Spark Streaming 流数据写入 Kafka 完整指南

要将 Spark Streaming 的流数据写入 Kafka，可以按照以下步骤进行操作：

首先，确保你已经安装了 Kafka，并且 Kafka 服务正在运行。
导入相关的 Spark Streaming 和 Kafka 依赖包。例如，对于 Scala 项目，可以在 build.sbt 文件中添加以下依赖项：

libraryDependencies += "org.apache.spark" %% "spark-streaming-kafka" % "2.4.0"

在代码中创建一个 KafkaProducer 实例，用于将数据写入 Kafka。你可以使用 Kafka 的默认配置，也可以根据需要进行自定义配置。

import java.util.Properties
import org.apache.kafka.clients.producer._

val props = new Properties()
props.put("bootstrap.servers", "localhost:9092")
props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer")
props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer")

val producer = new KafkaProducer[String, String](props)

创建一个 DStream，并使用 foreachRDD 方法来将每个 RDD 中的数据写入 Kafka。在 foreachRDD 方法中，可以使用 KafkaProducer 的 send 方法将数据发送到 Kafka 的指定主题。

import org.apache.spark.streaming.kafka010._

val kafkaParams = Map[String, Object](
  "bootstrap.servers" -> "localhost:9092",
  "key.deserializer" -> classOf[StringDeserializer],
  "value.deserializer" -> classOf[StringDeserializer],
  "group.id" -> "group_id",
  "auto.offset.reset" -> "latest",
  "enable.auto.commit" -> (false: java.lang.Boolean)
)

val topics = Array("topic_name")
val stream = KafkaUtils.createDirectStream[String, String](
  streamingContext,
  LocationStrategies.PreferConsistent,
  ConsumerStrategies.Subscribe[String, String](topics, kafkaParams)
)

stream.foreachRDD { rdd =>
  rdd.foreach { record =>
    val data = record.value()
    val message = new ProducerRecord[String, String]("topic_name", null, data)
    producer.send(message)
  }
}

注意：上述代码中的 'topic_name' 应该替换为你要写入的 Kafka 主题的名称。

最后，启动 Spark Streaming 流处理程序。

streamingContext.start()
streamingContext.awaitTermination()

这样，你就可以将 Spark Streaming 的流数据写入 Kafka 了。