大数据学习day33----spark13-----1.两种方式管理偏移量并将偏移量写入redis 2. MySQL事务的测试 3.利用MySQL事务实现数据统计的ExactlyOnce（sql语句中出现相同key时如何进行累加（此处时出现相同的单词））4 将数据写入kafka

1.两种方式管理偏移量并将偏移量写入redis

（1）第一种：rdd的形式

　　一般是使用这种直连的方式，但其缺点是没法调用一些更加高级的api，如窗口操作。如果想更加精确的控制偏移量，就使用这种方式

代码如下

KafkaStreamingWordCountManageOffsetRddApi

package com._51doit.spark13

import com._51doit.utils.JedisConnectionPool
import org.apache.kafka.clients.consumer.ConsumerRecord
import org.apache.spark.SparkConf
import org.apache.spark.rdd.RDD
import org.apache.spark.streaming.dstream.InputDStream
import org.apache.spark.streaming.kafka010.{CanCommitOffsets, ConsumerStrategies, HasOffsetRanges, KafkaUtils, LocationStrategies, OffsetRange}
import org.apache.spark.streaming.{Milliseconds, StreamingContext}

object KafkaStreamingWordCountManageOffsetRddApi {

  def main(args: Array[String]): Unit = {

    val conf = new SparkConf()
      .setAppName(this.getClass.getSimpleName)
      .setMaster("local[*]")
    //创建StreamingContext，并指定批次生成的时间
    val ssc = new StreamingContext(conf, Milliseconds(5000))
    //设置日志级别
    ssc.sparkContext.setLogLevel("WARN")
    //SparkStreaming 跟kafka进行整合
    //1.导入跟Kafka整合的依赖
    //2.跟kafka整合，创建直连的DStream【使用底层的消费API，效率更高】
    val topics = Array("test11")
    //SparkSteaming跟kafka整合的参数
    //kafka的消费者默认的参数就是每5秒钟自动提交偏移量到Kafka特殊的topic中: __consumer_offsets
    val kafkaParams = Map[String, Object](
      "bootstrap.servers" -> "feng05:9092,feng06:9092,feng07:9092",
      "key.deserializer" -> "org.apache.kafka.common.serialization.StringDeserializer",
      "value.deserializer" -> "org.apache.kafka.common.serialization.StringDeserializer",
      "group.id" -> "g013",
      "auto.offset.reset" -> "earliest" //如果没有记录偏移量，第一次从最开始读，有偏移量，接着偏移量读
      , "enable.auto.commit" -> (false: java.lang.Boolean) //消费者不自动提交偏移量
    )
    //跟Kafka进行整合，需要引入跟Kafka整合的依赖
    //createDirectStream更加高效，使用的是Kafka底层的消费API，消费者直接连接到Kafka的Leader分区进行消费
    //直连方式，RDD的分区数量和Kafka的分区数量是一一对应的【数目一样】
    val kafkaDStream: InputDStream[ConsumerRecord[String, String]] = KafkaUtils.createDirectStream[String, String](
      ssc,
      LocationStrategies.PreferConsistent, //调度task到Kafka所在的节点
      ConsumerStrategies.Subscribe[String, String](topics, kafkaParams) //指定订阅Topic的规则
    )
    kafkaDStream.foreachRDD(rdd => {
      //println(rdd + "-> partitions " +  rdd.partitions.length)
      //判断当前批次的RDD是否有数据
      if (!rdd.isEmpty()) {
        //将RDD转换成KafkaRDD,获取KafkaRDD每一个分区的偏移量【在Driver端】
        val offsetRanges: Array[OffsetRange] = rdd.asInstanceOf[HasOffsetRanges].offsetRanges
//        //循环遍历每个分区的偏移量
//              for (range <- offsetRanges) {
//                println(s"topic: ${range.topic},  partition: ${range.partition}, fromOffset : ${range.fromOffset} -> utilOffset: ${range.untilOffset}")
//              }
        //将获取到的偏移量写入到相应的存储系统呢【Kafka、Redis、MySQL】
        //将偏移量写入到Kafka
        //对RDD进行处理
        //Transformation 开始
        val keys = rdd.map(_.key())
        println(keys.collect().toBuffer)
        val lines: RDD[String] = rdd.map(_.value())
        println(lines.collect().toBuffer)
        val words: RDD[String] = lines.flatMap(_.split(" "))
        val wordAndOne: RDD[(String, Int)] = words.map((_, 1))
        val reduced: RDD[(String, Int)] = wordAndOne.reduceByKey(_ + _)
        //Transformation 结束
        //触发Action
        reduced.foreachPartition(it =>     {
          //在Executor端获取Redis连接
          val jedis = JedisConnectionPool.getConnection
          jedis.select(3)
          //将分区对应的结果写入到Redis
          it.foreach(t => {
            jedis.hincrBy("wc_adv", t._1, t._2)
          })
          //将连接还回连接池
          jedis.close()
        })
        //再更新这个批次每个分区的偏移量
        //异步提交偏移量，将偏移量写入到Kafka特殊的topic中了
        kafkaDStream.asInstanceOf[CanCommitOffsets].commitAsync(offsetRanges)
      }
    })
    ssc.start()
    ssc.awaitTermination()
  }
}

 (2)  第二种：DStream的形式

　　功能更加丰富，可以使用DStream的api，但最终还是要调用foreachrdd，将数据写入redis

代码如下

KafkaStreamingWordCountManageOffsetDstreamApi

package com._51doit.spark13

import com._51doit.utils.JedisConnectionPool
import org.apache.kafka.clients.consumer.ConsumerRecord
import org.apache.spark.SparkConf
import org.apache.spark.streaming.dstream.{DStream, InputDStream}
import org.apache.spark.streaming.kafka010.{CanCommitOffsets, ConsumerStrategies, HasOffsetRanges, KafkaUtils, LocationStrategies, OffsetRange}
import org.apache.spark.streaming.{Milliseconds, StreamingContext}
import redis.clients.jedis.Jedis

object KafkaStreamingWordCountManageOffsetDstreamApi {
  def main(args: Array[String]): Unit = {
    val conf: SparkConf = new SparkConf()
      .setAppName(this.getClass.getSimpleName)
      .setMaster("local[*]")
    // 创建StreamingContext，并指定批次生成的时间
    val ssc: StreamingContext = new StreamingContext(conf, Milliseconds(5000))
    // 设置日志的级别
    ssc.sparkContext.setLogLevel("WARN")
    // kafka整合SparkStreaming
    // 1.导入跟kafka整合的依赖 2. 跟kafka整合，创建直连的Dstream[使用底层的消费API，消费更高]
    val topics = Array("test11")
    // SparkStreaming跟kafka整合的参数
    //kafka的消费者默认的参数就是每5秒钟自动提交偏移量到Kafka特殊的topic中: __consumer_offsets
    val kafkaParams = Map[String, Object](
      "bootstrap.servers" -> "feng05:9092,feng06:9092,feng07:9092",
      "key.deserializer" -> "org.apache.kafka.common.serialization.StringDeserializer",
      "value.deserializer" -> "org.apache.kafka.common.serialization.StringDeserializer",
      "group.id" -> "g014",
      "auto.offset.reset" -> "earliest" //如果没有记录偏移量，第一次从最开始读，有偏移量，接着偏移量读
      , "enable.auto.commit" -> (false: java.lang.Boolean) //消费者不自动提交偏移量
    )
    //直连方式，RDD的分区数量和Kafka的分区数量是一一对应的【数目一样】
    val kafkaDStream: InputDStream[ConsumerRecord[String, String]] = KafkaUtils.createDirectStream[String,String](
      ssc,
      LocationStrategies.PreferConsistent, // 调度task到kafka所在的节点
      ConsumerStrategies Subscribe[String, String](topics, kafkaParams) //消费者策略，指定订阅topic的规则
    )
    var offsetRanges: Array[OffsetRange] = null
    // 调用transform，取出kafkaRDD并获取每一个分区对应的偏移量
    val transformDS: DStream[ConsumerRecord[String, String]] = kafkaDStream.transform(rdd => {
      // 在该函数中，获取偏移量
      offsetRanges = rdd.asInstanceOf[HasOffsetRanges].offsetRanges
      rdd
    })
    // 调用DStream的API，其有一些RDD没有的API，如upsteateByKey, Window相关的操作
    val reducedDStream: DStream[(String, Int)] = transformDS.map(_.value()).flatMap(_.split(" ")).map((_, 1)).reduceByKey(_ + _)
    // 将数据写入redis，此时还是需要使用foreachRDD
    reducedDStream.foreachRDD(rdd => {
      if(!rdd.isEmpty()){
        rdd.foreachPartition(it =>{
          // 在Executor端获取Redis连接 c
          val jedis: Jedis = JedisConnectionPool.getConnection
          jedis.select(4)
          it.foreach(t=>{
            jedis.hincrBy("wc_adv2",t._1, t._2)
          })
          jedis.close()
        })
        // 将计算完的批次对应的偏移量提交（在driver端移交偏移量）
        kafkaDStream.asInstanceOf[CanCommitOffsets].commitAsync(offsetRanges)
      }
    })
    ssc.start()
    ssc.awaitTermination()
  }
}

以上两种方式都无法保证数据只读取处理一次（即exactly once）。因为若是提交偏移量时出现网络问题，导致偏移量没有进行更新，但是数据却成功统计到redis中，这样就会反复读取某段数据进行统计

解决方法：使用事务，即数据的统计与偏移量的写入要同时成功，否则就回滚

2. MySQL事务的测试

MySQLTransactionTest

package cn._51doit.spark.day13

import java.sql.{Connection, DriverManager, PreparedStatement}

/**
  * mysql的哪一种存储引擎支持事物呢？
  * InnoDB
  */
object MySQLTransactionTest {


  def main(args: Array[String]): Unit = {

    var connection: Connection = null
    var ps1: PreparedStatement = null
    var ps2: PreparedStatement = null

    try {

      //默认MySQL自动提交事物
      connection = DriverManager.getConnection("jdbc:mysql://localhost:3306/bigdata", "root", "123456")
      //不要自动提交事物
      connection.setAutoCommit(false)

      ps1 = connection.prepareStatement("INSERT INTO t_user1 (name,age) VALUES (?, ?)")
      //设置参数
      ps1.setString(1, "AAA")
      ps1.setInt(2, 18)

      //执行
      ps1.executeUpdate()


      val i = 1 / 0

      //往另外一个表写入数据
      ps2 = connection.prepareStatement("INSERT INTO t_user2 (name,age) VALUES (?, ?)")
      //设置参数
      ps2.setString(1, "BBB")
      ps2.setInt(2, 28)
      //执行
      ps2.executeUpdate()

      //多个对数据库操作成功了，在提交事物
      connection.commit()

    } catch {
      case e: Exception => {
        e.printStackTrace()
        //回顾事物
        connection.rollback()
      }
    } finally {

      if(ps2 != null) {
        ps2.close()
      }
      if(ps1 != null) {
        ps1.close()
      }
      if(connection != null) {
        connection.close()
      }
    }
  }
}

注意：mysql只有InnoDB引擎支持事务，其它引擎都不支持

3.利用MySQL事务实现数据统计的ExactlyOnce

思路：

从Kafka读取数据，实现ExactlyOnce，偏移量保存到MySQL中

• 1. 将聚合好的数据，收集到driver端（若不收集到driver端，count和偏移量就无法写入一个事务，count数据实在executor中得到，而事务实在driver端得到）
• 2  然后将计算好的数据和偏移量在一个事物中同时保存到MySQL中
• 3 成功了提交事务
• 4 失败了让这个任务重启

代码

（1）ExactlyWordCountOffsetStoreInMySQL（没有查询mysql中的历史偏移量）

package com._51doit.spark13

import java.lang
import java.sql.{Connection, DriverManager, PreparedStatement}

import org.apache.kafka.clients.consumer.ConsumerRecord
import org.apache.spark.SparkConf
import org.apache.spark.rdd.RDD
import org.apache.spark.streaming.dstream.InputDStream
import org.apache.spark.streaming.kafka010.{ConsumerStrategies, HasOffsetRanges, KafkaUtils, LocationStrategies, OffsetRange}
import org.apache.spark.streaming.{Milliseconds, StreamingContext}

object ExactlyWordCountOffsetStoreInMySQL {
  def main(args: Array[String]): Unit = {

    //true a1 g1 ta,tb
    val Array(isLocal, appName, groupId, allTopics) = args

    val conf: SparkConf = new SparkConf()
      .setAppName(appName)
    if (isLocal.toBoolean){
      conf.setMaster("local[*]")
    }
    //创建StreamingContext，并指定批次生成的时间
    val ssc = new StreamingContext(conf, Milliseconds(5000))
    // 设置日志级别
    ssc.sparkContext.setLogLevel("WARN")

    // SparkStreaming跟kafka进行整合
    // 1.导入跟kafka整合的依赖  2. 跟kafka整合，创建直连的DStream
    // SparkStreaming跟kafka整合的参数
    // kafka的消费者默认的参数就是5秒钟自动提交偏移量到kafka特殊的topic（__consumer_offsets）中
    val kafkaParams: Map[String, Object] = Map[String, Object](
      "bootstrap.servers" -> "feng05:9092,feng06:9092,feng07:9092",
      "key.deserializer" -> "org.apache.kafka.common.serialization.StringDeserializer",
      "value.deserializer" -> "org.apache.kafka.common.serialization.StringDeserializer",
      "group.id" -> groupId,
      "auto.offset.reset" -> "earliest" //如果没有记录偏移量，第一次从最开始读，有偏移量，接着偏移量读
      , "enable.auto.commit" -> (false: lang.Boolean) //消费者不自动提交偏移量
    )
    // 需要订阅的topic
    val topics = allTopics.split(",")

    // 跟kafka进行整合，需要引入跟kafka整合的依赖
    //createDirectStream更加高效，使用的是Kafka底层的消费API，消费者直接连接到Kafka的Leader分区进行消费
    //直连方式，RDD的分区数量和Kafka的分区数量是一一对应的【数目一样】
    val kafkaDStream: InputDStream[ConsumerRecord[String, String]] = KafkaUtils.createDirectStream[String, String](
      ssc,
      LocationStrategies.PreferConsistent, //调度task到Kafka所在的节点
      ConsumerStrategies.Subscribe[String, String](topics, kafkaParams) //指定订阅Topic的规则
    )

    kafkaDStream.foreachRDD(rdd => {
      // 判断当前批次的rdd是否有数据
      if(!rdd.isEmpty()){
        val offsetRanges: Array[OffsetRange] = rdd.asInstanceOf[HasOffsetRanges].offsetRanges
        println("偏移量长度"+offsetRanges.length)
        println(offsetRanges.toBuffer)
        // 进行wc计算
        val words = rdd.flatMap(_.value().split(" "))
        val wordAndOne: RDD[(String, Int)] = words.map((_, 1))
        val reduced: RDD[(String, Int)] = wordAndOne.reduceByKey(_ + _)
        //将计算好的结果收集到Driver端再写入到MySQL中【保证数据和偏移量写入在一个事物中】
        //触发Action，将数据收集到Driver段
        val res: Array[(String, Int)] = reduced.collect()
        println("长度"+res.length)
        println(res.toBuffer)
        var connection:Connection = null
        var ps1: PreparedStatement = null
        var ps2: PreparedStatement = null
        // 利用事务往MYSQL存相关数据
        try {
          connection = DriverManager.getConnection("jdbc:mysql://localhost:3306/db_user", "root", "feng")
          // 设置不自动提交事务
          connection.setAutoCommit(false)
          // 往mysql中写入word以及相应的count
          val ps1: PreparedStatement = connection.prepareStatement("INSERT INTO t_wordcount (word, count) VALUES(?, ?) ON DUPLICATE KEY UPDATE count=count+?")
          for (tp <- res){
            ps1.setString(1,tp._1)
            ps1.setInt(2,tp._2)
            ps1.setInt(3,tp._2)
            ps1.executeUpdate()    //没有提交事务，不会将数据真正写入MYSQL
          }
          // 往mysql中写入偏移量
          val ps2: PreparedStatement = connection.prepareStatement("INSERT INTO t_kafka_offset (app_gid, topic_partition, offset) VALUES(?, ?, ?) ON DUPLICATE KEY UPDATE offset=?")
          for (offsetRange <- offsetRanges){
            //topic名称
            val topic: String = offsetRange.topic
            // topic分区编号
            val partition: Int = offsetRange.partition
            // 获取结束的偏移量
            val utilOffset: Long = offsetRange.untilOffset
            ps2.setString(1, appName+"_"+groupId)
            ps2.setString(2,topic+"_"+partition)
            ps2.setLong(3,utilOffset)
            ps2.setLong(4,utilOffset)
            ps2.executeUpdate()
          }
          // 提交事务
          connection.commit()
        } catch {
          case e:Exception => {
            // 回滚事务
            connection.rollback()
            // 让人物停掉
            ssc.stop()
          }
        } finally{
          if(ps2 != null){
            ps2.close()
          }
          if(ps1 != null){
            ps1.close()
          }
          if(connection != null){
            connection.close()
          }
        }
      }
    })
    ssc.start()
    ssc.awaitTermination()
  }
}

此处自己的代码出现了如下问题（暂时没有解决）

当再次消费生产者产生的数据时，统计出现如上问题（暂时没解决），

（2）若是不查询mysql中的偏移量，可能存在重复读取kafka中的数据，比如mysql挂掉时，代码继续消费生产者产生的数据，但数据没有成功写入mysql，当重启mysql并相应重启代码时，会发现kafka中的所有数据会被重新读取一遍，原因：

 解决办法，在消费kafka中的数据时，先读取mysql中的偏移量数据，这样消费者从kafka中消费数据时就会从指定的偏移量开始消费，具体代码如下

ExactlyWordCountOffsetStoreInMySQL（考虑了mysql已经存储的历史记录）

package cn._51doit.spark.day13

import java.sql.{Connection, DriverManager, PreparedStatement}

import cn._51doit.spark.utils.OffsetUtils
import org.apache.kafka.clients.consumer.ConsumerRecord
import org.apache.kafka.common.TopicPartition
import org.apache.spark.SparkConf
import org.apache.spark.rdd.RDD
import org.apache.spark.streaming.dstream.InputDStream
import org.apache.spark.streaming.kafka010._
import org.apache.spark.streaming.{Milliseconds, StreamingContext}

/**
  * 从Kafka读取数据，实现ExactlyOnce，偏移量保存到MySQL中
  * 1.将聚合好的数据，收集到Driver端，
  * 2.然后建计算好的数据和偏移量在一个事物中同时保存到MySQL中
  * 3.成功了提交事物
  * 4.失败了让这个任务重启
  *
  * MySQL数据库中有两张表：保存计算好的结果、保存偏移量
  */
object ExactlyOnceWordCountOffsetStoreInMySQL {

  def main(args: Array[String]): Unit = {

    //true a1 g1 ta,tb
    val Array(isLocal, appName, groupId, allTopics) = args


    val conf = new SparkConf()
      .setAppName(appName)

    if (isLocal.toBoolean) {
      conf.setMaster("local[*]")
    }


    //创建StreamingContext，并指定批次生成的时间
    val ssc = new StreamingContext(conf, Milliseconds(5000))
    //设置日志级别
    ssc.sparkContext.setLogLevel("WARN")

    //SparkStreaming 跟kafka进行整合
    //1.导入跟Kafka整合的依赖
    //2.跟kafka整合，创建直连的DStream【使用底层的消费API，效率更高】

    val topics = allTopics.split(",")

    //SparkSteaming跟kafka整合的参数
    //kafka的消费者默认的参数就是每5秒钟自动提交偏移量到Kafka特殊的topic中: __consumer_offsets
    val kafkaParams = Map[String, Object](
      "bootstrap.servers" -> "node-1.51doit.cn:9092,node-2.51doit.cn:9092,node-3.51doit.cn:9092",
      "key.deserializer" -> "org.apache.kafka.common.serialization.StringDeserializer",
      "value.deserializer" -> "org.apache.kafka.common.serialization.StringDeserializer",
      "group.id" -> groupId,
      "auto.offset.reset" -> "earliest" //如果没有记录偏移量，第一次从最开始读，有偏移量，接着偏移量读
      , "enable.auto.commit" -> (false: java.lang.Boolean) //消费者不自动提交偏移量
    )

    //在创建KafkaDStream之前要先读取MySQL数据库，查询历史偏移量，没有就从头读，有就接着读
    //offsets: collection.Map[TopicPartition, Long]
    val offsets: Map[TopicPartition, Long] = OffsetUtils.queryHistoryOffsetFromMySQL(appName, groupId)

    //跟Kafka进行整合，需要引入跟Kafka整合的依赖
    //createDirectStream更加高效，使用的是Kafka底层的消费API，消费者直接连接到Kafka的Leader分区进行消费
    //直连方式，RDD的分区数量和Kafka的分区数量是一一对应的【数目一样】
    val kafkaDStream: InputDStream[ConsumerRecord[String, String]] = KafkaUtils.createDirectStream[String, String](
      ssc,
      LocationStrategies.PreferConsistent, //调度task到Kafka所在的节点
      ConsumerStrategies.Subscribe[String, String](topics, kafkaParams, offsets) //指定订阅Topic的规则
    )

    kafkaDStream.foreachRDD(rdd => {

      //判断当前批次的RDD是否有数据
      if (!rdd.isEmpty()) {

        //获取RDD所有分区的偏移量
        val offsetRanges: Array[OffsetRange] = rdd.asInstanceOf[HasOffsetRanges].offsetRanges

        //实现WordCount业务逻辑
        val words: RDD[String] = rdd.flatMap(_.value().split(" "))
        val wordsAndOne: RDD[(String, Int)] = words.map((_, 1))
        val reduced: RDD[(String, Int)] = wordsAndOne.reduceByKey(_ + _)
        //将计算好的结果收集到Driver端再写入到MySQL中【保证数据和偏移量写入在一个事物中】
        //触发Action，将数据收集到Driver段
        val res: Array[(String, Int)] = reduced.collect()

        //创建一个MySQL的连接【在Driver端创建】
        //默认MySQL自动提交事物

        var connection: Connection = null
        var ps1: PreparedStatement = null
        var ps2: PreparedStatement = null
        try {
          connection = DriverManager.getConnection("jdbc:mysql://localhost:3306/bigdata", "root", "123456")
          //不要自动提交事物
          connection.setAutoCommit(false)

          ps1 = connection.prepareStatement("INSERT INTO t_wordcount (word, counts) VALUES (?, ?) ON DUPLICATE KEY UPDATE counts = counts + ?")
          //将计算好的WordCount结果写入数据库表中，但是没有提交事物
          for (tp <- res) {
            ps1.setString(1, tp._1)
            ps1.setLong(2, tp._2) 
            ps1.setLong(3, tp._2)
            ps1.executeUpdate() //没有提交事物，不会讲数据真正写入到MySQL
          }

          //(app1_g001, wc_0) ->  1000
          ps2 = connection.prepareStatement("INSERT INTO t_kafka_offset (app_gid, topic_partition, offset) VALUES (?, ?, ?) ON DUPLICATE KEY UPDATE offset = ?")
          //将偏移量写入到MySQL的另外一个表中，也没有提交事物
          for (offsetRange <- offsetRanges) {
            //topic名称
            val topic = offsetRange.topic
            //topic分区编号
            val partition = offsetRange.partition
            //获取结束偏移量
            val untilOffset = offsetRange.untilOffset
            //将结果写入MySQL
            ps2.setString(1, appName + "_" + groupId)
            ps2.setString(2, topic + "_" + partition)
            ps2.setLong(3, untilOffset)
            ps2.setLong(4, untilOffset)
            ps2.executeUpdate()
          }

          //提交事物
          connection.commit()

        } catch {
          case e: Exception => {
            //回滚事物
            connection.rollback()
            //让任务停掉
            ssc.stop()
          }
        } finally {
          if(ps2 != null) {
            ps2.close()
          }
          if(ps1 != null) {
            ps1.close()
          }
          if(connection != null) {
            connection.close()
          }
        }
      }
    })


    ssc.start()

    ssc.awaitTermination()


  }
}

 OffsetUtils类（封装了查询偏移量的方法：queryHistoryOffsetFromMysql）

package com._51doit.utils

import java.sql.{Connection, DriverManager, ResultSet}

import org.apache.kafka.common.TopicPartition
import org.apache.spark.streaming.kafka010.OffsetRange

import scala.collection.mutable

object OffsetUtils {


  def queryHistoryOffsetFromMySQL(appName: String, groupId: String): Map[TopicPartition, Long] = {

    val offsets = new mutable.HashMap[TopicPartition, Long]()

    val connection = DriverManager.getConnection("jdbc:mysql://localhost:3306/bigdata", "root", "123456")

    val ps = connection.prepareStatement("SELECT topic_partition, offset FROM t_kafka_offset WHERE" +
      " app_gid = ?")

    ps.setString(1, appName + "_" +groupId)

    val rs: ResultSet = ps.executeQuery()

    while (rs.next()) {
      val topicAndPartition = rs.getString(1)
      val offset = rs.getLong(2)
      val fields = topicAndPartition.split("_")
      val topic = fields(0)
      val partition = fields(1).toInt
      val topicPartition = new TopicPartition(topic, partition)
      //将构建好的TopicPartition放入map中
      offsets(topicPartition) = offset
    }
    offsets.toMap
  }


  /**
   * 将偏移量更新到MySQL中
   * @param offsetRanges
   * @param connection
   */
  def updateOffsetToMySQL(appNameAndGroupId: String, offsetRanges: Array[OffsetRange], connection: Connection) = {

    val ps = connection.prepareStatement("INSERT INTO t_kafka_offset (app_gid, topic_partition, offset) VALUES (?, ?, ?) ON DUPLICATE KEY UPDATE offset = ?")

    for (offsetRange <- offsetRanges) {
      //topic名称
      val topic = offsetRange.topic
      //topic分区编号
      val partition = offsetRange.partition
      //获取结束偏移量
      val untilOffset = offsetRange.untilOffset
      //将结果写入MySQL
      ps.setString(1, appNameAndGroupId)
      ps.setString(2, topic + "_" + partition)
      ps.setLong(3, untilOffset)
      ps.setLong(4, untilOffset)
      ps.executeUpdate()
    }
    ps.close()
  }

}

4 将数据写入kafka

　　需求：将access.log的数据写入kafka中

　　此相当于自己写了一个kafka生产者，然后把数据写入名叫access的topic中，然后就可以使用sparkstreaming消费kafka中的数据，然后进行统计

DataToKafka代码

package cn._51doit.spark.day12

import java.util.Properties

import org.apache.kafka.clients.producer.{KafkaProducer, ProducerRecord}
import org.apache.kafka.common.serialization.StringSerializer

import scala.io.Source

// 相当于自己写了一个kafka生产者，然后把数据写入access的topic中，然后就可以使用sparkstreaming消费kafka中的数据，然后进行统计
object DataToKafka {

  def main(args: Array[String]): Unit = {

    // 1 配置参数
    val props = new Properties()

    // 连接kafka节点
    props.setProperty("bootstrap.servers", "node-1.51doit.cn:9092,node-2.51doit.cn:9092,node-3.51doit.cn:9092")
    //指定key序列化方式
    props.setProperty("key.serializer", "org.apache.kafka.common.serialization.StringSerializer")
    //指定value序列化方式
    props.setProperty("value.serializer", classOf[StringSerializer].getName) // 两种写法都行

    val topic = "access"

    // 2 kafka的生产者
    val producer: KafkaProducer[String, String] = new KafkaProducer[String, String](props)


    //读取一个文件的数据
    val iterator = Source.fromFile(args(0)).getLines()

    iterator.foreach(line => {

      //没有指定Key和分区，默认的策略就是轮询，数据写入一部分后，切换leader分区（均匀写入多个分区中）
      val record = new ProducerRecord[String, String](topic,line)

      // 4 发送消息
      producer.send(record)

    })

    println("message send success")
    // 释放资源
    producer.close()
  }

}

tttt