一、安装Kafka
1.执行以下命令完成Kafka的安装：
cd ~ //默认压缩包放在根目录
sudo tar -zxf kafka_2.11-2.3.1.tgz -C /usr/local
cd /usr/local
sudo mv kafka_2.11-2.3.1 kafka-2.3.1
sudo chown -R qiangzi ./kafka-2.3.1二、启动Kafaka
1.首先需要启动Kafka，打开一个终端，输入下面命令启动Zookeeper服务：
cd /usr/local/kafka-2.3.1
./bin/zookeeper-server-start.sh config/zookeeper.properties
注意：以上现象是Zookeeper服务器已经启动，正在处于服务状态。不要关闭！
2.打开第二个终端，输入下面命令启动Kafka服务：
cd /usr/local/kafka-2.3.1
./bin/kafka-server-start.sh config/server.properties//加了“&”的命令，Kafka就会在后台运行，即使关闭了这个终端，Kafka也会一直在后台运行。
bin/kafka-server-start.sh config/server.properties &
注意：同样不要误以为死机了，而是Kafka服务器已经启动，正在处于服务状态。
三、创建Topic
1.再打开第三个终端，然后输入下面命令创建一个自定义名称为“wordsender”的Topic：
cd /usr/local/kafka-2.3.1
./bin/kafka-topics.sh --create --zookeeper localhost:2181 \
> --replication-factor 1 --partitions 1 \
> --topic wordsender2.然后，可以执行如下命令，查看名称为“wordsender”的Topic是否已经成功创建：
./bin/kafka-topics.sh --list --zookeeper localhost:2181
3.再新开一个终端（记作“监控输入终端”），执行如下命令监控Kafka收到的文本：
cd /usr/local/kafka-2.3.1
bin/kafka-console-consumer.sh \
> --bootstrap-server localhost:9092 --topic wordsender注意，所有这些终端窗口都不要关闭，要继续留着后面使用。
四、Spark准备工作
Kafka和Flume等高级输入源，需要依赖独立的库（jar文件），因此，需要为Spark添加相关jar包。访问MVNREPOSITORY官网（http://mvnrepository.com），下载spark-streaming-kafka-0-10_2.12-3.5.1.jar和spark-token-provider-kafka-0-10_2.12-3.5.1.jar文件，其中，2.12表示Scala的版本号，3.2.0表示Spark版本号。然后，把这两个文件复制到Spark目录的jars目录下（即“/usr/local/spark/jars”目录）。此外，还需要把“/usr/local/kafka/libs”目录下的kafka-clients-2.6.0.jar文件复制到Spark目录的jars目录下。
sudo mv ./spark-streaming-kafka-0-10_2.12-3.5.1.jar /usr/local/spark-3.5.1/jars/
sudo mv ./spark-token-provider-kafka-0-10_2.12-3.5.1.jar /usr/local/spark-3.5.1/jars/
spark-streaming-kafka-0-10_2.12-3.5.1.jar的下载页面：
Maven Repository: org.apache.spark » spark-streaming-kafka-0-10_2.12 » 3.5.1 (mvnrepository.com)
spark-streaming-kafka-0-10_2.12-3.5.1.jar的下载页面：
Maven Repository: org.apache.spark » spark-token-provider-kafka-0-10_2.12 » 3.5.1 (mvnrepository.com)
进入下载页面以后，如下图所示，点击红色方框内的“jar”，就可以下载JAR包了。
五、编写Spark Streaming程序使用Kafka数据源
1.编写生产者（Producer）程序
（1）新打开一个终端，然后，执行如下命令创建代码目录和代码文件：
cd /usr/local/spark-3.5.1
mkdir mycode
cd ./mycode
mkdir kafka
mkdir -p kafka/src/main/scala
vi kafka/src/main/scala/KafkaWordProducer.scala（2）使用vi编辑器新建了KafkaWordProducer.scala
它是用来产生一系列字符串的程序，会产生随机的整数序列，每个整数被当作一个单词，提供给KafkaWordCount程序去进行词频统计。请在KafkaWordProducer.scala中输入以下代码：
import java.util.HashMap
import org.apache.kafka.clients.producer.{KafkaProducer, ProducerConfig, ProducerRecord}
import org.apache.spark.SparkConf
import org.apache.spark.streaming._
import org.apache.spark.streaming.kafka010._
object KafkaWordProducer {def main(args: Array[String]) {if (args.length < 4) {System.err.println("Usage: KafkaWordProducer <metadataBrokerList> <topic> " +"<messagesPerSec> <wordsPerMessage>")System.exit(1)}val Array(brokers, topic, messagesPerSec, wordsPerMessage) = args// Zookeeper connection propertiesval props = new HashMap[String, Object]()props.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, brokers)props.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG,"org.apache.kafka.common.serialization.StringSerializer")props.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG,"org.apache.kafka.common.serialization.StringSerializer")val producer = new KafkaProducer[String, String](props)// Send some messageswhile(true) {(1 to messagesPerSec.toInt).foreach { messageNum =>val str = (1 to wordsPerMessage.toInt).map(x => scala.util.Random.nextInt(10).
toString).mkString(" ")print(str)println()val message = new ProducerRecord[String, String](topic, null, str)producer.send(message)}Thread.sleep(1000)}}
}2.编写消费者（Consumer）程序
在“/usr/local/spark/mycode/kafka/src/main/scala”目录下创建代码文件KafkaWordCount.scala，用于单词词频统计，它会把KafkaWordProducer发送过来的单词进行词频统计，代码内容如下：
cd /usr/local/spark-3.5.1/mycode
vi kafka/src/main/scala/KafkaWordCount.scalaimport org.apache.spark._
import org.apache.spark.SparkConf
import org.apache.spark.rdd.RDD
import org.apache.spark.streaming._
import org.apache.spark.streaming.kafka010._
import org.apache.spark.streaming.StreamingContext._
import org.apache.spark.streaming.kafka010.KafkaUtils
import org.apache.kafka.common.serialization.StringDeserializer
import org.apache.spark.streaming.kafka010.LocationStrategies.PreferConsistent
import org.apache.spark.streaming.kafka010.ConsumerStrategies.Subscribeobject KafkaWordCount{def main(args:Array[String]){val sparkConf = new SparkConf().setAppName("KafkaWordCount").setMaster("local[2]")val sc = new SparkContext(sparkConf)sc.setLogLevel("ERROR")val ssc = new StreamingContext(sc,Seconds(10))ssc.checkpoint("file:///usr/local/spark-3.5.1/mycode/kafka/checkpoint") //设置检查点，如果存放在HDFS上面，则写成类似ssc.checkpoint("/user/hadoop/checkpoint")这种形式，但是，要启动Hadoopval kafkaParams = Map[String, Object]("bootstrap.servers" -> "localhost:9092","key.deserializer" -> classOf[StringDeserializer],"value.deserializer" -> classOf[StringDeserializer],"group.id" -> "use_a_separate_group_id_for_each_stream","auto.offset.reset" -> "latest","enable.auto.commit" -> (true: java.lang.Boolean))val topics = Array("wordsender")val stream = KafkaUtils.createDirectStream[String, String](ssc,PreferConsistent,Subscribe[String, String](topics, kafkaParams))stream.foreachRDD(rdd => {val offsetRange = rdd.asInstanceOf[HasOffsetRanges].offsetRangesval maped: RDD[(String, String)] = rdd.map(record => (record.key,record.value))val lines = maped.map(_._2)val words = lines.flatMap(_.split(" "))val pair = words.map(x => (x,1))val wordCounts = pair.reduceByKey(_+_)wordCounts.foreach(println)})ssc.startssc.awaitTermination}
}3.在路径“file:///usr/local/spark/mycode/kafka/”下创建“checkpoint”目录作为预写式日志的存放路径。
cd ./kafka
mkdir checkpoint4.继续在当前目录下创建StreamingExamples.scala代码文件，用于设置log4j:
cd /usr/local/spark-3.5.1/mycode/
vi kafka/src/main/scala/StreamingExamples.scala/*StreamingExamples.scala*/
package org.apache.spark.examples.streaming
import org.apache.spark.internal.Logging
import org.apache.log4j.{Level, Logger} /** Utility functions for Spark Streaming examples. */
object StreamingExamples extends Logging {/** Set reasonable logging levels for streaming if the user has not configured log4j. */def setStreamingLogLevels() {val log4jInitialized = Logger.getRootLogger.getAllAppenders.hasMoreElementsif (!log4jInitialized) {// We first log something to initialize Spark's default logging, then we override the// logging level.logInfo("Setting log level to [WARN] for streaming example." +" To override add a custom log4j.properties to the classpath.")Logger.getRootLogger.setLevel(Level.WARN)} } } 5.编译打包程序
现在在“/usr/local/spark/mycode/kafka/src/main/scala”目录下，就有了如下3个代码文件：
然后，执行下面命令新建一个simple.sbt文件：
cd /usr/local/spark-3.5.1/mycode/kafka/
vim simple.sbt在simple.sbt中输入以下代码：
name := "Simple Project"
version := "1.0"
scalaVersion := "2.12.18"
libraryDependencies += "org.apache.spark" %% "spark-core" % "3.5.1"
libraryDependencies += "org.apache.spark" %% "spark-streaming" % "3.5.1" % "provided"
libraryDependencies += "org.apache.spark" %% "spark-streaming-kafka-0-10" % "3.5.1"
libraryDependencies += "org.apache.kafka" %% "kafka-clients" % "2.6.0"然后执行下面命令，进行编译打包：
cd /usr/local/spark/mycode/kafka/
/usr/local/sbt-1.9.0/sbt/sbt package打包成功界面
6. 运行程序
首先，启动Hadoop，因为如果前面KafkaWordCount.scala代码文件中采用了ssc.checkpoint
("/user/hadoop/checkpoint")这种形式，这时的检查点是被写入HDFS，因此需要启动Hadoop。启动Hadoop的命令如下：
cd /usr/local/hadoop-2.10.1
./sbin/start-dfs.sh
或者
start-dfs.sh
start-yarn.sh启动Hadoop成功以后，就可以测试刚才生成的词频统计程序了。
要注意，之前已经启动了Zookeeper服务和Kafka服务，因为之前那些终端窗口都没有关闭，所以，这些服务一直都在运行。如果不小心关闭了之前的终端窗口，那就参照前面的内容，再次启动Zookeeper服务，启动Kafka服务。
然后，新打开一个终端，执行如下命令，运行“KafkaWordProducer”程序，生成一些单词（是一堆整数形式的单词）：
cd /usr/local/spark/mycode/kafka/
/usr/local/spark/bin/spark-submit \
> --class "KafkaWordProducer" \
> ./target/scala-2.12/simple-project_2.12-1.0.jar \
> localhost:9092 wordsender 3 5 /usr/local/spark-3.5.1/bin/spark-submit --class "KafkaWordProducer" --packages org.apache.kafkkafka-clients:2.6.0 ./target/scala-2.12/simple-project_2.12-1.0.jar localhost:9092 wordsender 3 5注意，上面命令中，“localhost:9092 wordsender 3 5”是提供给KafkaWordProducer程序的4个输入参数，第1个参数“localhost:9092”是Kafka的Broker的地址，第2个参数“wordsender”是Topic的名称，我们在KafkaWordCount.scala代码中已经把Topic名称写死掉，所以，KafkaWordCount程序只能接收名称为“wordsender”的Topic。第3个参数“3”表示每秒发送3条消息，第4个参数“5”表示每条消息包含5个单词（实际上就是5个整数）。
执行上面命令后，屏幕上会不断滚动出现类似如下的新单词：
不要关闭这个终端窗口，让它一直不断发送单词。然后，再打开一个终端，执行下面命令，运行KafkaWordCount程序，执行词频统计：
cd /usr/local/spark/mycode/kafka/
/usr/local/spark/bin/spark-submit \
> --class "KafkaWordCount" \
> ./target/scala-2.12/simple-project_2.12-1.0.jar出现报错信息，暂时无法解决
待完善！！！
![[公开课学习]台大李宏毅-自注意力机制 Transformer](https://img-blog.csdnimg.cn/direct/a37043ac6d2149c3a637c1fa97c9be36.png)
