一.Mapper和Scheme
scheme:将kafka传到spout里的数据格式进行转化. record->tuple
mapper:将storm传到kafka的数据格式进行转化.tuple->record
二.为什么要自定义消息格式
在很多需求里, 从kafka传递过来的数据并不是单纯的string, 可以是任意对象.当我们需要根据对象的某个属性进行分组时, 默认的new Fields("bytes")就不太适合.但是消息传递的形式还是string.我们可以在传入kafka之前使用fastJson的转化方法将实体对象转化成jsonString.
到了scheme在转换成实体类对象.
三.怎么更改scheme
构建kafkaSpout时我们要配置很多参数, 可以看一下kafkaConfig代码.
public final BrokerHosts hosts; //用以获取Kafka broker和partition的信息public final String topic;//从哪个topic读取消息public final String clientId; // SimpleConsumer所用的client idpublic int fetchSizeBytes = 1024 * 1024; //发给Kafka的每个FetchRequest中,用此指定想要的response中总的消息的大小public int socketTimeoutMs = 10000;//与Kafka broker的连接的socket超时时间public int fetchMaxWait = 10000; //当服务器没有新消息时,消费者会等待这些时间public int bufferSizeBytes = 1024 * 1024;//SimpleConsumer所使用的SocketChannel的读缓冲区大小public MultiScheme scheme = new RawMultiScheme();//从Kafka中取出的byte[],该如何反序列化public boolean forceFromStart = false;//是否强制从Kafka中offset最小的开始读起public long startOffsetTime = kafka.api.OffsetRequest.EarliestTime();//从何时的offset时间开始读,默认为最旧的offsetpublic long maxOffsetBehind = Long.MAX_VALUE;//KafkaSpout读取的进度与目标进度相差多少,相差太多,Spout会丢弃中间的消息public boolean useStartOffsetTimeIfOffsetOutOfRange = true;//如果所请求的offset对应的消息在Kafka中不存在,是否使startOffsetTime
可以看到, 所有的配置项都是public, 所以当我们实例化一个spoutConfig之后, 可以通过直接引用的方式进行更改属性值.
我们可以看构建kafkaspout的代码:
ZkHosts zkHosts = new ZkHosts(zkHost);// zk对地址有唯一性标识String zkRoot = "/" + topic;String id = UUID.randomUUID().toString();// 构建spoutConfigSpoutConfig spoutConf = new SpoutConfig(zkHosts, topic, zkRoot, id);spoutConf.scheme = new SchemeAsMultiScheme(new SensorDataScheme());spoutConf.startOffsetTime = OffsetRequest.LatestTime();KafkaSpout kafkaSpout = new KafkaSpout(spoutConf);
四.怎么自定义scheme
我们有这样一个需求,有一个实体类如下:
public class SensorData implements Serializable { // 设备Id; private String deviceId; // 型号id private String dmPropertiesId; // 通道名称; private String channelName; // 采集的温度值 private double deviceTemp; // 采集的时间; private Date date;}
数据进来kafka到storm消费时, 根据deviceId进行分组.当然, 我们在写入的时候对数据json化, 使用fastjson把实体对象变成字符串, 而不是直接传实体类对象进入kafka(亲测会报错, 无法进行转换).最终数据会在scheme的declare的方法里处理.
Scheme接口:
public interface Scheme extends Serializable { List
可以看到有两个需要实现的方法, 一个是传过来的byte数据进行转化, 一个是传入下一层bolt的时候以什么字段分组. 跟踪kafka的源码我们可以看到, 他的declare方法最终会调用scheme的方法来确认字段名.
看一下scheme的整体代码:
package dm.scheme;import java.nio.ByteBuffer;import java.nio.charset.Charset;import java.nio.charset.StandardCharsets;import java.util.List;import org.apache.storm.kafka.StringScheme;import org.apache.storm.spout.Scheme;import org.apache.storm.tuple.Fields;import org.apache.storm.tuple.Values;import org.apache.storm.utils.Utils;import com.alibaba.fastjson.JSON;import dm.entity.SensorData;/** * * KafkaRecord 映射 tuple 转化类; * * @author chenwen * */public class SensorDataScheme implements Scheme { /** * */ private static final long serialVersionUID = 1L; private static final Charset UTF8_CHARSET = StandardCharsets.UTF_8; /** * * 反序列化 */ @Override public List