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
|
1
|
pip install kafka-python
|
2.检验kafka是否安装成功
3.pandas的安装
|
1
|
pip install pandas
|
4.kafka数据的传输
直接撸代码：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
|
# -*- coding: utf-8 -*-
'''
@author: 真梦行路
@file: kafka.py
@time: 2018/9/3 10:20
'''
import sys
import json
import pandas as pd
import os
from kafka import kafkaproducer
from kafka import kafkaconsumer
from 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服务器之家。
原文链接：https://blog.csdn.net/qq_27280237/article/details/82256752