首页
/ Apache Samza 技术文档

Apache Samza 技术文档

2024-12-18 19:18:10作者:郁楠烈Hubert

1. 安装指南

1.1 环境要求

  • Java 8 或 Java 11 运行环境
  • Gradle(用于构建项目)
  • Apache Kafka
  • Apache Hadoop YARN

1.2 构建 Samza

1.2.1 从 Git 仓库构建

  1. 克隆 Samza 仓库:
    git clone https://github.com/apache/samza.git
    cd samza
    
  2. 运行构建命令:
    ./gradlew clean build
    

1.2.2 从源码发布包构建

  1. 下载 Gradle 包装器脚本。
  2. 运行引导脚本:
    gradle -b bootstrap.gradle
    
  3. 引导完成后,使用以下命令构建:
    ./gradlew clean build
    

1.3 Java 版本支持

  • Samza 支持在 Java 8 和 Java 11 环境下运行。
  • 如果使用 Java 11,需使用 YARN 3.3.4+,并使用 samza-yarn3 模块。

1.4 Scala 和 YARN

  • Samza 默认使用 Scala 2.11 或 2.12 和 YARN 2.10.1。
  • 使用 -PscalaSuffix 切换 Scala 版本:
    ./gradlew -PscalaSuffix=2.12 clean build
    

2. 项目的使用说明

2.1 运行测试

  • 运行所有测试:
    ./gradlew clean test
    
  • 运行单个测试:
    ./gradlew clean :samza-test:test -Dtest.single=TestStatefulTask
    
  • 运行性能测试:
    ./gradlew samza-shell:kvPerformanceTest -PconfigPath=file://$PWD/samza-test/src/main/config/perf/kv-perf.properties
    
  • 运行集成测试:
    ./bin/integration-tests.sh <dir> yarn-integration-tests
    

2.2 代码检查

  • 运行 Checkstyle:
    ./gradlew checkstyleMain checkstyleTest
    

2.3 作业管理

  • 运行作业:
    ./gradlew samza-shell:runJob -PconfigPath=/path/to/job/config.properties
    
  • 检查作业的最新检查点:
    ./gradlew samza-shell:checkpointTool -PconfigPath=/path/to/job/config.properties
    
  • 修改作业的检查点:
    ./gradlew samza-shell:checkpointTool -PconfigPath=/path/to/job/config.properties \
        -PnewOffsets=file:///path/to/new/offsets.properties
    

2.4 开发环境配置

  • 生成 Eclipse 项目:
    ./gradlew eclipse
    
  • 生成 IntelliJ 项目:
    ./gradlew idea
    

3. 项目API使用文档

3.1 API 概述

Samza 提供了一个简单的回调式 API,类似于 MapReduce,用于处理消息。主要 API 包括:

  • processMessage(Message message):处理单个消息。
  • snapshotState():快照处理器的当前状态。
  • restoreState():从快照中恢复处理器的状态。

3.2 状态管理

Samza 管理处理器的状态快照和恢复。当处理器重启时,Samza 会从一致的快照中恢复其状态。

3.3 故障容错

Samza 与 YARN 协同工作,当集群中的机器故障时,Samza 会透明地将任务迁移到另一台机器。

3.4 可扩展性

Samza 在每个级别上都是分区和分布式的,Kafka 提供了有序、分区、可重放、容错的消息流,YARN 提供了分布式环境来运行 Samza 容器。

4. 项目安装方式

4.1 从源码安装

  1. 克隆仓库并进入目录:
    git clone https://github.com/apache/samza.git
    cd samza
    
  2. 构建项目:
    ./gradlew clean build
    

4.2 从源码发布包安装

  1. 下载 Gradle 包装器脚本。
  2. 运行引导脚本:
    gradle -b bootstrap.gradle
    
  3. 构建项目:
    ./gradlew clean build
    

4.3 运行环境配置

  • 确保安装了 Java 8 或 Java 11。
  • 配置 Kafka 和 YARN 环境。

通过以上步骤,您可以成功安装并使用 Apache Samza 进行分布式流处理。

登录后查看全文