入门(二)——Kafka架构https://blog.51cto.com/9291927/2497814Kafka快速入门(三)——Kafka核心技术https://blog.51cto.com/9291927/2497820Kafka快速入门(四) 查看详情
kafka——kafka概述
目录一、Kafka定义二、消息队列2.1、传统消息队列的应用场景2.2、消息队列的两种模式2.2.1、点对点模式2.2.2、发布/订阅模式三、Kafka基础架构一、Kafka定义Kafka传统定义:Kafka是一个分布式的基于发布/订阅模式的消息队列... 查看详情
查看kafka版本
查看kafka/libs下的库文件,知道kafka的版本号: find./libs/-name*kafka_*|head-1|grep-o‘kafka[^
]*‘[[email protected]kafka]#find./libs/-name*kafka_*|head-1|grep-o‘kafka[^
]*‘kafka_2.9.2-0.8.1.1.jar.asc 如 查看详情
kafka快速入门——kafka架构(代码片段)
Kafka快速入门(二)——Kafka架构一、Kafka架构简介1、Kafka架构简介2、RecordRecord即Kafka消息,是Kafka处理的主要对象。3、TopicTopic是承载Kafka消息数据的逻辑容器,用于区分具体的业务,但在物理上,不同Topic的消息分开存储,逻辑... 查看详情
kafka学习--springboot整合kafka
一、启动kafka 启动kafka之前一定要启动zookeeper,因为要使用kafka必须要使用zookeeper。 windows环境下启动,直接使用kafka自带的zookeeper: E:kafka_2.12-2.4.0inwindows zookeeper-server-start.bat....configzookeeper.properties 接下来 查看详情
kafka
kafka术语KafkaCluster:Kafka集群Broker: kafka集群中的所有节点(安装了kafka软件的这台节点),我们称之为broker每台broker有唯一的标识;Producer:往kafka里面生产数据的一端,叫做produce;Consumer:从kafka里面消费数据的一端,称之为Consumer... 查看详情
kafka剖析:kafka背景及架构介绍
Kafka是由LinkedIn开发的一个分布式的消息系统,使用Scala编写,它以可水平扩展和高吞吐率而被广泛使用。目前越来越多的开源分布式处理系统如Cloudera、ApacheStorm、Spark都支持与Kafka集成。InfoQ一直在紧密关注Kafka的应用以及发展,... 查看详情
kafka常用命令
启动Zookeeper/opt/kafka/kafka_2.10-0.10.2.1/bin/zookeeper-server-start.sh/opt/kafka/kafka_2.10-0.10.2.1/config/zookeeper.properties&启动kafka/opt/kafka/kafka_2.10-0.10.2.1/bin//kafka-server-start.sh-d 查看详情
我应该使用啥:Kafka Stream 或 Kafka 消费者 API 或 Kafka 连接
】我应该使用啥:KafkaStream或Kafka消费者API或Kafka连接【英文标题】:WhatshouldIuse:KafkaStreamorKafkaconsumerapiorKafkaconnect我应该使用什么:KafkaStream或Kafka消费者API或Kafka连接【发布时间】:2018-02-1210:45:25【问题描述】:我想知道什么最... 查看详情
kafka学习之路kafka的安装(代码片段)
zookeeper1:192.168.1.11zookeeper2:192.168.1.12zookeeper3:192.168.1.13kafka1:192.168.1.14kafka2:192.168.1.15kafka3:192.168.1.16kafka3:192.168.1.17kafka-manager:192.168.1.18一、下载下载地址:http://kafka.apache. 查看详情
kafka快速入门——kafka管理(代码片段)
Kafka快速入门(五)——Kafka管理一、Kafka工具脚本简介1、Kafka工具脚本简介Kafka默认提供了很多个命令行脚本,用于实现各种各样的功能和运维管理。默认情况下,不加任何参数或携带--help运行Kafkashell脚本根据,会得到脚本的使... 查看详情
kafka源码解析与实战
Kafka的架构包括Kafka的基本组成,Kafka的拓扑结构以及Kafka的内部通信协议。Kafka内部的通信协议是建立在Kafka的拓扑结构之上,而Kafka的拓扑结构是由Kafka的基本模块所组成的。AKRELEASE2.5.0APRIL15,2020Kafka的基本组成Kafka集群中生产者... 查看详情