Kafka+Spark Streaming进行网站黑名单实时过滤


开发环境:

  • spark 2.3
  • kafka 1.1.1

黑名单数据是从mysql中获取的。源数据是从kafka中获取的,数据格式就是简单的姓名,为了与黑名单数据做join,源数据和黑名单数据都需要转换成键值对的形式。

Java代码:

package cn.spark.streaming;

import java.util.HashMap;
import java.util.HashSet;
import java.util.Map;
import java.util.Set;

import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.Optional;
import org.apache.spark.api.java.function.Function;
import org.apache.spark.api.java.function.PairFunction;
import org.apache.spark.sql.Dataset;
import org.apache.spark.sql.Row;
import org.apache.spark.sql.SparkSession;
import org.apache.spark.streaming.Durations;
import org.apache.spark.streaming.api.java.JavaDStream;
import org.apache.spark.streaming.api.java.JavaPairInputDStream;
import org.apache.spark.streaming.api.java.JavaStreamingContext;
import org.apache.spark.streaming.kafka.KafkaUtils;

import kafka.serializer.StringDecoder;
import scala.Tuple2;

/**
 * use transform filter balcklist
 * base on kafka message queue 
 *
 */
public class BlackListFilter {

    public static void main(String[] args) throws Exception{
        
        SparkConf conf = new SparkConf().setAppName("BlackListFilter");
        
        // create context
        JavaStreamingContext jssc = new JavaStreamingContext(conf, Durations.seconds(5));
        
        // open checkpoint mechanism 
        jssc.checkpoint(args[0]);
        
        // properties map 
        Map<String, String> KafkaParams = new HashMap<String, String>();
        KafkaParams.put("bootstrap.servers", "hserver-1:9092,hserver-2:9092,hserver-3:9092");
        KafkaParams.put("gruop.id", "BlackListFilter");
        KafkaParams.put("auto.offest.reset", "smallest");
        
        // topic set
        Set<String> topics = new HashSet<String>();
        topics.add(args[1]);
        
        // create DStream
        JavaPairInputDStream<String, String> InputPairDstream = 
                KafkaUtils.createDirectStream(
                        jssc, 
                        String.class,
                        String.class,
                        StringDecoder.class,
                        StringDecoder.class,
                        KafkaParams,
                        topics
                        );
        
        // get blocklist from mysql
        SparkSession spark = SparkSession
                    .builder()
                    .enableHiveSupport()
                    .getOrCreate();
        
        // read data --> return Dataset
        Dataset<Row> BlackList = spark
                    .read()
                    .format("jdbc")
                    .option("url", "jdbc:mysql://hserver-1:3306/retail_db")
                    .option("driver", "com.mysql.jdbc.Driver")
                    .option("dbtable", "blacklist")
                    .option("username", "root")
                    .option("password", "root")
                    .load();
        
        // transform Dataset into JavaRDD
        JavaRDD<Row> BlackListRDD = BlackList.toJavaRDD();
        
        // transform JavaRDD into JavaPairRDD --> the second element type is Boolean
        final JavaPairRDD<String, Boolean> BlackListPairRDD = 
                BlackListRDD.mapToPair(
                
                    new PairFunction<Row, String, Boolean>() {
    
                        private static final long serialVersionUID = -6634120981007776151L;
    
                        @Override
                        public Tuple2<String, Boolean> call(Row name) throws Exception {
                        
                            return new Tuple2<String, Boolean>(name.getString(0), true);
                        }
                    });
        
        // transform kafka data flow
        JavaDStream<String> VaildListDStream = InputPairDstream.transform(
                
                new Function<JavaPairRDD<String,String>, JavaRDD<String>>() {


                    private static final long serialVersionUID = -7488950207291980402L;

                    @Override
                    public JavaRDD<String> call(JavaPairRDD<String, String> KafkaDataRDD) throws Exception {
                        
                        // create source RDD --> UserRDD: access log
                        JavaPairRDD<String, String> UserRDD = 
                                KafkaDataRDD.mapToPair(
                                
                                    new PairFunction<Tuple2<String,String>, String, String>() {
    
                                        private static final long serialVersionUID = 1L;
    
                                        @Override
                                        public Tuple2<String, String> call(Tuple2<String, String> tuple) throws Exception {
                                            
                                            return new Tuple2<String, String>(tuple._2, "........");
                                        }
                                    });
                        
                        // leftOutJoin
                        JavaPairRDD<String, Tuple2<String, Optional<Boolean>>> JoinRDD = 
                                UserRDD.leftOuterJoin(BlackListPairRDD);
                        
                        // do blacklist filtering
                        JavaPairRDD<String, Tuple2<String, Optional<Boolean>>> FilterRDD = 
                                JoinRDD.filter(
                                    
                                        new Function<Tuple2<String,Tuple2<String,Optional<Boolean>>>, Boolean>() {
                                
                                        private static final long serialVersionUID = 791090533213057710L;
    
                                        @Override
                                        public Boolean call(Tuple2<String, Tuple2<String, Optional<Boolean>>> tuple) throws Exception {
                                            
                                            if(tuple._2._2.isPresent() && tuple._2._2.get()){
                                                
                                                return false;
                                            } else {
                                                return true;
                                            }
                                        }
                                    });

                        // mapToPair 
                        JavaRDD<String> resultRDD = 
                                FilterRDD.map(
                                    new Function<
                                    Tuple2<String,Tuple2<String,Optional<Boolean>>>, String>() {

                                        private static final long serialVersionUID = -54290472445703194L;

                                        @Override
                                        public String call(Tuple2<String, Tuple2<String, Optional<Boolean>>> tuple)
                                                throws Exception {

                                            return tuple._1 + "--->" + tuple._2._1;
                                        }
                                });
                        
                        return resultRDD;
                    }
                });
        
        // print result
        VaildListDStream.print();
        
        jssc.start();
        
        jssc.awaitTermination();
        
        jssc.close();
        
        spark.close();
        
    }
    
}

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 210,978评论 6 490
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 89,954评论 2 384
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 156,623评论 0 345
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,324评论 1 282
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,390评论 5 384
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,741评论 1 289
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,892评论 3 405
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,655评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,104评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,451评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,569评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,254评论 4 328
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,834评论 3 312
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,725评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,950评论 1 264
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,260评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,446评论 2 348

推荐阅读更多精彩内容