创建KafkaSink对象:
import org.apache.kafka.clients.producer.{KafkaProducer, ProducerRecord, RecordMetadata}import java.util.concurrent.Future/**** Author:jianjipan@kanzhun.com* Date:2024/2/26 10:50*/
class KafkaSink[K, V](createProducer: () => KafkaProducer[K, V]) extends Serializable {lazy val producer = createProducer()def send(topic: String, key: K, value: V): Future[RecordMetadata] =producer.send(new ProducerRecord[K, V](topic, key, value))def send(topic: String, value: V): Future[RecordMetadata] =producer.send(new ProducerRecord[K, V](topic, value))
}
-
该对象接受一个类型为() => KafkaProducer[K, V]的函数类型参数createProducer。这是一种高阶函数,允许在实例化时提供创建KafkaProducer对象的具体逻辑。
-
使用了lazy关键字进行声明。这意味着producer属性在首次访问时才会被初始化,延迟了对象的创建,提高了性能。
然后创建KafkaSink单例对象,用来实例化KafkaSink对象
import com.zhipin.model.factory.spark.kafka.KafkaSink
import org.apache.kafka.clients.producer.KafkaProducer/**** Author:jianjipan@kanzhun.com* Date:2024/2/26 10:59*/
object KafkaSink {import scala.collection.JavaConversions._def apply[K, V](config: Map[String, Object]): KafkaSink[K, V] = {val createProducerFunc = () => {val producer = new KafkaProducer[K, V](config)sys.addShutdownHook {producer.close()}producer}new KafkaSink(createProducerFunc)}def apply[K, V](config: java.util.Properties): KafkaSink[K, V] = apply(config.toMap)
}
在Scala中,apply方法是一种特殊的方法,可以在对象名后面使用圆括号调用,就像调用一个函数一样。具体调用的方式有以下几种情况:
对象名():当对象的apply方法没有参数时,可以直接使用圆括号调用,例如obj()。
对象名(参数1, 参数2, …):当对象的apply方法具有参数时,可以通过将参数放入圆括号中来调用,例如obj(arg1, arg2)。
对象名.apply():也可以显式地使用.apply方法来调用。例如obj.apply()。
除了上述示例,还可以在类似于集合的场景下使用apply方法。例如,对于一个List对象list,可以通过下标来访问元素,实际上是调用了list的apply方法。例如list(0)实际上调用了list.apply(0)。
总之,Scala中的apply方法可以让对象像函数一样被调用,提供了一种简洁的语法来创建和调用对象。
然后应用上述方法实现DataFrame数据导入Kafka的逻辑
val sparkConf = new SparkConf().setAppName("DatasetToKafka")sparkConf.set("spark.serializer", classOf[KryoSerializer].getName)val spark = SparkSession.builder().config(sparkConf).getOrCreate()val taskId=args(0)val paramEntity = JobArgsService.queryJobArgs(taskId,classOf[DataSetToKafkaEntity])//构建kafkaProducer广播变量val kafkaProducer: Broadcast[KafkaSink[String, String]] = {val kafkaProducerConf = {val p = new Properties()val userName=paramEntity.getMqUserNameval password=paramEntity.getMqPassWordp.setProperty("bootstrap.servers", paramEntity.getMqBrokenIps)p.setProperty("key.serializer", classOf[StringSerializer].getName)p.setProperty("value.serializer", classOf[StringSerializer].getName)p.setProperty("acks","1")p.setProperty("retries","3")p.setProperty("security.protocol","SASL_PLAINTEXT")p.setProperty("sasl.mechanism","SCRAM-SHA-256")p.setProperty("sasl.jaas.config", "org.apache.kafka.common.security.scram.ScramLoginModule required " +"username=\"" + userName + "\" password=\"" + password + "\";")p}spark.sparkContext.broadcast(KafkaSink[String, String](kafkaProducerConf))}//从dataset取数val topic = paramEntity.getMqTopicval sqlLogic = paramEntity.getSqlLogicval df = spark.sql(sqlLogic).withColumn("taskId",lit(taskId)).toJSON//写入Kafkadf.foreach(row => {kafkaProducer.value.send(topic, row)println("推送完成:" + row)})
通过使用广播变量,可以将KafkaSink实例在集群中的多个任务中共享,减少了每个任务中创建KafkaSink的开销,提高了效率。