Spark + Canal + Kafka打造Mysql增量數據實時進行監測分析
VSole2022-08-04 17:03:03
Spark中的Spark Streaming可以用于實時流項目的開發，實時流項目的數據源除了可以來源于日志、文件、網絡端口等，常常也有這種需求，那就是實時分析處理MySQL中的增量數據。
面對這種需求當然我們可以通過JDBC的方式定時查詢Mysql，然后再對查詢到的數據進行處理也能得到預期的結果，但是Mysql往往還有其他業務也在使用，這些業務往往比較重要，通過JDBC方式頻繁查詢會對Mysql造成大量無形的壓力，甚至可能會影響正常業務的使用，在基本不影響其他Mysql正常使用的情況下完成對增量數據的處理，那就需要Canal了。
假設Mysql中canal_test庫下有一張表policy_cred，需要統計實時統計policy_status狀態為1的mor_rate的的變化趨勢，并標注比率的風險預警等級。
1. Canal
Canal [k?'n?l] 是阿里巴巴開源的純java開發的基于數據庫binlog的增量訂閱&消費組件。Canal的原理是模擬為一個Mysql slave的交互協議，偽裝自己為MySQL slave，向Mysql Master發送dump協議，然后Mysql master接收到這個請求后將binary log推送給slave(也就是Canal)，Canal解析binary log對象。
關于Canal，建議閱讀：監聽MySQL的binlog日志工具分析：Canal、Maxwell
1.1 Canal 安裝
Canal的server mode在1.1.x版本支持的有TPC、Kafka、RocketMQ。本次安裝的canal版本為1.1.2，Canal版本最后在1.1.1之后。server端采用MQ模式，MQ選用Kafka。服務器系統為Centos7，其他環境為：jdk8、Scala 2.11、Mysql、Zookeeper、Kafka。
1.1.1 準備
安裝Canal之前我們先把如下安裝好
Mysql
a.如果沒有Mysql: 詳細的安裝過程可參考我的另一篇博客[Centos7環境下離線安裝mysql 5.7 / mysql 8.0]
b.開啟Mysql的binlog。修改/etc/my.cnf，在[mysqld]下添加如下配置，改完之后重啟 Mysql/etc/init.d/mysql restart
[mysqld] #添加這一行就ok log-bin=mysql-bin #選擇row模式 binlog-format=ROW #配置mysql replaction需要定義，不能和canal的slaveId重復 server_id=1
c. 創建一個Mysql用戶并賦予相應權限，用于Canal使用
mysql> CREATE USER canal IDENTIFIED BY 'canal'; mysql> GRANT SELECT, REPLICATION SLAVE, REPLICATION CLIENT ON *.* TO 'canal'@'%'; mysql> GRANT ALL PRIVILEGES ON *.* TO 'canal'@'%' ; mysql> FLUSH PRIVILEGES;
Zookeeper
因為安裝Kafka時需要Zookeeper，例如ZK安裝后地址為：cdh3:2181,cdh4:2181,cdh5:2181
Kafka
例如安裝后的地址為：node1:9092,node2:9092,node3:9092 安裝后創建一個Topic，例如創建一個 example
kafka-topics.sh --create --zookeeper cdh3:2181,cdh4:2181,cdh5:2181 --partitions 2 --replication-factor 1 --topic example
1.1.2 安裝Canal
1.下載Canal
訪問Canal的Release頁 canal v1.1.2 wget https://github.com/alibaba/canal/releases/download/canal-1.1.2/canal.deployer-1.1.2.tar.gz
2.解壓
注意 這里一定要先創建出一個目錄，直接解壓會覆蓋文件 mkdir -p /usr/local/canal mv canal.deployer-1.1.2.tar.gz /usr/local/canal/ tar -zxvf canal.deployer-1.1.2.tar.gz
3.修改instance 配置文件
vim $CANAL_HOME/conf/example/instance.properties，修改如下項，其他默認即可
## mysql serverId , v1.0.26+ will autoGen ， 不要和server_id重復 canal.instance.mysql.slaveId=3 # position info。Mysql的url canal.instance.master.address=node1:3306 # table meta tsdb info canal.instance.tsdb.enable=false # 這里配置前面在Mysql分配的用戶名和密碼 canal.instance.dbUsername=canal canal.instance.dbPassword=canal canal.instance.connectionCharset=UTF-8 # 配置需要檢測的庫名，可以不配置，這里只檢測canal_test庫 canal.instance.defaultDatabaseName=canal_test # enable druid Decrypt database password canal.instance.enableDruid=false # 配置過濾的正則表達式，監測canal_test庫下的所有表 canal.instance.filter.regex=canal_test\\..* # 配置MQ ## 配置上在Kafka創建的那個Topic名字 canal.mq.topic=example ## 配置分區編號為1 canal.mq.partition=1
4.修改canal.properties配置文件
vim $CANAL_HOME/conf/canal.properties，修改如下項，其他默認即可
# 這個是如果開啟的是tcp模式，會占用這個11111端口，canal客戶端通過這個端口獲取數據 canal.port = 11111 # 可以配置為：tcp, kafka, RocketMQ，這里配置為kafka canal.serverMode = kafka # 這里將這個注釋掉，否則啟動會有一個警告 #canal.instance.tsdb.spring.xml = classpath:spring/tsdb/h2-tsdb.xml ################################################## ######### MQ ############# ################################################## canal.mq.servers = node1:9092,node2:9092,node3:9092 canal.mq.retries = 0 canal.mq.batchSize = 16384 canal.mq.maxRequestSize = 1048576 canal.mq.lingerMs = 1 canal.mq.bufferMemory = 33554432 Canal的batch size, 默認50K, 由于kafka最大消息體限制請勿超過1M(900K以下) canal.mq.canalBatchSize = 50 # Canal get數據的超時時間, 單位: 毫秒, 空為不限超時 canal.mq.canalGetTimeout = 100 # 是否為flat json格式對象 canal.mq.flatMessage = true canal.mq.compressionType = none canal.mq.acks = all # kafka消息投遞是否使用事務 #canal.mq.transaction = false
5.啟動Canal
$CANAL_HOME/bin/startup.sh
6.驗證
查看日志：啟動后會在logs下生成兩個日志文件：logs/canal/canal.log、logs/example/example.log，查看這兩個日志，保證沒有報錯日志。
如果是在虛擬機安裝，最好給2個核數以上。
確保登陸的系統的hostname可以ping通。
在Mysql數據庫中進行增刪改查的操作，然后查看Kafka的topic為example的數據：
kafka-console-consumer.sh --bootstrap-server node1:9092,node2:9092,node3:9092 --from-beginning --topic example
7.關閉Canal
不用的時候一定要通過這個命令關閉，如果是用kill或者關機，當再次啟動依然會提示要先執行stop.sh腳本后才能再啟動。
$CANAL_HOME/bin/stop.sh
1.2 Canal客戶端代碼
如果我們不使用Kafka作為Canal客戶端，我們也可以用代碼編寫自己的Canal客戶端，然后在代碼中指定我們的數據去向。此時只需要將canal.properties配置文件中的canal.serverMode值改為tcp。編寫我們的客戶端代碼。在Maven項目的pom中引入：
<dependency>
<groupId>com.alibaba.otter</groupId>
<artifactId>canal.client</artifactId>
<version>1.1.2</version>
</dependency>
編寫代碼：
/**
* Canal客戶端。
* 注意：canal服務端只會連接一個客戶端，當啟用多個客戶端時，其他客戶端是就無法獲取到數據。所以啟動一個實例即可
* @see <a >官方文檔：ClientSample代碼</a>
*/
public class SimpleCanalClientExample {
public static void main(String args[]) {
/**
* 創建鏈接
* SocketAddress: 如果提交到canal服務端所在的服務器上運行這里可以改為 new InetSocketAddress(AddressUtils.getHostIp(), 11111)
* destination 通服務端canal.properties中的canal.destinations = example配置對應
* username：
* password：
*/
CanalConnector connector = CanalConnectors.newSingleConnector(
new InetSocketAddress("node1", 11111),
"example", "", "");
int batchSize = 1000;
int emptyCount = 0;
try {
connector.connect();
connector.subscribe(".*\\..*");
connector.rollback();
int totalEmptyCount = 120;
while (emptyCount < totalEmptyCount) {
Message message = connector.getWithoutAck(batchSize); // 獲取指定數量的數據
long batchId = message.getId();
int size = message.getEntries().size();
if (batchId == -1 || size == 0) {
emptyCount++;
System.out.println("empty count : " + emptyCount);
try {
Thread.sleep(1000);
} catch (InterruptedException e) {
}
} else {
emptyCount = 0;
// System.out.printf("message[batchId=%s,size=%s] \n", batchId, size);
printEntry(message.getEntries());
}
connector.ack(batchId); // 提交確認
// connector.rollback(batchId); // 處理失敗, 回滾數據
}
System.out.println("empty too many times, exit");
} finally {
connector.disconnect();
}
}
private static void printEntry(List<Entry> entrys) {
for (Entry entry : entrys) {
if (entry.getEntryType() == EntryType.TRANSACTIONBEGIN || entry.getEntryType() == EntryType.TRANSACTIONEND) {
continue;
}
RowChange rowChage = null;
try {
rowChage = RowChange.parseFrom(entry.getStoreValue());
} catch (Exception e) {
throw new RuntimeException("ERROR ## parser of eromanga-event has an error , data:" + entry.toString(),
e);
}
EventType eventType = rowChage.getEventType();
System.out.println(String.format("================> binlog[%s:%s] , name[%s,%s] , eventType : %s",
entry.getHeader().getLogfileName(), entry.getHeader().getLogfileOffset(),
entry.getHeader().getSchemaName(), entry.getHeader().getTableName(),
eventType));
/**
* 如果只對某些庫的數據操作，可以加如下判斷：
* if("庫名".equals(entry.getHeader().getSchemaName())){
* //TODO option
* }
*
* 如果只對某些表的數據變動操作，可以加如下判斷：
* if("表名".equals(entry.getHeader().getTableName())){
* //todo option
* }
*
*/
for (RowData rowData : rowChage.getRowDatasList()) {
if (eventType == EventType.DELETE) {
printColumn(rowData.getBeforeColumnsList());
} else if (eventType == EventType.INSERT) {
printColumn(rowData.getAfterColumnsList());
} else {
System.out.println("-------> before");
printColumn(rowData.getBeforeColumnsList());
System.out.println("-------> after");
printColumn(rowData.getAfterColumnsList());
}
}
}
}
private static void printColumn(List<Column> columns) {
for (Column column : columns) {
System.out.println(column.getName() + " : " + column.getValue() + " update=" + column.getUpdated());
}
}
}
本地運行上述代碼，我們修改Mysql數據中的數據，可在控制臺中看到數據的改變：
empty count : 20 empty count : 21 empty count : 22 ================> binlog[mysql-bin.000009:1510] , name[canal_test,customer] , eventType : INSERT id : 4 update=true name : spark update=true empty count : 1 empty count : 2 empty count : 3
2. Spark
通過上一步我們已經能夠獲取到 canal_test 庫的變化數據，并且已經可將將變化的數據實時推送到Kafka中，Kafka中接收到的數據是一條Json格式的數據，我們需要對 INSERT 和 UPDATE 類型的數據處理，并且只處理狀態為1的數據，然后需要計算 mor_rate 的變化，并判斷 mor_rate 的風險等級，0-75%為G1等級，75%-80%為R1等級，80%-100%為R2等級。最后將處理的結果保存到DB，可以保存到Redis、Mysql、MongoDB，或者推送到Kafka都可以。這里是將結果數據保存到了Mysql。
2.1 在Mysql中創建如下兩張表
-- 在canal_test庫下創建表
CREATE TABLE `policy_cred` (
p_num varchar(22) NOT NULL,
policy_status varchar(2) DEFAULT NULL COMMENT '狀態：0、1',
mor_rate decimal(20,4) DEFAULT NULL,
load_time datetime DEFAULT NULL,
PRIMARY KEY (`p_num`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
-- 在real_result庫下創建表
CREATE TABLE `real_risk` (
p_num varchar(22) NOT NULL,
risk_rank varchar(8) DEFAULT NULL COMMENT '等級：G1、R1、R2',
mor_rate decimal(20,4) ,
ch_mor_rate decimal(20,4),
load_time datetime DEFAULT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
2.2 Spark代碼開發
2.2.1 在resources下new一個項目的配置文件my.properties
## spark
# spark://cdh3:7077
spark.master=local[2]
spark.app.name=m_policy_credit_app
spark.streaming.durations.sec=10
spark.checkout.dir=src/main/resources/checkpoint
## Kafka
bootstrap.servers=node1:9092,node2:9092,node3:9092
group.id=m_policy_credit_gid
# latest, earliest, none
auto.offset.reset=latest
enable.auto.commit=false
kafka.topic.name=example
## Mysql
mysql.jdbc.driver=com.mysql.jdbc.Driver
mysql.db.url=jdbc:mysql://node1:3306/real_result
mysql.user=root
mysql.password=123456
mysql.connection.pool.size=10
2.2.2 在pom.xml文件中引入如下依賴
<properties>
<project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
<project.reporting.outputEncoding>UTF-8</project.reporting.outputEncoding>
<maven.compiler.source>1.8</maven.compiler.source>
<maven.compiler.target>1.8</maven.compiler.target>
<scala.version>2.11.8</scala.version>
<spark.version>2.4.0</spark.version>
<canal.client.version>1.1.2</canal.client.version>
</properties>
<dependencies>
<dependency>
<groupId>com.alibaba.otter</groupId>
<artifactId>canal.client</artifactId>
<version>${canal.client.version}</version>
<exclusions>
<exclusion>
<groupId>io.netty</groupId>
<artifactId>netty-all</artifactId>
</exclusion>
</exclusions>
</dependency>
<dependency>
<groupId>org.scala-lang</groupId>
<artifactId>scala-library</artifactId>
<version>${scala.version}</version>
</dependency>
<!-- Spark -->
<!-- spark-core -->
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-core_2.11</artifactId>
<version>${spark.version}</version>
</dependency>
<!-- spark-streaming -->
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-streaming_2.11</artifactId>
<version>${spark.version}</version>
</dependency>
<!-- spark-streaming-kafka -->
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-streaming-kafka-0-10_2.11</artifactId>
<version>${spark.version}</version>
</dependency>
<!-- spark-sql -->
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-sql_2.11</artifactId>
<version>${spark.version}</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-client</artifactId>
<version>2.6.1</version>
</dependency>
<dependency>
<groupId>com.alibaba</groupId>
<artifactId>fastjson</artifactId>
<version>1.2.51</version>
</dependency>
<dependency>
<groupId>mysql</groupId>
<artifactId>mysql-connector-java</artifactId>
<version>5.1.47</version>
</dependency>
</dependencies>
2.2.3 在scala源碼目錄下的包下編寫配置文件的工具類
package yore.spark
import java.util.Properties
/**
* Properties的工具類
*
* Created by yore on 2018-06-29 14:05
*/
object PropertiesUtil {
private val properties: Properties = new Properties
/**
*
* 獲取配置文件Properties對象
*
* @author yore
* @return java.util.Properties
*/
def getProperties() :Properties = {
if(properties.isEmpty){
//讀取源碼中resource文件夾下的my.properties配置文件
val reader = getClass.getResourceAsStream("/my.properties")
properties.load(reader)
}
properties
}
/**
*
* 獲取配置文件中key對應的字符串值
*
* @author yore
* @return java.util.Properties
*/
def getPropString(key : String) : String = {
getProperties().getProperty(key)
}
/**
*
* 獲取配置文件中key對應的整數值
*
* @author yore
*/
def getPropInt(key : String) : Int = {
getProperties().getProperty(key).toInt
}
/**
*
* 獲取配置文件中key對應的布爾值
*
* @return java.util.Properties
*/
def getPropBoolean(key : String) : Boolean = {
getProperties().getProperty(key).toBoolean
}
}
2.2.4 在scala源碼目錄下的包下編寫數據庫操作的工具類
package yore.spark
import java.sql.{Connection, DriverManager, PreparedStatement, ResultSet, SQLException}
import java.util.concurrent.LinkedBlockingDeque
import scala.collection.mutable.ListBuffer
/**
*
* Created by yore on 2018/11/14 20:34
*/
object JDBCWrapper {
private var jdbcInstance : JDBCWrapper = _
def getInstance() : JDBCWrapper = {
synchronized{
if(jdbcInstance == null){
jdbcInstance = new JDBCWrapper()
}
}
jdbcInstance
}
}
class JDBCWrapper {
// 連接池的大小
val POOL_SIZE : Int = PropertiesUtil.getPropInt("mysql.connection.pool.size")
val dbConnectionPool = new LinkedBlockingDeque[Connection](POOL_SIZE)
try
Class.forName(PropertiesUtil.getPropString("mysql.jdbc.driver"))
catch {
case e: ClassNotFoundException => e.printStackTrace()
}
for(i <- 0 until POOL_SIZE){
try{
val conn = DriverManager.getConnection(
PropertiesUtil.getPropString("mysql.db.url"),
PropertiesUtil.getPropString("mysql.user"),
PropertiesUtil.getPropString("mysql.password"));
dbConnectionPool.put(conn)
}catch {
case e : Exception => e.printStackTrace()
}
}
def getConnection(): Connection = synchronized{
while (0 == dbConnectionPool.size()){
try{
Thread.sleep(20)
}catch {
case e : InterruptedException => e.printStackTrace()
}
}
dbConnectionPool.poll()
}
/**
* 批量插入
*
* @param sqlText sql語句字符
* @param paramsList 參數列表
* @return Array[Int]
*/
def doBatch(sqlText: String, paramsList: ListBuffer[ParamsList]): Array[Int] = {
val conn: Connection = getConnection()
var ps: PreparedStatement = null
var result: Array[Int] = null
try{
conn.setAutoCommit(false)
ps = conn.prepareStatement(sqlText)
for (paramters <- paramsList) {
paramters.params_Type match {
case "real_risk" => {
println("$$$\treal_risk\t" + paramsList)
// // p_num, risk_rank, mor_rate, ch_mor_rate, load_time
ps.setObject(1, paramters.p_num)
ps.setObject(2, paramters.risk_rank)
ps.setObject(3, paramters.mor_rate)
ps.setObject(4, paramters.ch_mor_rate)
ps.setObject(5, paramters.load_time)
}
}
ps.addBatch()
}
result = ps.executeBatch
conn.commit()
} catch {
case e: Exception => e.printStackTrace()
} finally {
if (ps != null) try {
ps.close()
} catch {
case e: SQLException => e.printStackTrace()
}
if (conn != null) try {
dbConnectionPool.put(conn)
} catch {
case e: InterruptedException => e.printStackTrace()
}
}
result
}
}
2.2.5 在scala源碼目錄下的包下編寫Spark程序代碼
package yore.spark
import com.alibaba.fastjson.{JSON, JSONArray, JSONObject}
import org.apache.kafka.common.serialization.StringDeserializer
import org.apache.log4j.{Level, Logger}
import org.apache.spark.SparkConf
import org.apache.spark.streaming.kafka010.ConsumerStrategies.Subscribe
import org.apache.spark.streaming.kafka010.KafkaUtils
import org.apache.spark.streaming.kafka010.LocationStrategies.PreferConsistent
import org.apache.spark.streaming.{Seconds, StreamingContext}
import scala.collection.mutable.ListBuffer
/**
*
* Created by yore on 2019/3/16 15:11
*/
object M_PolicyCreditApp {
def main(args: Array[String]): Unit = {
// 設置日志的輸出級別
Logger.getLogger("org").setLevel(Level.ERROR)
val conf = new SparkConf()
.setMaster(PropertiesUtil.getPropString("spark.master"))
.setAppName(PropertiesUtil.getPropString("spark.app.name"))
// ！！必須設置，否則Kafka數據會報無法序列化的錯誤
.set("spark.serializer", "org.apache.spark.serializer.KryoSerializer")
//如果環境中已經配置HADOOP_HOME則可以不用設置hadoop.home.dir
System.setProperty("hadoop.home.dir", "/Users/yoreyuan/soft/hadoop-2.9.2")
val ssc = new StreamingContext(conf, Seconds(PropertiesUtil.getPropInt("spark.streaming.durations.sec").toLong))
ssc.sparkContext.setLogLevel("ERROR")
ssc.checkpoint(PropertiesUtil.getPropString("spark.checkout.dir"))
val kafkaParams = Map[String, Object](
"bootstrap.servers" -> PropertiesUtil.getPropString("bootstrap.servers"),
"key.deserializer" -> classOf[StringDeserializer],
"value.deserializer" -> classOf[StringDeserializer],
"group.id" -> PropertiesUtil.getPropString("group.id"),
"auto.offset.reset" -> PropertiesUtil.getPropString("auto.offset.reset"),
"enable.auto.commit" -> (PropertiesUtil.getPropBoolean("enable.auto.commit"): java.lang.Boolean)
)
val topics = Array(PropertiesUtil.getPropString("kafka.topic.name"))
val kafkaStreaming = KafkaUtils.createDirectStream[String, String](
ssc,
PreferConsistent,
Subscribe[String, String](topics, kafkaParams)
)
kafkaStreaming.map[JSONObject](line => { // str轉成JSONObject
println("$$$\t" + line.value())
JSON.parseObject(line.value)
}).filter(jsonObj =>{ // 過濾掉非 INSERT和UPDATE的數據
if(null == jsonObj || !"canal_test".equals(jsonObj.getString("database")) ){
false
}else{
val chType = jsonObj.getString("type")
if("INSERT".equals(chType) || "UPDATE".equals(chType)){
true
}else{
false
}
}
}).flatMap[(JSONObject, JSONObject)](jsonObj => { // 將改變前和改變后的數據轉成Tuple
var oldJsonArr: JSONArray = jsonObj.getJSONArray("old")
val dataJsonArr: JSONArray = jsonObj.getJSONArray("data")
if("INSERT".equals(jsonObj.getString("type"))){
oldJsonArr = new JSONArray()
val oldJsonObj2 = new JSONObject()
oldJsonObj2.put("mor_rate", "0")
oldJsonArr.add(oldJsonObj2)
}
val result = ListBuffer[(JSONObject, JSONObject)]()
for(i <- 0 until oldJsonArr.size ) {
val jsonTuple = (oldJsonArr.getJSONObject(i), dataJsonArr.getJSONObject(i))
result += jsonTuple
}
result
}).filter(t => { // 過濾狀態不為1的數據，和mor_rate沒有改變的數據
val policyStatus = t._2.getString("policy_status")
if(null != policyStatus && "1".equals(policyStatus) && null!= t._1.getString("mor_rate")){
true
}else{
false
}
}).map(t => {
val p_num = t._2.getString("p_num")
val nowMorRate = t._2.getString("mor_rate").toDouble
val chMorRate = nowMorRate - t._1.getDouble("mor_rate")
val riskRank = gainRiskRank(nowMorRate)
// p_num, risk_rank, mor_rate, ch_mor_rate, load_time
(p_num, riskRank, nowMorRate, chMorRate, new java.util.Date)
}).foreachRDD(rdd => {
rdd.foreachPartition(p => {
val paramsList = ListBuffer[ParamsList]()
val jdbcWrapper = JDBCWrapper.getInstance()
while (p.hasNext){
val record = p.next()
val paramsListTmp = new ParamsList
paramsListTmp.p_num = record._1
paramsListTmp.risk_rank = record._2
paramsListTmp.mor_rate = record._3
paramsListTmp.ch_mor_rate = record._4
paramsListTmp.load_time = record._5
paramsListTmp.params_Type = "real_risk"
paramsList += paramsListTmp
}
/**
* VALUES(p_num, risk_rank, mor_rate, ch_mor_rate, load_time)
*/
val insertNum = jdbcWrapper.doBatch("INSERT INTO real_risk VALUES(?,?,?,?,?)", paramsList)
println("INSERT TABLE real_risk: " + insertNum.mkString(", "))
})
})
ssc.start()
ssc.awaitTermination()
}
def gainRiskRank(rate: Double): String = {
var result = ""
if(rate>=0.75 && rate<0.8){
result = "R1"
}else if(rate >=0.80 && rate<=1){
result = "R2"
}else{
result = "G1"
}
result
}
}
/**
* 結果表對應的參數實體對象
*/
class ParamsList extends Serializable{
var p_num: String = _
var risk_rank: String = _
var mor_rate: Double = _
var ch_mor_rate: Double = _
var load_time:java.util.Date = _
var params_Type : String = _
override def toString = s"ParamsList($p_num, $risk_rank, $mor_rate, $ch_mor_rate, $load_time)"
}
3.測試
啟動ZK、Kafka、Canal。在canal_test庫下的policy_cred表中插入或者修改數據，然后查看real_result庫下的real_risk表中結果。
更新一條數據時Kafka接收到的json數據如下（這是canal投送到Kafka中的數據格式，包含原始數據、修改后的數據、庫名、表名等信息）：
{
"data": [
{
"p_num": "1",
"policy_status": "1",
"mor_rate": "0.8800",
"load_time": "2019-03-17 12:54:57"
}
],
"database": "canal_test",
"es": 1552698141000,
"id": 10,
"isDdl": false,
"mysqlType": {
"p_num": "varchar(22)",
"policy_status": "varchar(2)",
"mor_rate": "decimal(20,4)",
"load_time": "datetime"
},
"old": [
{
"mor_rate": "0.5500"
}
],
"sql": "",
"sqlType": {
"p_num": 12,
"policy_status": 12,
"mor_rate": 3,
"load_time": 93
},
"table": "policy_cred",
"ts": 1552698141621,
"type": "UPDATE"
}
查看Mysql中的結果表:
4. 出現的問題
在開發Spark代碼是有時項目可能會引入大量的依賴包，依賴包之間可能就會發生沖突，比如發生如下錯誤：
Exception in thread "main" java.lang.NoSuchMethodError: io.netty.buffer.PooledByteBufAllocator.<init>(ZIIIIIIIZ)V
at org.apache.spark.network.util.NettyUtils.createPooledByteBufAllocator(NettyUtils.java:120)
at org.apache.spark.network.client.TransportClientFactory.<init>(TransportClientFactory.java:106)
at org.apache.spark.network.TransportContext.createClientFactory(TransportContext.java:99)
at org.apache.spark.rpc.netty.NettyRpcEnv.<init>(NettyRpcEnv.scala:71)
at org.apache.spark.rpc.netty.NettyRpcEnvFactory.create(NettyRpcEnv.scala:461)
at org.apache.spark.rpc.RpcEnv$.create(RpcEnv.scala:57)
at org.apache.spark.SparkEnv$.create(SparkEnv.scala:249)
at org.apache.spark.SparkEnv$.createDriverEnv(SparkEnv.scala:175)
at org.apache.spark.SparkContext.createSparkEnv(SparkContext.scala:257)
at org.apache.spark.SparkContext.<init>(SparkContext.scala:424)
at org.apache.spark.streaming.StreamingContext$.createNewSparkContext(StreamingContext.scala:838)
at org.apache.spark.streaming.StreamingContext.<init>(StreamingContext.scala:85)
at yore.spark.M_PolicyCreditApp$.main(M_PolicyCreditApp.scala:33)
at yore.spark.M_PolicyCreditApp.main(M_PolicyCreditApp.scala)
我們可以在項目的根目錄下的命令窗口中輸人：mvn dependency:tree -Dverbose> dependency.log
然后可以在項目根目錄下生產一個dependency.log文件，查看這個文件，在文件中搜索 io.netty 關鍵字，找到其所在的依賴包：
然就在canal.client將io.netty排除掉：
<dependency>
<groupId>com.alibaba.otter</groupId>
<artifactId>canal.client</artifactId>
<version>${canal.client.version}</version>
<exclusions>
<exclusion>
<groupId>io.netty</groupId>
<artifactId>netty-all</artifactId>
</exclusion>
</exclusions>
</dependency>
VSole
網絡安全專家