创建 Kafka 和 Spark 体系结构

已完成

若要在 Azure HDInsight 中结合使用 Kafka 和 Spark，必须将它们放置在同一个 VNet 中，或使 VNet 对等，以便群集通过 DNS 名称解析运行。

在同一个 VNet 中创建群集的过程是：

1. 创建资源组
2. 将 VNet 添加到资源组
3. 将 Kafka 群集和 Spark 群集添加到同一个 VNet 中；或者如果这些服务使用 DNS 名称解析在 VNet 中运行，使这些 VNet 对等。

连接 HDInsight Kafka 和 Spark 群集的推荐方式是使用本机 Spark-Kafka 连接器，它使 Spark 群集能够访问 Kafka 群集中数据的各个分区，从而提高你在实时处理作业过程中的并行度，并提供非常高的吞吐量。

两个群集位于同一个 VNet 中时，你还可以在 Spark 流代码中使用 Kafka 中转站 FQDN，以及在 VNet 上创建 NSG 规则以实现企业级安全性。

解决方案体系结构

Azure 上的实时流式处理分析模式通常使用以下解决方案体系结构。

1. 引入：向 Azure HDInsight 上的 Kafka 群集引入非结构化或结构化数据。
2. 准备和训练：使用 HDInsight 上的 Spark 准备和训练数据。
3. 模型和服务：数据放在数据仓库中（如 Azure Synapse 或 HDInsight Interactive Query）。
4. 智能：数据被提供给分析仪表板（如 Power BI 或 Tableau）。
5. 存储：数据已放入冷存储解决方案（如 Azure 存储）中，并在以后提供。

示例方案体系结构

在下一个单元中，你将开始为示例应用程序构建解决方案体系结构。 此示例使用 Azure 资源管理器模板文件创建资源组、VNET、Spark 群集和 Kafka 群集。

部署群集后，你将利用 ssh 连接到 Kafka 中转站之一，并将 Python 制作者文件复制到头节点。 该制作者文件每 10 秒提供一次人为股票价格，它还将分区编号和消息的偏移写入控制台。

制作者运行后，你可以将 Jupyter Notebook 上传到 Spark 群集。 在笔记本中，你将连接 Spark 和 Kafka 群集，并对数据运行一些示例查询，包括在事件窗口内查找股票的高低值。