网站开发快速盈利保定电子商务网站建设

本文总结了本地开发环境（Windows系统）中启动推荐系统所需的所有组件命令，包括 Redis、Kafka、Flume 及 SparkStreaming 程序的启动流程。

---

1. 启动 Redis

进入 Redis 安装目录，执行：

redis-server.exe

测试连接（另开一个终端）：

redis-cli.exe

---

2. 启动 Zookeeper（Kafka依赖）

进入 Kafka 解压目录，执行：

bin\windows\zookeeper-server-start.bat config\zookeeper.properties

---

3. 启动 Kafka

（在另一个命令行窗口中操作）

bin\windows\kafka-server-start.bat config\server.properties

---

4. 创建 Kafka Topic

Kafka Topic 名称：log 和 recommender

进入 Kafka 解压目录，分别执行：

bin\windows\kafka-topics.bat --create --bootstrap-server localhost:9092 --replication-factor 1 --partitions 1 --topic log

bin\windows\kafka-topics.bat --create --bootstrap-server localhost:9092 --replication-factor 1 --partitions 1 --topic recommender

验证 Topics 是否创建成功：

bin\windows\kafka-topics.bat --list --bootstrap-server localhost:9092

看到有 log 和 recommender 两个 topic 即成功！

---

5. 启动 Flume

假设你在 D:\code\apache-flume-1.9.0-bin 目录。

执行：

bin\flume-ng.cmd agent -n agent -c conf -f conf\log-kafka.properties -Dflume.root.logger=INFO,console

注意事项：

• log-kafka.properties 中 source 改成监听 Windows 的日志文件，比如：

  D:\\Software\\ECommerceRecommendSystem\\WebServer\\src\\main\\log\\agent.log
  

• Windows 必须用双反斜杠 \\ 或正斜杠 /

---

6. 启动 Kafka Stream 程序（log ➔ recommender 转换）

你的程序是 IDEA 里的 Java 程序：

• 打开 com.IronmanJay.kafkastream.Application
• 直接右键 → 运行 main 方法（绿色小三角）

✅ 成功后控制台应该输出：kafka stream started!

---

7. 启动 Spark Streaming 流处理服务

假设你的 Spark 项目已打成 jar 包，比如 streamingRecommender-1.0-SNAPSHOT.jar。

命令格式：

spark-submit --class com.IronmanJay.streamingRecommender.StreamingRecommender D:\path\to\streamingRecommender-1.0-SNAPSHOT.jar

注意：

• 本地运行 Spark，Master 设置 local[*]
• MongoDB 地址记得是 localhost:27017
• Kafka 也是 localhost:9092

---

8. 测试 Kafka 发送消息

打开生产者：

bin\windows\kafka-console-producer.bat --broker-list localhost:9092 --topic recommender

然后直接输入（注意是一行 JSON，不要换行）：

{"uid":888,"pid":999,"score":4.5,"ts":1714149555}

回车发送！

---

总结：启动顺序建议

顺序	启动项	说明
1	Redis服务器	支持缓存
2	Zookeeper	支持Kafka协调
3	Kafka服务器	支持消息通信
4	创建 Kafka Topic	log 和 recommender
5	Flume Agent	采集日志到Kafka
6	Kafka Stream	处理log并写入recommender
7	Spark Streaming	监听recommender，实时处理
8	测试Kafka生产者	发送一条模拟数据验证