game 數(shù)據(jù)分析

package kafka_producer;

import org.apache.kafka.clients.producer.Callback;

import org.apache.kafka.clients.producer.KafkaProducer;

import org.apache.kafka.clients.producer.ProducerRecord;

import org.apache.kafka.clients.producer.RecordMetadata;

import java.util.Properties;

public class GameDataProducer {

? ? public static void main(String[] args) {

? ? ? ? Properties props = new Properties();

? ? ? ? //kafka 集群配置

? ? ? ? props.put("bootstrap.servers", "tstkj001:6667,tstkj002:6667,tstkj003:6667");

? ? ? ? props.put("acks", "1");

? ? ? ? props.put("retries", 3);

? ? ? ? props.put("batch.size", 16384);

? ? ? ? props.put("buffer.memory", 33554432);

? ? ? ? props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");

? ? ? ? props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");

? ? ? ? KafkaProducer<String, String> producer = new KafkaProducer<>(props);

? ? ? ? //用戶 topic 和數(shù)據(jù) 自己模擬

? ? ? ? ProducerRecord<String, String> msg1 = new ProducerRecord<>("user", "");

? ? ? ? //游戲 topic 和數(shù)據(jù) 自己模擬

? ? ? ? ProducerRecord<String, String> msg2 = new ProducerRecord<>("game", "");

? ? ? ? send(producer,msg1);

? ? ? ? send(producer,msg2);

? ? }

? ? public static void send(KafkaProducer producer,? ProducerRecord<String, String> msg){

? ? ? ? producer.send(msg, new Callback() {

? ? ? ? ? ? @Override

? ? ? ? ? ? public void onCompletion(RecordMetadata recordMetadata, Exception e) {

? ? ? ? ? ? ? ? if(e !=null){

? ? ? ? ? ? ? ? ? ? e.printStackTrace();

? ? ? ? ? ? ? ? }

? ? ? ? ? ? }

? ? ? ? });

? ? }

}

___________________________________________________________________________________________________

import org.apache.spark.SparkConf

import org.apache.spark.streaming.kafka010.{ConsumerStrategies, KafkaUtils, LocationStrategies}

import org.apache.spark.streaming.{Seconds, StreamingContext}

object DirectKafkaWordCount {

? def main(args: Array[String]) {

? ? if (args.length < 2) {

? ? ? System.err.println(

? ? ? ? s"""

? ? ? ? ? |Usage: DirectKafkaWordCount <brokers> <topics>

? ? ? ? ? |? <brokers> is a list of one or more Kafka brokers

? ? ? ? ? |? <topics> is a list of one or more kafka topics to consume from

? ? ? ? ? |

? ? ? ? """.stripMargin)

? ? ? System.exit(1)

? ? }

? ? //? ? StreamingExamples.setStreamingLogLevels()

? ? val Array(brokers, topics) = args

? ? // Create context with 2 second batch interval

? ? val sparkConf = new SparkConf().setAppName("DirectKafkaWordCount")

? ? val ssc = new StreamingContext(sparkConf, Seconds(2))

? ? // Create direct kafka stream with brokers and topics

? ? val topicsSet = topics.split(",").toSet

? ? val kafkaParams = Map[String, String]("metadata.broker.list" -> brokers)

? ? val messages = KafkaUtils.createDirectStream[String, String](

? ? ? ssc,

? ? ? LocationStrategies.PreferConsistent,

? ? ? ConsumerStrategies.Subscribe[String, String](topicsSet, kafkaParams))

? ? // Get the lines, split them into words, count the words and print

? ? val lines = messages.map(_.value)

? ? val words = lines.flatMap(_.split(" "))

? ? val wordCounts = words.map(x => (x, 1L)).reduceByKey(_ + _)

? ? wordCounts.print()

? ? // Start the computation

? ? ssc.start()

? ? ssc.awaitTermination()

? }

}


_____________________________________________________________________________________________________

/**

? * 測(cè)試類

? */

object WordCountTest {

? def main(args: Array[String]): Unit = {

? ? val params = new Array[String](2)

? ? //對(duì)應(yīng)的是DirectKafkaWordCount中args[0] 的參數(shù) kafka集群

? ? ? params(0) = "tstkj001:6667,tstkj002:6667,tstkj003:6667"

? ? //對(duì)應(yīng)的是DirectKafkaWordCount中args[1] 的參數(shù) topic

? ? ? params(1) = "user,game"

? ? DirectKafkaWordCount.main(params)

? }

}

___________________________________________________________________________________________________

<!-- https://mvnrepository.com/artifact/org.apache.spark/spark-streaming -->

<dependencies>

? ? <dependency>

? ? ? ? <groupId>org.apache.spark</groupId>

? ? ? ? <artifactId>spark-streaming_2.11</artifactId>

? ? ? ? <version>2.2.0</version>

? ? ? ? <!--<scope>provided</scope>-->

? ? </dependency>

? ? <!-- https://mvnrepository.com/artifact/org.apache.spark/spark-streaming-kafka-0-10 -->

? ? <dependency>

? ? ? ? <groupId>org.apache.spark</groupId>

? ? ? ? <artifactId>spark-streaming-kafka-0-10_2.11</artifactId>

? ? ? ? <version>2.2.0</version>

? ? ? ? <!--<scope>provided</scope>-->

? ? </dependency>

? ? <!-- https://mvnrepository.com/artifact/org.apache.spark/spark-core -->

? ? <dependency>

? ? ? ? <groupId>org.apache.spark</groupId>

? ? ? ? <artifactId>spark-core_2.11</artifactId>

? ? ? ? <version>2.2.0</version>

? ? ? ? <!--<scope>provided</scope>-->

? ? </dependency>




--


?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:七十年代末酱虎,一起剝皮案震驚了整個(gè)濱河市蓄坏,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌挖滤,老刑警劉巖渤滞,帶你破解...
    沈念sama閱讀 216,496評(píng)論 6 501
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異艳汽,居然都是意外死亡躺翻,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,407評(píng)論 3 392
  • 文/潘曉璐 我一進(jìn)店門眷柔,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)期虾,“玉大人,你說(shuō)我怎么就攤上這事驯嘱∠獍” “怎么了?”我有些...
    開(kāi)封第一講書人閱讀 162,632評(píng)論 0 353
  • 文/不壞的土叔 我叫張陵鞠评,是天一觀的道長(zhǎng)茂蚓。 經(jīng)常有香客問(wèn)我,道長(zhǎng)剃幌,這世上最難降的妖魔是什么聋涨? 我笑而不...
    開(kāi)封第一講書人閱讀 58,180評(píng)論 1 292
  • 正文 為了忘掉前任,我火速辦了婚禮负乡,結(jié)果婚禮上牍白,老公的妹妹穿的比我還像新娘。我一直安慰自己抖棘,他們只是感情好茂腥,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,198評(píng)論 6 388
  • 文/花漫 我一把揭開(kāi)白布。 她就那樣靜靜地躺著切省,像睡著了一般最岗。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上朝捆,一...
    開(kāi)封第一講書人閱讀 51,165評(píng)論 1 299
  • 那天般渡,我揣著相機(jī)與錄音,去河邊找鬼。 笑死驯用,一個(gè)胖子當(dāng)著我的面吹牛脸秽,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播晨汹,決...
    沈念sama閱讀 40,052評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼贷盲!你這毒婦竟也來(lái)了淘这?” 一聲冷哼從身側(cè)響起,我...
    開(kāi)封第一講書人閱讀 38,910評(píng)論 0 274
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤巩剖,失蹤者是張志新(化名)和其女友劉穎铝穷,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體佳魔,經(jīng)...
    沈念sama閱讀 45,324評(píng)論 1 310
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡曙聂,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 37,542評(píng)論 2 332
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了鞠鲜。 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宁脊。...
    茶點(diǎn)故事閱讀 39,711評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖贤姆,靈堂內(nèi)的尸體忽然破棺而出榆苞,到底是詐尸還是另有隱情,我是刑警寧澤霞捡,帶...
    沈念sama閱讀 35,424評(píng)論 5 343
  • 正文 年R本政府宣布坐漏,位于F島的核電站,受9級(jí)特大地震影響碧信,放射性物質(zhì)發(fā)生泄漏赊琳。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,017評(píng)論 3 326
  • 文/蒙蒙 一砰碴、第九天 我趴在偏房一處隱蔽的房頂上張望躏筏。 院中可真熱鬧,春花似錦呈枉、人聲如沸寸士。這莊子的主人今日做“春日...
    開(kāi)封第一講書人閱讀 31,668評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)弱卡。三九已至,卻和暖如春住册,著一層夾襖步出監(jiān)牢的瞬間婶博,已是汗流浹背。 一陣腳步聲響...
    開(kāi)封第一講書人閱讀 32,823評(píng)論 1 269
  • 我被黑心中介騙來(lái)泰國(guó)打工荧飞, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留凡人,地道東北人名党。 一個(gè)月前我還...
    沈念sama閱讀 47,722評(píng)論 2 368
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像挠轴,于是被迫代替她去往敵國(guó)和親传睹。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,611評(píng)論 2 353

推薦閱讀更多精彩內(nèi)容