在python环境下运用kafka对数据进行实时传输的方法

Python  /  管理员 发布于 7年前   167

背景：

为了满足各个平台间数据的传输，以及能确保历史性和实时性。先选用kafka作为不同平台数据传输的中转站，来满足我们对跨平台数据发送与接收的需要。

kafka简介：

Kafka is a distributed,partitioned,replicated commit logservice。它提供了类似于JMS的特性，但是在设计实现上完全不同，此外它并不是JMS规范的实现。kafka对消息保存时根据Topic进行归类，发送消息者成为Producer,消息接受者成为Consumer,此外kafka集群有多个kafka实例组成，每个实例(server)成为broker。无论是kafka集群，还是producer和consumer都依赖于zookeeper来保证系统可用性集群保存一些meta信息。

总之：kafka做为中转站有以下功能：

1.生产者（产生数据或者说是从外部接收数据）

2.消费着（将接收到的数据转花为自己所需用的格式）

环境：

1.python3.5.x

2.kafka1.4.3

3.pandas

准备开始：

1.kafka的安装

pip install kafka-python

2.检验kafka是否安装成功

3.pandas的安装

pip install pandas

4.kafka数据的传输

直接撸代码：

# -*- coding: utf-8 -*-'''@author: 真梦行路@file: kafka.py@time: 2018/9/3 10:20'''import sysimport jsonimport pandas as pdimport osfrom kafka import KafkaProducerfrom kafka import KafkaConsumerfrom kafka.errors import KafkaError KAFAKA_HOST = "xxx.xxx.x.xxx" #服务器端口地址KAFAKA_PORT = 9092    #端口号KAFAKA_TOPIC = "topic0"  #topic data=pd.read_csv(os.getcwd()+'\\data\\1.csv')key_value=data.to_json()class Kafka_producer(): ''' 生产模块：根据不同的key，区分消息 '''  def __init__(self, kafkahost, kafkaport, kafkatopic, key):  self.kafkaHost = kafkahost  self.kafkaPort = kafkaport  self.kafkatopic = kafkatopic  self.key = key  self.producer = KafkaProducer(bootstrap_servers='{kafka_host}:{kafka_port}'.format(   kafka_host=self.kafkaHost,   kafka_port=self.kafkaPort)  )  def sendjsondata(self, params):  try:   parmas_message = params  #注意dumps   producer = self.producer   producer.send(self.kafkatopic, key=self.key, value=parmas_message.encode('utf-8'))   producer.flush()  except KafkaError as e:   print(e)  class Kafka_consumer():   def __init__(self, kafkahost, kafkaport, kafkatopic, groupid,key):  self.kafkaHost = kafkahost  self.kafkaPort = kafkaport  self.kafkatopic = kafkatopic  self.groupid = groupid  self.key = key  self.consumer = KafkaConsumer(self.kafkatopic, group_id=self.groupid,          bootstrap_servers='{kafka_host}:{kafka_port}'.format(           kafka_host=self.kafkaHost,           kafka_port=self.kafkaPort)          )  def consume_data(self):  try:   for message in self.consumer:    yield message  except KeyboardInterrupt as e:   print(e) def sortedDictValues(adict): items = adict.items() items=sorted(items,reverse=False) return [value for key, value in items] def main(xtype, group, key): ''' 测试consumer和producer ''' if xtype == "p":  # 生产模块  producer = Kafka_producer(KAFAKA_HOST, KAFAKA_PORT, KAFAKA_TOPIC, key)  print("===========> producer:", producer)  params =key_value  producer.sendjsondata(params)   if xtype == 'c':  # 消费模块  consumer = Kafka_consumer(KAFAKA_HOST, KAFAKA_PORT, KAFAKA_TOPIC, group,key)  print("===========> consumer:", consumer)   message = consumer.consume_data()  for msg in message:   msg=msg.value.decode('utf-8')   python_data=json.loads(msg) ##这是一个字典   key_list=list(python_data)   test_data=pd.DataFrame()   for index in key_list:    print(index)    if index=='Month':     a1=python_data[index]     data1 = sortedDictValues(a1)     test_data[index]=data1    else:     a2 = python_data[index]     data2 = sortedDictValues(a2)     test_data[index] = data2     print(test_data)      # print('value---------------->', python_data)   # print('msg---------------->', msg)   # print('key---------------->', msg.kry)   # print('offset---------------->', msg.offset)   if __name__ == '__main__': main(xtype='p',group='py_test',key=None) main(xtype='c',group='py_test',key=None)

数据1.csv如下所示：

几点注意：

1、一定要有一个服务器的端口地址，不要用本机的ip或者乱写一个ip不然程序会报错。（我开始就是拿本机ip怼了半天，总是报错）

2、注意数据的传输格式以及编码问题(二进制传输)，数据先转成json数据格式传输，然后将json格式转为需要格式。（不是json格式的注意dumps）

例中，dataframe->json->dataframe

3、例中dict转dataframe,也可以用简单方法直接转。

eg： type(data) ==>dict,data=pd.Dateframe(data)

以上这篇在python环境下运用kafka对数据进行实时传输的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。