使用pika的python中的SparkStreaming，RabbitMQ和MQTT

Question

只是为了让事情变得棘手，我想使用来自rabbitMQ队列的消息。 现在我知道有一个针对兔子的MQTT插件（ https://www.rabbitmq.com/mqtt.html ）。

但是，我似乎无法在Spark消耗由pika生成的消息的情况下进行示例工作。

例如，我在这里使用简单的wordcount.py程序（ https://spark.apache.org/docs/1.2.0/streaming-programming-guide.html ），看看我是否可以在下面看到一个消息生产者方式：

import sys
import pika
import json
import future
import pprofile

def sendJson(json):

  connection = pika.BlockingConnection(pika.ConnectionParameters(host='localhost'))
  channel = connection.channel()

  channel.queue_declare(queue='analytics', durable=True)
  channel.queue_bind(exchange='analytics_exchange',
                       queue='analytics')

  channel.basic_publish(exchange='analytics_exchange', routing_key='analytics',body=json)
  connection.close()

if __name__ == "__main__":
  with open(sys.argv[1],'r') as json_file:
    sendJson(json_file.read())

Sparkstreaming 消费者如下：

import sys
import operator

from pyspark import SparkContext
from pyspark.streaming import StreamingContext
from pyspark.streaming.mqtt import MQTTUtils

sc = SparkContext(appName="SS")
sc.setLogLevel("ERROR")
ssc = StreamingContext(sc, 1)
ssc.checkpoint("checkpoint")
#ssc.setLogLevel("ERROR")


#RabbitMQ

"""EXCHANGE = 'analytics_exchange'
EXCHANGE_TYPE = 'direct'
QUEUE = 'analytics'
ROUTING_KEY = 'analytics'
RESPONSE_ROUTING_KEY = 'analytics-response'
"""


brokerUrl = "localhost:5672" # "tcp://iot.eclipse.org:1883"
topic = "analytics"

mqttStream = MQTTUtils.createStream(ssc, brokerUrl, topic)
#dummy functions - nothing interesting...
words = mqttStream.flatMap(lambda line: line.split(" "))
pairs = words.map(lambda word: (word, 1))
wordCounts = pairs.reduceByKey(lambda x, y: x + y)

wordCounts.pprint()
ssc.start()
ssc.awaitTermination()

但是，与简单的wordcount示例不同，我无法使其工作并出现以下错误：

16/06/16 17:41:35 ERROR Executor: Exception in task 0.0 in stage 7.0 (TID 8)
java.lang.NullPointerException
    at org.eclipse.paho.client.mqttv3.MqttConnectOptions.validateURI(MqttConnectOptions.java:457)
    at org.eclipse.paho.client.mqttv3.MqttAsyncClient.<init>(MqttAsyncClient.java:273)

所以我的问题是， MQTTUtils.createStream(ssc, brokerUrl, topic)的设置应该是什么MQTTUtils.createStream(ssc, brokerUrl, topic)以便监听队列以及是否有更丰富的示例以及这些示例如何映射到rabbitMQ的示例。

我正在运行我的消费者代码： ./bin/spark-submit ../../bb/code/skunkworks/sparkMQTTRabbit.py / ./bin/spark-submit ../../bb/code/skunkworks/sparkMQTTRabbit.py

我已按照以下注释建议的TCP参数更新了生产者代码：

url_location = 'tcp://localhost'
url = os.environ.get('', url_location)
params = pika.URLParameters(url)
connection = pika.BlockingConnection(params)

和火花流：

brokerUrl = "tcp://127.0.0.1:5672"
topic = "#" #all messages

mqttStream = MQTTUtils.createStream(ssc, brokerUrl, topic)
records = mqttStream.flatMap(lambda line: json.loads(line))
count = records.map(lambda rec: len(rec))
total = count.reduce(lambda a, b: a + b)
total.pprint()

Answer 1

看起来你使用了错误的端口号。 假如说：

• 你有一个运行默认设置的RabbitMQ本地实例，你已启用MQTT插件（ rabbitmq-plugins enable rabbitmq_mqtt ）并重启RabbitMQ服务器
• 包括spark-streaming-mqtt执行时spark-submit / pyspark （或者与packages或jars / driver-class-path ）

您可以使用TCP与tcp://localhost:1883 。 您还必须记住MQTT正在使用amq.topic 。

快速入门 ：

• 使用以下内容创建Dockerfile ：

   FROM rabbitmq:3-management RUN rabbitmq-plugins enable rabbitmq_mqtt 

• 构建Docker镜像：

   docker build -t rabbit_mqtt . 

• 启动映像并等待服务器准备就绪：

   docker run -p 15672:15672 -p 5672:5672 -p 1883:1883 rabbit_mqtt 

• 使用以下内容创建producer.py ：

   import pika import time connection = pika.BlockingConnection(pika.ConnectionParameters( host='localhost')) channel = connection.channel() channel.exchange_declare(exchange='amq.topic', type='topic', durable=True) for i in range(1000): channel.basic_publish( exchange='amq.topic', # amq.topic as exchange routing_key='hello', # Routing key used by producer body='Hello World {0}'.format(i) ) time.sleep(3) connection.close() 

• 开始生产者

   python producer.py 

  并访问管理控制台http://127.0.0.1:15672/#/exchanges/%2F/amq.topic

  看到收到的消息。

• 使用以下内容创建consumer.py ：

   from pyspark import SparkContext from pyspark.streaming import StreamingContext from pyspark.streaming.mqtt import MQTTUtils sc = SparkContext() ssc = StreamingContext(sc, 10) mqttStream = MQTTUtils.createStream( ssc, "tcp://localhost:1883", # Note both port number and protocol "hello" # The same routing key as used by producer ) mqttStream.count().pprint() ssc.start() ssc.awaitTermination() ssc.stop() 

• 下载依赖项（将Scala版本调整为用于构建Spark和Spark版本的版本）：

   mvn dependency:get -Dartifact=org.apache.spark:spark-streaming-mqtt_2.11:1.6.1 

• 确保SPARK_HOME和PYTHONPATH指向正确的目录。

• 提交consumer.py with（像以前一样调整版本）：

   spark-submit --packages org.apache.spark:spark-streaming-mqtt_2.11:1.6.1 consumer.py 

如果您按照所有步骤操作，则应在Spark日志中看到Hello world消息。

Answer 2

从MqttAsyncClient Javadoc，服务器URI必须具有以下方案之一： tcp:// ， ssl://或local:// 。 您需要更改上面的brokerUrl以获得其中一个方案。

有关更多信息，请MqttAsyncClient的源代码链接：

https://github.com/eclipse/paho.mqtt.java/blob/master/org.eclipse.paho.client.mqttv3/src/main/java/org/eclipse/paho/client/mqttv3/MqttAsyncClient.java# L272