Java Kafka 消费者和 avro 反序列化器

Question

我正在开发一个带有火花流的简单 java。

我配置了一个 kafka jdbc 连接器（postgres 到主题），我想用一个 spark 流消费者来阅读它。

我能够正确阅读主题：

./kafka-avro-console-consumer --bootstrap-server localhost:9092 --property schema.registry.url=http://localhost:8081 --property print.key=true --from-beginning --topic postgres-ip_audit

得到这个结果：

空 {"id":1557,"ip":{"string":"90.228.176.138"},"create_ts":{"long":1554819937582}}

当我将我的 java 应用程序与此配置一起使用时：

Map<String, Object> kafkaParams = new HashMap<>();
kafkaParams.put("bootstrap.servers", "localhost:9092");
kafkaParams.put("key.deserializer", StringDeserializer.class);
kafkaParams.put("value.deserializer", StringDeserializer.class);
kafkaParams.put("group.id", "groupStreamId");
kafkaParams.put("auto.offset.reset", "latest");
kafkaParams.put("enable.auto.commit", false);

我得到这样的结果：

�179.20.119.53�����Z

谁能告诉我如何解决我的问题？

我也尝试使用 ByteArrayDeserializer 并将 bytes[] 转换为字符串，但我总是得到错误的字符结果。

Answer 1

您提供了一个 StringDeserializer，但是您发送的是使用 avro 序列化的值，因此您需要相应地对它们进行反序列化。使用spark 2.4.0（和下面的deps编译org.apache.spark:spark-avro_2.12:2.4.1你可以使用from_avro函数来实现：

import org.apache.spark.sql.avro._

// `from_avro` requires Avro schema in JSON string format.
val jsonFormatSchema = new String(Files.readAllBytes(Paths.get("path/to/your/schema.avsc")))

val df = spark
  .readStream
  .format("kafka")
  .option("kafka.bootstrap.servers", "host1:port1,host2:port2")
  .option("subscribe", "topic1")
  .load()
Dataset<Row> output = df
  .select(from_avro(col("value"), jsonFormatSchema).as("user"))
  .where("user.favorite_color == \"red\"")
  .show()

如果您需要使用架构注册表（就像您使用 kafka-avro-console-consumer 所做的那样），那么开箱即用是不可能的，并且需要编写大量代码。我会推荐使用这个库https://github.com/AbsaOSS/ABRiS。但是它只与 spark 2.3.0 兼容

Answer 2

您可以使用io.confluent.kafka.serializers.KafkaAvroDeserializer 反序列化 avro 消息，并使用架构注册表来管理记录架构。

这里是一个示例代码sn -p

import java.util.Collections;
import java.util.HashMap;
import java.util.HashSet;
import java.util.Map;
import java.util.Set;

import io.confluent.kafka.serializers.KafkaAvroDecoder;
import kafka.serializer.StringDecoder;
import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.streaming.Durations;
import org.apache.spark.streaming.api.java.JavaPairInputDStream;
import org.apache.spark.streaming.api.java.JavaStreamingContext;
import org.apache.spark.streaming.kafka.KafkaUtils;
import scala.Tuple2;

public class SparkStreaming {

  public static void main(String... args) {
    SparkConf conf = new SparkConf();
    conf.setMaster("local[2]");
    conf.setAppName("Spark Streaming Test Java");

    JavaSparkContext sc = new JavaSparkContext(conf);
    JavaStreamingContext ssc = new JavaStreamingContext(sc, Durations.seconds(10));

    processStream(ssc, sc);

    ssc.start();
    ssc.awaitTermination();
  }

  private static void processStream(JavaStreamingContext ssc, JavaSparkContext sc) {
    System.out.println("--> Processing stream");

    Map<String, String> props = new HashMap<>();
    props.put("bootstrap.servers", "localhost:9092");
    props.put("schema.registry.url", "http://localhost:8081");
    props.put("group.id", "spark");
    props.put("specific.avro.reader", "true");

    props.put("value.deserializer", "io.confluent.kafka.serializers.KafkaAvroDeserializer");
    props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");

    Set<String> topicsSet = new HashSet<>(Collections.singletonList("test"));

    JavaPairInputDStream<String, Object> stream = KafkaUtils.createDirectStream(ssc, String.class, Object.class,
      StringDecoder.class, KafkaAvroDecoder.class, props, topicsSet);

    stream.foreachRDD(rdd -> {
      rdd.foreachPartition(iterator -> {
          while (iterator.hasNext()) {
            Tuple2<String, Object> next = iterator.next();
            Model model = (Model) next._2();
            System.out.println(next._1() + " --> " + model);
          }
        }
      );
    });
  }
}

Complete sample application is available in this github repo