Apache spark 如何将Spark Streaming与Kafka和Kerberos一起使用？

我在使用Kerberized Hadoop集群中的Spark流应用程序使用Kafka的消息时遇到了一些问题。我尝试了两种方法：

• 基于接收器的方法：

  KafkaUtils.createStream

• 直接进近（无接收机）：

  KafkaUtils.createDirectStream

基于接收器的方法（

KafkaUtils.createStream

）抛出两种类型的异常（不同的异常，无论我处于本地模式（

--master local[*]

）还是处于纱线模式（

--master warn--deploy mode client

）：

• Spark本地应用程序中的一个奇怪的

  kafka.common.BrokerEndPointNotAvailableException

• Spark on Thread应用程序中的Zookeeper超时。我曾经成功地实现了这一点（成功连接到Zookeeper），但没有收到任何消息

在两种模式（本地或纱线）中，直接方法（

KafkaUtils.createDirectStream

）返回一个无法解释的

EOFEException

（请参见下面的详细信息）

我的最终目标是在纱线上推出一个Spark流媒体工作，所以我将把Spark本地工作放在一边

以下是我的测试环境：

• Cloudera CDH 5.7.0
• Spark 1.6.0
• 卡夫卡0.10.1.0

出于测试目的，我正在使用单节点群集（主机名=

quickstart.cloudera

）进行测试。对于那些有兴趣复制测试的人，我正在使用基于

cloudera/quickstart

（）的自定义Docker容器

下面是我在

spark shell

中使用的示例代码。当然，此代码在未启用Kerberos时有效：spark应用程序接收由

kafka console producer

生成的消息

import org.apache.spark.streaming.kafka.KafkaUtils
import org.apache.spark.streaming.{Seconds, StreamingContext}
import org.apache.spark.storage.StorageLevel
import kafka.serializer.StringDecoder

val ssc = new StreamingContext(sc, Seconds(5))

val topics = Map("test-kafka" -> 1)

def readFromKafkaReceiver(): Unit = {
    val kafkaParams = Map(
        "zookeeper.connect" -> "quickstart.cloudera:2181",
        "group.id" -> "gid1",
        "client.id" -> "cid1",
        "zookeeper.session.timeout.ms" -> "5000",
        "zookeeper.connection.timeout.ms" -> "5000"
    )

    val stream = KafkaUtils.createStream[String, String, StringDecoder, StringDecoder](ssc, kafkaParams, topics, StorageLevel.MEMORY_ONLY_2)
    stream.print
}

def readFromKafkaDirectStream(): Unit = {
    val kafkaDirectParams = Map(
        "bootstrap.servers" -> "quickstart.cloudera:9092",
        "group.id" -> "gid1",
        "client.id" -> "cid1"
    )

    val directStream = KafkaUtils.createDirectStream[String, String, StringDecoder, StringDecoder](ssc, kafkaDirectParams, topics.map(_._1).toSet)
    directStream.print
}

readFromKafkaReceiver() // or readFromKafkaDirectStream()

ssc.start

Thread.sleep(20000)

ssc.stop(stopSparkContext = false, stopGracefully = true)

启用Kerberos后，此代码无法运行。我按照以下指南创建了两个配置文件：

jaas.conf

：

KafkaClient {
com.sun.security.auth.module.Krb5LoginModule required
useKeyTab=true
keyTab="/home/simpleuser/simpleuser.keytab"
principal="simpleuser@CLOUDERA";
};

客户端属性

：

security.protocol=SASL_PLAINTEXT
sasl.kerberos.service.name=kafka

我可以通过以下方式生成消息：

export KAFKA_OPTS="-Djava.security.auth.login.config=/home/simpleuser/jaas.conf"
kafka-console-producer \
    --broker-list quickstart.cloudera:9092 \
    --topic test-kafka \
    --producer.config client.properties

但我无法使用Spark流媒体应用程序中的这些消息。要在

Warn client

模式下启动

Spark shell

，我只创建了一个新的JAAS配置（

JAAS\u with_zk\u warn.conf

），其中有一个Zookeeper部分（

client

），并且引用的键表仅是文件名（然后通过

--keytab

选项传递keytab）：

此新文件在

--files

选项中传递：

KafkaClient {
com.sun.security.auth.module.Krb5LoginModule required
useKeyTab=true
keyTab="simpleuser.keytab"
principal="simpleuser@CLOUDERA";
};

Client {
com.sun.security.auth.module.Krb5LoginModule required
useKeyTab=true
keyTab="simpleuser.keytab"
principal="simpleuser@CLOUDERA";
};

spark-shell --master yarn --deploy-mode client \
    --num-executors 2 \
    --files /home/simpleuser/jaas_with_zk_yarn.conf \
    --conf "spark.executor.extraJavaOptions=-Djava.security.auth.login.config=jaas_with_zk_yarn.conf" \
    --conf "spark.driver.extraJavaOptions=-Djava.security.auth.login.config=jaas_with_zk_yarn.conf" \
    --keytab /home/simpleuser/simpleuser.keytab \
    --principal simpleuser

我使用了与前面相同的代码，只是添加了另外两个Kafka参数，对应于

consumer.properties

文件的内容：

"security.protocol" -> "SASL_PLAINTEXT",
"sasl.kerberos.service.name" -> "kafka"

readfromKafkareReceiver（）

启动Spark流媒体上下文后会引发以下错误（无法连接到Zookeeper）：

没有更多的解释，只有一个

EOFEException

。我认为Spark和Kafka broker之间存在通信问题，但没有更多的解释。我还尝试了

metadata.broker.list

而不是

bootstrap.servers

，但没有成功

也许我在JAAS配置文件或卡夫卡参数中遗漏了什么？也许Spark选项（

extraJavaOptions

）无效？我尝试了太多的可能性，但有点迷路了

---

如果有人能帮助我解决其中至少一个问题（直接方法或基于接收器），我将非常高兴。谢谢：）

Spark 1.6不支持它，正如Cloudera文档中所述：

Spark Streaming在开始使用Kafka 0.9 Consumer API之前无法使用secure Kafka

1.6中的Spark streaming使用旧的消费者API，不支持安全消费

您可以使用支持安全卡夫卡的Spark 2.1：

ERROR scheduler.ReceiverTracker: Deregistered receiver for stream 0: Error starting receiver 0 - org.I0Itec.zkclient.exception.ZkTimeoutException: Unable to connect to zookeeper server within timeout: 5000
        at org.I0Itec.zkclient.ZkClient.connect(ZkClient.java:1223)
        at org.I0Itec.zkclient.ZkClient.<init>(ZkClient.java:155)
        at org.I0Itec.zkclient.ZkClient.<init>(ZkClient.java:129)
        at kafka.utils.ZkUtils$.createZkClientAndConnection(ZkUtils.scala:89)
        at kafka.utils.ZkUtils$.apply(ZkUtils.scala:71)
        at kafka.consumer.ZookeeperConsumerConnector.connectZk(ZookeeperConsumerConnector.scala:191)
        at kafka.consumer.ZookeeperConsumerConnector.<init>(ZookeeperConsumerConnector.scala:139)
        at kafka.consumer.ZookeeperConsumerConnector.<init>(ZookeeperConsumerConnector.scala:156)
        at kafka.consumer.Consumer$.create(ConsumerConnector.scala:109)
        at org.apache.spark.streaming.kafka.KafkaReceiver.onStart(KafkaInputDStream.scala:100)
        at org.apache.spark.streaming.receiver.ReceiverSupervisor.startReceiver(ReceiverSupervisor.scala:148)
        at org.apache.spark.streaming.receiver.ReceiverSupervisor.start(ReceiverSupervisor.scala:130)
        at org.apache.spark.streaming.scheduler.ReceiverTracker$ReceiverTrackerEndpoint$$anonfun$9.apply(ReceiverTracker.scala:575)
        at org.apache.spark.streaming.scheduler.ReceiverTracker$ReceiverTrackerEndpoint$$anonfun$9.apply(ReceiverTracker.scala:565)
        at org.apache.spark.SparkContext$$anonfun$38.apply(SparkContext.scala:2003)
        at org.apache.spark.SparkContext$$anonfun$38.apply(SparkContext.scala:2003)
        at org.apache.spark.scheduler.ResultTask.runTask(ResultTask.scala:66)
        at org.apache.spark.scheduler.Task.run(Task.scala:89)
        at org.apache.spark.executor.Executor$TaskRunner.run(Executor.scala:214)
        at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1145)
        at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:615)
        at java.lang.Thread.run(Thread.java:745)

org.apache.spark.SparkException: java.io.EOFException
        at org.apache.spark.streaming.kafka.KafkaCluster$$anonfun$checkErrors$1.apply(KafkaCluster.scala:366)
        at org.apache.spark.streaming.kafka.KafkaCluster$$anonfun$checkErrors$1.apply(KafkaCluster.scala:366)
        at scala.util.Either.fold(Either.scala:97)
        at org.apache.spark.streaming.kafka.KafkaCluster$.checkErrors(KafkaCluster.scala:365)
        at org.apache.spark.streaming.kafka.KafkaUtils$.getFromOffsets(KafkaUtils.scala:222)
        at org.apache.spark.streaming.kafka.KafkaUtils$.createDirectStream(KafkaUtils.scala:484)
        at $iwC$$iwC$$iwC$$iwC$$iwC$$iwC$$iwC$$iwC$$iwC.readFromKafkaDirectStream(<console>:47)