Kafka 命令行操作与 Spark-Streaming 核心编程总结

一、Kafka 命令行操作详解

1.创建 Topic

命令格式：

kafka-topics.sh --create --zookeeper <zk节点列表> --topic <主题名> --partitions <分区数> --replication-factor <副本数>

参数说明：

分区数（partitions）：必须指定，决定数据分片存储的并行度。

副本数（replication-factor）：必须指定，不能超过 Broker 节点总数，用于数据冗余和高可用。

数据存储：创建后在 Kafka 数据目录生成以主题名-分区编号命名的文件夹（如test1-0）。

2.查看所有 Topic

命令：

kafka-topics.sh --list --zookeeper <zk节点列表>

3.查看 Topic 详细信息

命令：

bash

kafka-topics.sh --describe --zookeeper <zk节点列表> --topic <主题名>

ISR（In-Sync Replicas）：与 Leader 同步的副本，可提供服务。

AR（Assigned Replicas）：分区的所有副本。

4.删除 Topic

命令：

kafka-topics.sh --delete --zookeeper <zk节点列表> --topic <主题名>

5.生产数据

命令格式：

kafka-console-producer.sh --broker-list <Broker节点列表> --topic <主题名>

说明：数据以追加日志形式写入分区，每条数据仅存在于一个分区，但所有副本均存储数据。

6.消费数据

默认从最新位置消费：

kafka-console-consumer.sh --topic <主题名> --bootstrap-server <Broker节点列表>

从头开始消费：

kafka-console-consumer.sh --topic <主题名> --bootstrap-server <Broker节点列表> --from-beginning

指定消费组（Group ID）：

kafka-console-consumer.sh --topic <主题名> --bootstrap-server <Broker节点列表> --consumer-property group.id=<组名>

特性：同一 Topic 的数据只能被同一 Group ID 的 Consumer 消费一次（通过偏移量记录消费进度）。

二、Spark-Streaming 核心编程：Kafka 数据源集成

1.Receiver API 与 Direct API 对比

Receiver API：

需要专用 Executor 接收数据，可能因接收与计算速度不匹配导致内存溢出，适用于早期版本。

Direct API（推荐）：

计算 Executor 主动拉取 Kafka 数据，速度可控，适用于 Kafka 0.10 + 版本。

2.Kafka 0-10 Direct 模式实现步骤

（1）打开虚拟机zookpeer与kafka集群

（2）导入依赖

（3）编写代码

（4） 开启Kafka生产者，产生数据

kafka-console-producer.sh --broker-list node01:9092,node02:9092,node03:9092 --topic kafka

（5）运行程序，接收Kafka生产的数据并进行相应处理

（6）查看消费进度