Kafuka面试（整合Kafka两种模式区别）

标签：操作   主题   写日志   方式   读取   text   开发   offset   span   

整合Kafka两种模式说明

★面试题：Receiver & Direct

开发中我们经常会利用SparkStreaming实时地读取kafka中的数据然后进行处理，在spark1.3版本后，kafkaUtils里面提供了两种创建DStream的方法:

1.Receiver接收方式：

KafkaUtils.createDstream(开发中不用，了解即可，但是面试可能会问)

Receiver作为常驻的Task运行在Executor等待数据，但是一个Receiver效率低，需要开启多个，再手动合并数据，再进行处理，很麻烦

Receiver那台机器挂了，可能会丢失数据，所以需要开启WAL(预写日志)保证数据安全，那么效率又会降低!

Receiver方式是通过zookeeper来连接kafka队列，调用Kafka高阶API，offset存储在zookeeper，由Receiver维护，

spark在消费的时候为了保证数据不丢也会在Checkpoint中存一份offset，可能会出现数据不一致

所以不管从何种角度来说，Receiver模式都不适合在开发中使用

2.Direct直连方式：

KafkaUtils.createDirectStream(开发中使用，要求掌握)

Direct方式是直接连接kafka分区来获取数据，从每个分区直接读取数据大大提高了并行能力

Direct方式调用Kafka低阶API，offset自己存储和维护，默认由Spark维护在checkpoint中，消除了与zk不一致的情况

当然也可以自己手动维护，把offset存在mysql、redis中

所以基于Direct模式可以在开发中使用，且借助Direct模式的特点+手动操作可以保证数据的Exactly once 精准一次

●扩展：关于消息语义

●注意:

开发中SparkStreaming和kafka集成有两个版本：0.8及0.10+

0.8版本有Receiver和Direct模式(但是0.8版本生产环境问题较多，在Spark2.3之后不支持0.8版本了)

0.10以后只保留了direct模式(Reveiver模式不适合生产环境)，并且API有变化(更加强大)

http://spark.apache.org/docs/latest/streaming-kafka-integration.html

●结论：

1. 我们学习和开发都直接使用0.10版本中的direct模式
2. 但是关于Receiver和Direct的区别面试的时候要能够答得上来

-Reiⅳver接收模式

1. 单个 Receive效率低需要开启多个 Receiver再手动进行数据合并( union)
2. Receiver机器如果挂了,数据会丢失,可以开启WAL,但是效率又会降低
3. Receiver模式使用的是 Kafka的高阶封装的)AP, offset,是维护到zk中,并且 SparkStreaming还会维护到checkpoint中这样可能会出现数据不一致
4. 还有很多其他的问题

Direct直连模式

注意：

        老版本的Kaka本身的 offset!默认在冰k中新版本的在 Kafka的内部主题中 consumer offsets因为zk压力会很大不适合频繁更新

♥总结：

           不管开发还是学习都直接使用Drec直连模式即可，并且是使用 spark-streaming-kafka010版本

注意：

Kafuka面试（整合Kafka两种模式区别）

标签：操作   主题   写日志   方式   读取   text   开发   offset   span   

原文地址：https://www.cnblogs.com/TiePiHeTao/p/35a269ecd1fda1e0e2ab3be025ab7cb7.html