在没有联网的情况下运行Samza

本教程将帮助您运行 Hello Samza，如果您无法连接到互联网。

测试您的连接

Ping irc.wikimedia.org，有时公司的防火墙会阻止这项服务。

telnet irc.wikimedia.org 6667

你应该看到这样的东西：

Trying 208.80.152.178...
Connected to ekrem.wikimedia.org.
Escape character is '^]'.
NOTICE AUTH :*** Processing connection to irc.pmtpa.wikimedia.org
NOTICE AUTH :*** Looking up your hostname...
NOTICE AUTH :*** Checking Ident
NOTICE AUTH :*** Found your hostname

否则，您可能有连接问题。

使用本地数据运行 Hello Samza

我们提供了一个选择, 以获取维基百科提供的数据，而不是运行：

deploy/samza/bin/run-job.sh --config-factory=org.apache.samza.config.factories.PropertiesConfigFactory --config-path=file://$PWD/deploy/samza/config/wikipedia-feed.properties

你会运行：

bin/produce-wikipedia-raw-data.sh

该脚本将从本地文件读取维基百科提供的数据，并将其产生到 Kafka 代理。默认情况下，它生成本地主机：9092作为 Kafka 代理，并使用 localhost：2181 作为 zookeeper。您可以覆盖它们：

bin/produce-wikipedia-raw-data.sh -b yourKafkaBrokerAddress -z yourZookeeperAddress

现在您可以回到 Hello Samza中的 Generate Wikipedia Statistics 部分，并按照剩余的步骤进行。

一点解释

下述代码的目标：

deploy/samza/bin/run-job.sh --config-factory=org.apache.samza.config.factories.PropertiesConfigFactory --config-path=file://$PWD/deploy/samza/config/wikipedia-feed.properties

要部署一个听 Wi-Fi API 的 Samza 工作，可以实时获取 Feed，并生成 Kafka 主题维基百科的源文件。本教程中的替代方法是在无限循环中阅读本地维基百科 Feed，并将数据生成给 Kafka维基百科。后续工作，维基百科解析器正在从 Kafka 主题维基百科原始获取数据，所以只要我们在 Kafka 主题维基百科原始中有正确的数据，就可以。所有 Samza 的工作由 Kafka 连接，不依赖于彼此。