Spark Kafka streaming не распределяет потребительскую нагрузку на рабочие узлы - PullRequest
Новая
       35

Spark Kafka streaming не распределяет потребительскую нагрузку на рабочие узлы

0 голосов
/ 25 октября 2018

Я создал следующее приложение, которое печатает определенные сообщения в течение 20 секунд: 

public class SparkMain {

public static void main(String[] args) {
    Map<String, Object> kafkaParams = new HashMap<>();

    kafkaParams.put(BOOTSTRAP_SERVERS_CONFIG, "localhost:9092, localhost:9093");
    kafkaParams.put(GROUP_ID_CONFIG, "spark-consumer-id");
    kafkaParams.put(KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
    kafkaParams.put(VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
    // events topic has 2 partitions
    Collection<String> topics = Arrays.asList("events");

    // local[*] Run Spark locally with as many worker threads as logical cores on your machine.
    SparkConf conf = new SparkConf().setMaster("local[*]").setAppName("SsvpSparkStreaming");

    // Create context with a 1 seconds batch interval
    JavaStreamingContext streamingContext =
            new JavaStreamingContext(conf, Durations.seconds(1));

    JavaInputDStream<ConsumerRecord<String, String>> stream =
            KafkaUtils.createDirectStream(
                    streamingContext,
                    LocationStrategies.PreferConsistent(),
                    ConsumerStrategies.<String, String>Subscribe(topics, kafkaParams)
            );

    // extract event name from record value
    stream.map(new Function<ConsumerRecord<String, String>, String>() {
        @Override
        public String call(ConsumerRecord<String, String> rec) throws Exception {
            return rec.value().substring(0, 5);
        }})
    // filter events
    .filter(new Function<String, Boolean>() {
        @Override
        public Boolean call(String eventName) throws Exception {
            return eventName.contains("msg");
        }})
    // count with 20sec window and 5 sec slide duration
    .countByValueAndWindow(Durations.seconds(20), Durations.seconds(5))
    .print();

    streamingContext.checkpoint("c:\\projects\\spark\\");
    streamingContext.start();
    try {
        streamingContext.awaitTermination();
    } catch (InterruptedException e) {
        // TODO Auto-generated catch block
        e.printStackTrace();
    }
}

После запуска метода main внутри журналов я вижу только одну инициализацию потребителя, которая получает оба раздела:

2018-10-25 18: 25: 56,007 ИНФОРМАЦИЯ [org.apache.kafka.common.utils.LogContext $ KafkaLogger.info] - <[Consumer clientId = consumer-1, groupId = spark-consumer-id] Установка новых назначенных разделов [events-0, events-1]>

Разве число потребителей не должно быть равным количеству искровых работников?В соответствии с https://spark.apache.org/docs/2.3.2/submitting-applications.html#master-urls

local [*] означает - Запускать Spark локально с таким количеством рабочих потоков, сколько логических ядер на вашей машине.

У меня 8 ядер CPUпоэтому я ожидаю, что будет создано 8 или по крайней мере 2 потребителя, и каждый получит раздел темы 'events' (2 раздела).

Мне кажется, что мне нужно запустить целый автономный мастер свечейкластер с двумя узлами, где каждый узел запускает своего потребителя ...

...