1

我刚刚设置了 Datatorrent RTS (Apache Apex) 平台并运行了 pi 演示。我想使用来自 kafka 的“avro”消息，然后将数据聚合并存储到 hdfs 中。我可以获得这个或kafka的示例代码吗？

4

2 回答 2

2

这是一个完整的工作应用程序的代码，它使用新的 Kafka 输入运算符和 Apex Malhar 的文件输出运算符。它将字节数组转换为字符串，并使用有限大小（本例中为 1K）的滚动文件将它们写入 HDFS；在文件大小达到界限之前，它将有一个带有.tmp扩展名的临时名称。您可以按照 DevT 在https://stackoverflow.com/a/36666388中的建议在这两者之间插入其他运算符）：

package com.example.myapexapp;

import java.nio.charset.Charset;
import java.nio.charset.StandardCharsets;

import org.apache.apex.malhar.kafka.AbstractKafkaInputOperator;
import org.apache.apex.malhar.kafka.KafkaSinglePortInputOperator;
import org.apache.hadoop.conf.Configuration;

import com.datatorrent.api.annotation.ApplicationAnnotation;
import com.datatorrent.api.StreamingApplication;
import com.datatorrent.api.DAG;

import com.datatorrent.lib.io.ConsoleOutputOperator;
import com.datatorrent.lib.io.fs.AbstractFileInputOperator.FileLineInputOperator;
import com.datatorrent.lib.io.fs.AbstractFileOutputOperator;

@ApplicationAnnotation(name="MyFirstApplication")
public class KafkaApp implements StreamingApplication
{

  @Override
  public void populateDAG(DAG dag, Configuration conf)
  {
    KafkaSinglePortInputOperator in = dag.addOperator("in", new KafkaSinglePortInputOperator());
    in.setInitialPartitionCount(1);
    in.setTopics("test");
    in.setInitialOffset(AbstractKafkaInputOperator.InitialOffset.EARLIEST.name());
    //in.setClusters("localhost:2181");
    in.setClusters("localhost:9092");   // NOTE: need broker address, not zookeeper

    LineOutputOperator out = dag.addOperator("out", new LineOutputOperator());
    out.setFilePath("/tmp/FromKafka");
    out.setFileName("test");
    out.setMaxLength(1024);        // max size of rolling output file

    // create stream connecting input adapter to output adapter
    dag.addStream("data", in.outputPort, out.input);
  }
}

/**
 * Converts each tuple to a string and writes it as a new line to the output file
 */
class LineOutputOperator extends AbstractFileOutputOperator<byte[]>
{
  private static final String NL = System.lineSeparator();
  private static final Charset CS = StandardCharsets.UTF_8;
  private String fileName;

  @Override
  public byte[] getBytesForTuple(byte[] t) { return (new String(t, CS) + NL).getBytes(CS); }

  @Override
  protected String getFileName(byte[] tuple) { return fileName; }

  public String getFileName() { return fileName; }
  public void setFileName(final String v) { fileName = v; }
}
于 2016-04-17T04:20:57.553 回答
1

在高层次上，您的应用程序代码将类似于，

KafkaSinglePortStringInputOperator -> AvroToPojo -> 维度聚合器 -> AbstractFileOutputOperator 的实现

KafkaSinglePortStringInputOperator - 如果您使用其他数据类型，您可以使用 KafkaSinglePortByteArrayInputOperator 或编写自定义实现。

AvroToPojo - https://github.com/apache/incubator-apex-malhar/blob/5075ce0ef75afccdff2edf4c044465340176a148/contrib/src/main/java/com/datatorrent/contrib/avro/AvroToPojo.java。

此运算符将 GenericRecord 转换为给定 POJO 的用户。用户需要提供一个应该发出的 POJO 类，否则使用反射。目前这用于从容器文件中读取 GenericRecords，并且仅支持原始类型。对于从 Kafka 读取，您可以按照类似的方式对您的操作员进行建模并添加一个 Schema 对象来解析传入的记录。在 processTuple 方法中类似下面的东西应该可以工作，Schema schema = new Schema.Parser().parse()); GenericDatumReader reader = new GenericDatumReader(schema);

维度聚合器 - 您可以选择此处给出的聚合器之一 - https://github.com/apache/incubator-apex-malhar/tree/5075ce0ef75afccdff2edf4c044465340176a148/library/src/main/java/org/apache/apex/malhar/lib /dimensions或按照相同的思路编写自定义聚合器。

FileWriter - 来自上面帖子中的示例。

于 2016-04-16T15:56:25.127 回答