用 parquet 數(shù)據(jù)模擬實(shí)時(shí)數(shù)據(jù)流

用 parquet 數(shù)據(jù)模擬實(shí)時(shí)數(shù)據(jù)流

import ohmysummer.conf.{KafkaConfiguration, UriConfiguration}
import ohmysummer.pipeline.schema.{EnterpriseSchema, NationSchema}
import org.apache.spark.sql._
import org.apache.spark.sql.streaming.Trigger
import org.apache.spark.sql.functions.{col, struct, to_json}

/**
  * 讀取 parquet 文件轉(zhuǎn)為 JSON 后寫到 HDFS, 在用命令行將 JSON 數(shù)據(jù)逐行發(fā)到 Kakfa 模擬實(shí)時(shí)流
  */
object WriteEnterprise2Kafka {
  def main(args: Array[String]): Unit = {
    val spark: SparkSession = SparkSession
      .builder
      .master("local[2]")
      .appName("Write Enterprise Parquet to Kafka")
      .getOrCreate()

    val parquetSchema = (new EnterpriseSchema).schema
    val parqurtUri = (new UriConfiguration).xs6enterprise
    val topics = (new KafkaConfiguration).topics
    val bootstrap_servers =  (new KafkaConfiguration).bootstrap_servers

    import spark.implicits._
    val ds: DataFrame = spark.readStream
      .schema(parquetSchema)
      .parquet(parqurtUri)
      .filter(($"timestamp" isNotNull) && ($"timestamp" > 956678797000L) && ($"timestamp" < 1924876800000L) )

    val df: DataFrame = ds.select($"vin" as "key", to_json( struct( ds.columns.map(col(_)):_*  ) ) as "value" )
      .filter($"key" isNotNull)

    // 將 parquet 寫為 json
    val jdf = df
      .writeStream
      .format("json")
      .option("path", "/tmp/json/nation")
      .option("checkpointLocation", "/tmp/write-json2hdfs")
      .start()

    jdf.awaitTermination()
  
  }
}

再將 JSON 數(shù)據(jù)逐行發(fā)到 Kafka 的不同 topic:

hdfs dfs -cat hdfs://xxxxxx/json/test.json | while read -r LINE; do echo $LINE | sed "s/\"}$/\",\"partition\":$(( ( RANDOM % 5 )  + 1 ))}/"; sleep 1; done  | kt produce -topic xs6-nation-test -brokers "dn03,nn01,nn02" ; sleep 0.1; done
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子匣缘,更是在濱河造成了極大的恐慌侮攀,老刑警劉巖,帶你破解...
    沈念sama閱讀 218,682評(píng)論 6 507
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件判族,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)蟆湖,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,277評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)玻粪,“玉大人隅津,你說(shuō)我怎么就攤上這事【⑹遥” “怎么了伦仍?”我有些...
    開封第一講書人閱讀 165,083評(píng)論 0 355
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)很洋。 經(jīng)常有香客問(wèn)我充蓝,道長(zhǎng),這世上最難降的妖魔是什么喉磁? 我笑而不...
    開封第一講書人閱讀 58,763評(píng)論 1 295
  • 正文 為了忘掉前任谓苟,我火速辦了婚禮,結(jié)果婚禮上协怒,老公的妹妹穿的比我還像新娘涝焙。我一直安慰自己,他們只是感情好孕暇,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,785評(píng)論 6 392
  • 文/花漫 我一把揭開白布仑撞。 她就那樣靜靜地躺著,像睡著了一般妖滔。 火紅的嫁衣襯著肌膚如雪隧哮。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,624評(píng)論 1 305
  • 那天座舍,我揣著相機(jī)與錄音沮翔,去河邊找鬼。 笑死簸州,一個(gè)胖子當(dāng)著我的面吹牛鉴竭,可吹牛的內(nèi)容都是我干的歧譬。 我是一名探鬼主播,決...
    沈念sama閱讀 40,358評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼搏存,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼瑰步!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起璧眠,我...
    開封第一講書人閱讀 39,261評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤缩焦,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后责静,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體袁滥,經(jīng)...
    沈念sama閱讀 45,722評(píng)論 1 315
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,900評(píng)論 3 336
  • 正文 我和宋清朗相戀三年灾螃,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了题翻。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 40,030評(píng)論 1 350
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡腰鬼,死狀恐怖嵌赠,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情熄赡,我是刑警寧澤姜挺,帶...
    沈念sama閱讀 35,737評(píng)論 5 346
  • 正文 年R本政府宣布,位于F島的核電站彼硫,受9級(jí)特大地震影響炊豪,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜拧篮,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,360評(píng)論 3 330
  • 文/蒙蒙 一词渤、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧串绩,春花似錦掖肋、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,941評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)沿盅。三九已至把篓,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間腰涧,已是汗流浹背韧掩。 一陣腳步聲響...
    開封第一講書人閱讀 33,057評(píng)論 1 270
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留窖铡,地道東北人疗锐。 一個(gè)月前我還...
    沈念sama閱讀 48,237評(píng)論 3 371
  • 正文 我出身青樓坊谁,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親滑臊。 傳聞我的和親對(duì)象是個(gè)殘疾皇子口芍,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,976評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容