Simple Log Service:Spark Streaming による消費

制限事項

Spark Streaming コンシューマーは、Spark 2.x バージョンのみをサポートします。

Receiver モード

Direct モード

Direct モードでは、中間状態を保存するために ZooKeeper クラスターが必要です。このデータのために ZooKeeper にチェックポイントディレクトリのパスを指定する必要があります。ジョブの再起動後にデータを再消費するには、ZooKeeper 内のこのディレクトリを削除し、コンシューマーグループ名を変更してください。

• パラメーター

  パラメーター	タイプ	説明
  Project	String	SLS プロジェクトの名前。
  LogStore	String	LogStore の名前。
  consumerGroup	String	コンシューマーグループの名前。消費チェックポイントの保存にのみ使用されます。
  endpoint	String	SLS プロジェクトが配置されているリージョンのエンドポイント。詳細については、「エンドポイント」をご参照ください。
  accessKeyId	String	SLS へのアクセスに使用する AccessKey ID。
  accessKeySecret	String	SLS へのアクセスに使用する AccessKey Secret。
  zkAddress	String	ご利用の ZooKeeper クラスターの接続アドレス。

• レート制限の設定

  Spark Streaming はマイクロバッチでデータを処理します。各バッチについて、コンシューマーはフェッチするログエントリの数を決定する必要があります。

  SLS の基盤となるストレージモデルは、ユニットとして LogGroup を使用します。通常、各 LogGroup は単一の書き込みリクエストに対応し、数千のログを含むことができます。ただし、ウェブトラッキングなどのシナリオでは、各書き込みリクエストに単一のログしか含まれない場合があります。これらの異なるシナリオに対応するため、SDK は 2 つのレート制限パラメーターを提供します：

  パラメーター	説明	デフォルト
  spark.loghub.batchGet.step	1 回のリクエストでフェッチする LogGroup の最大数。	100
  spark.streaming.loghub.maxRatePerShard	バッチごとに単一のシャードから消費するログエントリの最大数。	10000

  パラメーター spark.streaming.loghub.maxRatePerShard は、各バッチでシャードからフェッチするログエントリの最大数の目標を設定します。SDK は、合計ログ数が spark.streaming.loghub.maxRatePerShard で設定された目標に達するか超えるまで、spark.loghub.batchGet.step で定義された増分で LogGroup をフェッチします。このため、spark.streaming.loghub.maxRatePerShard はソフトリミットとして機能します。バッチごとにフェッチされる実際のログ数は、spark.loghub.batchGet.step と各 LogGroup 内のログ数によって異なります。

• 例

  import com.aliyun.openservices.loghub.client.config.LogHubCursorPosition
  import org.apache.spark.SparkConf
  import org.apache.spark.streaming.{Milliseconds, StreamingContext}
  import org.apache.spark.streaming.aliyun.logservice.{CanCommitOffsets, LoghubUtils}
  
  object TestDirectLoghub {
    def main(args: Array[String]): Unit = {
      if (args.length < 7) {
        System.err.println(
          """Usage: TestDirectLoghub <project> <logstore> <loghub group name> <endpoint>
            |         <access key id> <access key secret> <batch interval seconds> <zookeeper host:port=localhost:2181>
          """.stripMargin)
        System.exit(1)
      }
  
      val project = args(0)
      val logstore = args(1)
      val consumerGroup = args(2)
      val endpoint = args(3)
      val accessKeyId = args(4)
      val accessKeySecret = args(5)
      val batchInterval = Milliseconds(args(6).toInt * 1000)
      val zkAddress = if (args.length >= 8) args(7) else "localhost:2181"
  
      def functionToCreateContext(): StreamingContext = {
        val conf = new SparkConf().setAppName("Test Direct Loghub")
        val ssc = new StreamingContext(conf, batchInterval)
        val zkParas = Map("zookeeper.connect" -> zkAddress,
          "enable.auto.commit" -> "false")
        val loghubStream = LoghubUtils.createDirectStream(
          ssc,
          project,
          logstore,
          consumerGroup,
          accessKeyId,
          accessKeySecret,
          endpoint,
          zkParas,
          LogHubCursorPosition.END_CURSOR)
  
        loghubStream.checkpoint(batchInterval).foreachRDD(rdd => {
          println(s"count by key: ${rdd.map(s => {
            s.sorted
            (s.length, s)
          }).countByKey().size}")
          loghubStream.asInstanceOf[CanCommitOffsets].commitAsync()
        })
        ssc.checkpoint("hdfs:///tmp/spark/streaming") // set checkpoint directory
        ssc
      }
  
      val ssc = StreamingContext.getOrCreate("hdfs:///tmp/spark/streaming", functionToCreateContext _)
      ssc.start()
      ssc.awaitTermination()
    }
  }

詳細については、GitHub 上のプロジェクトをご参照ください。