Spark对接Kafka - E-MapReduce

背景信息

因为E-MapReduce上的Hadoop集群和Kafka集群都是基于纯开源软件，所以在编程使用上参见相应官方文档即可。

Spark官方文档：streaming-kafka-integration和structured-streaming-kafka-integration。
E-MapReduce-demo：github地址。

访问Kerberos Kafka集群

E-MapReduce支持创建基于Kerberos认证的Kafka集群。当Hadoop集群作业需要访问Kerberos Kafka集群时，有以下两种使用方式：

非Kerberos Hadoop集群：提供用于Kafka集群的Kerberos认证的kafka_client_jaas.conf和krb5.conf文件。
Kerberos Hadoop集群：基于Kerberos集群跨域互信，提供用于Hadoop集群的Kerberos认证的kafka_client_jaas.conf和krb5.conf文件。
跨域互信详细信息，请参见跨域互信。

以上两种方式都需要运行作业时提供kafka_client_jaas.conf文件，用于Kerberos认证。

kafka_client_jaas.conf文件格式如下。

KafkaClient {
    com.sun.security.auth.module.Krb5LoginModule required
    useKeyTab=true
    storeKey=true
    serviceName="kafka"
    keyTab="/path/to/kafka.keytab"
    principal="kafka/emr-header-1.cluster-12345@EMR.12345.COM";
};

keytab文件的获取，请参见兼容MIT Kerberos认证。
krb5.conf文件，请从Kafka集群的/etc/目录获取。

Spark Streaming访问Kerberos Kafka集群

添加Kafka集群各个节点的长域名和IP信息至Hadoop集群各个节点的/etc/hosts中。长域名和IP信息，您可以在/etc/hosts中获取，长域名形式为emr-xxx-x.cluster-xxx。

当运行Spark Streaming作业访问Kerberos kafka时，可以在spark-submit命令行参数中提供所需的kafka_client_jaas.conf和kafka.keytab文件。

spark-submit --conf "spark.driver.extraJavaOptions=-Djava.security.auth.login.config={{PWD}}/kafka_client_jaas.conf -Djava.security.krb5.conf={{PWD}}/krb5.conf" --conf "spark.executor.extraJavaOptions=-Djava.security.auth.login.config={{PWD}}//kafka_client_jaas.conf -Djava.security.krb5.conf={{PWD}}/krb5.conf" --files /local/path/to/kafka_client_jaas.conf,/local/path/to/kafka.keytab,/local/path/to/krb5.conf --class  xx.xx.xx.KafkaSample --num-executors 2 --executor-cores 2 --executor-memory 1g --master yarn-cluster xxx.jar arg1 arg2 arg3

kafka_client_jaas.conf文件中，keytab文件路径需要写相对路径，请严格按照如下keyTab配置项写法。

KafkaClient {
    com.sun.security.auth.module.Krb5LoginModule required
    useKeyTab=true
    storeKey=true
    serviceName="kafka"
    keyTab="kafka.keytab"
    principal="kafka/emr-header-1.cluster-12345@EMR.12345.COM";
};

附录

示例代码，请参见Spark对接Kafka。