說明：此程式使用的scala編寫

在spark-stream+kafka使用的時候，有兩種連線方式一種是Receiver連線方式，一種是Direct連線方式。

　　兩種連線方式簡介：

　　Receiver接受固定時間間隔的資料（放在記憶體中），達到固定的時間才進行處理，效率極並且容易丟失資料。通過高階API，不用管理偏移量，由zk管理，若是拉取的資料超過，executor記憶體大小，訊息會存放到磁碟上面。0.10之後被捨棄。 　　弊端：效率極並且容易丟失資料

                       

　　直連(Direct)方式：**********重點 相當於直接連線到了kafka的分割槽上面，捨棄了高階API，所以需要自己手動管理偏移量。運用底層API。效率高。需要手動的維護偏移量。企業生產使用。 　　好處：不會走磁碟了，在拉取資料的時候，會有一個預處理機制。效率高。

                             

　　兩者的區別：　　

　　Receiver連線方式：他使用的是高階API實現Offset自動管理，不需要我們管理，所以他的靈活性特別差，不好，而且他處理資料的時候，如果某一時刻所傳來的資料量特別大那麼就會造成磁碟溢寫的情況，他通過WALs進行磁碟的寫入。 　　直連方式：他使用的是底層的API實現Offset我們開發人員管理，這樣的話，他的靈活性很好，並且可以保證資料的安全性，而且不用孤單行資料量過大。 　　現在主要使用的Direct直連的方式，而不在使用receiver方式 　　直連程式碼如下: 　　

import
 
 kafka.common.TopicAndPartition
import kafka.message.MessageAndMetadata
import kafka.serializer.StringDecoder
import kafka.utils.{ZKGroupTopicDirs, ZkUtils}
import org.I0Itec.zkclient.ZkClient
import org.apache.spark.SparkConf
import org.apache.spark.rdd.RDD
import org.apache.spark.streaming.dstream.InputDStream
 
import org.apache.spark.streaming.kafka.{HasOffsetRanges, KafkaUtils, OffsetRange}
import org.apache.spark.streaming.{Duration, StreamingContext}
import redis.clients.jedis.Jedis

object KafkaDirectConsumer {
  def main(args: Array[String]): Unit = {
    // 建立streaming
    val conf = new SparkConf().setAppName("demo").setMaster("local[2]")
    val ssc = new StreamingContext(conf, Duration(5000))
    // 建立
    // 指定消費者組
    val groupid = "gp01"
    // 消費者
    val topic = "tt1"
    // 建立zk叢集連線
    val zkQuorum = "spark101:2181,spark102:2181,spark103:2181"
    // 建立kafka的叢集連線
    val brokerList = "spark101:9092,spark102:9092,spark103:9092"
    // 建立消費者的集合
    // 在streaming中可以同時消費多個topic
    val topics: Set[String] = Set(topic)
    // 建立一個zkGroupTopicDir物件
    // 此物件裡面存放這zk組和topicdir的對應資訊
    // 就是在zk中寫入kafka的目錄
    // 傳入 消費者組，消費者，會根據傳入的引數生成dir然後存放在zk中
    val TopicDir = new ZKGroupTopicDirs(groupid, topic)
    // 獲取存放在zk中的dir目錄資訊 /gp01/offset/tt
    val zkTopicPath: String = s"${TopicDir.consumerOffsetDir}"
    // 準備kafka的資訊、
    val kafkas = Map(
      // 指向kafka的叢集
      "metadata.broker.list" -> brokerList,
      // 指定消費者組
      "group.id" -> groupid,
      // 從頭開始讀取資料
      "auto.offset.reset" -> kafka.api.OffsetRequest.SmallestTimeString
    )
    // 建立一個zkClint客戶端，用host 和 ip 建立
    // 用於從zk中讀取偏移量資料，並更新偏移量
    // 傳入zk叢集連線
    val zkClient = new ZkClient(zkQuorum)
    // 拿到zkClient後去，zk中查詢是否存在檔案
    // /gp01/offset/tt/0/10001
    // /gp01/offset/tt/1/20001
    // /gp01/offset/tt/2/30001
    val clientOffset = zkClient.countChildren(zkTopicPath)
    // 建立空的kafkaStream 裡面用於存放從kafka接收到的資料
    var kafkaStream: InputDStream[(String, String)] = null
    // 建立一個存放偏移量的Map
    // TopicAndPartition [/gp01/offset/tt/0,10001]
    var fromOffsets: Map[TopicAndPartition, Long] = Map()
    // 判斷，是否婦女放過offset，若是存放過，則直接從記錄的
    // 偏移量開始讀
    if (clientOffset > 0) {
      // clientOffset的數量就是 分割槽的數目量
      for (i <- 0 until clientOffset) {
        // 取出 /gp01/offset/tt/i/ 10001 -> 偏移量
        val paratitionOffset = zkClient.readData[String](s"${zkTopicPath}/${i}")
        // tt/ i
        val tp = TopicAndPartition(topic, i)
        // 新增到存放偏移量的Map中
        fromOffsets += (tp -> paratitionOffset.toLong)
      }
      // 現在已經把偏移量全部記錄在Map中了
      // 現在讀kafka中的訊息
      // key 是kafka的kay,為null， value是kafka中的訊息
      // 這個會將kafka的訊息進行transform 最終kafka的資料都會變成（kafka的key，message）這樣的tuple
      val messageHandlers = (mmd: MessageAndMetadata[String, String]) => (mmd.key(), mmd.message())
      // 通過kafkaUtils來建立DStream
      // String,String,StringDecoder,StringDecoder,(String,String)
      //   key,value,key的解碼方式,value的解碼方式,(接受的資料格式)
      kafkaStream = KafkaUtils.createDirectStream[String, String, StringDecoder, StringDecoder, (String, String)](
        ssc, kafkas, fromOffsets, messageHandlers
      )
    } else { // 若是不存在，則直接從頭讀
      // 根據kafka的配置
      kafkaStream = KafkaUtils.createDirectStream[String, String, StringDecoder, StringDecoder](ssc, kafkas, topics)
    }

    // 偏移量範圍
    var offsetRanges = Array[OffsetRange]()

    kafkaStream.foreachRDD {
      kafkaRDD =>
        // 得到kafkaRDD，強轉為HasOffsetRanges，獲得偏移量
        // 只有Kafka可以強轉為HasOffsetRanges
        offsetRanges = kafkaRDD.asInstanceOf[HasOffsetRanges].offsetRanges

        // 觸發Action,這裡去第二個值為真實的資料
        val mapRDD = kafkaRDD.map(_._2)
        /*=================================================*/ 
　　　　　// mapRDD為資料，在這裡對資料操作
　　　　　// 在這裡寫你自己的業務處理程式碼程式碼
　　　　　// 此程式可以直接拿來使用，經歷過層層考驗

　　　　　/*=================================================*/

        // 儲存更新偏移量
        for (o <- offsetRanges) {
          // 獲取dir
          val zkPath = s"${zkTopicPath}/${o.partition}"
          ZkUtils.updatePersistentPath(zkClient, zkPath, o.untilOffset.toString)
        }
    }

    ssc.start()
    ssc.awaitTermination()

  }
}

　　以上為Direct直連方式的程式碼，直接可以使用的，根據自己的叢集，和topic，groupid等配置稍作修改即可。