Maynor学长

Maynor学长

关注
发信
关注(28)粉丝(399)

基于Flume+Kafka+Hbase+Flink+FineBI的实时综合案例(二)数据源

04：数据源

  • 目标：了解数据源的格式及实现模拟数据的生成

  • 路径

    • step1：数据格式
    • step2：数据生成

  • 实施

    • 数据格式

      基于Flume+Kafka+Hbase+Flink+FineBI的实时综合案例(二)数据源-LMLPHP

    • 数据生成

      • 创建原始文件目录

        mkdir /export/data/momo_init

      • 上传模拟数据程序

        cd /export/data/momo_init
rz

        基于Flume+Kafka+Hbase+Flink+FineBI的实时综合案例(二)数据源-LMLPHP

      • 创建模拟数据目录

        mkdir /export/data/momo_data

      • 运行程序生成数据

        • 语法

          java -jar /export/data/momo_init/MoMo_DataGen.jar 原始数据路径 模拟数据路径 随机产生数据间隔ms时间

        • 测试：每500ms生成一条数据

          java -jar /export/data/momo_init/MoMo_DataGen.jar \
/export/data/momo_init/MoMo_Data.xlsx \
/export/data/momo_data/ \
500

        • 结果：生成模拟数据文件MOMO_DATA.dat，并且每条数据中字段分隔符为\001

        基于Flume+Kafka+Hbase+Flink+FineBI的实时综合案例(二)数据源-LMLPHP

  • 小结

    • 了解数据源的格式及实现模拟数据的生成

05：技术架构及技术选型

  • 目标：掌握实时案例的技术架构及技术选型

  • 路径

    • step1：需求分析
    • step2：技术选型
    • step3：技术架构

  • 实施

    • 需求分析

      • 离线存储计算
        • 提供离线T + 1的统计分析
        • 提供离线数据的即时查询
      • 实时存储计算
        • 提供实时统计分析

    • 技术选型

      • 离线
        • 数据采集：Flume
        • 离线存储：Hbase
        • 离线分析：Hive：复杂计算
        • 即时查询：Phoenix：高效查询
      • 实时
        • 数据采集：Flume
        • 实时存储：Kafka
        • 实时计算：Flink
        • 实时应用：MySQL + FineBI 或者 Redis + JavaWeb可视化

    • 技术架构

      基于Flume+Kafka+Hbase+Flink+FineBI的实时综合案例(二)数据源-LMLPHP

      • 为什么不直接将Flume的数据给Hbase，而统一的给了Kafka，再由Kafka到Hbase？
        • 避免高并发写导致机器负载过高、实现架构解耦、实现异步高效
        • 保证数据一致性

  • 小结

    • 掌握实时案例的技术架构及技术选型

06：Flume的回顾及安装

  • 目标：回顾Flume基本使用及实现Flume的安装测试

  • 路径

    • step1：Flume回顾
    • step2：Flume的安装
    • step3：Flume的测试

  • 实施

    • Flume的回顾

      • 功能：实时对文件或者网络端口进行数据流监听采集
      • 场景：文件实时采集
      • 开发
        • step1：先开发一个配置文件：properties【K=V】
        • step2：运行这个文件即可
      • 组成
        • Agent：一个Agent就是一个Flume程序
        • Source：负责监听数据源，将数据源的动态数据变成每一条Event数据，将Event数据流放入Channel
        • Channel：负责临时存储Source发送过来的数据，供Sink来取数据
        • Sink：负责从Channel拉取数据写入目标地
        • Event：代表一条数据对象
          • head：Map集合[KV]
          • body：byte[]

    • Flume的安装

      • 上传安装包

        cd /export/software/
rz

        基于Flume+Kafka+Hbase+Flink+FineBI的实时综合案例(二)数据源-LMLPHP

      • 解压安装

        tar -zxvf apache-flume-1.9.0-bin.tar.gz -C /export/server/
cd /export/server
mv apache-flume-1.9.0-bin flume-1.9.0-bin

      • 修改配置

        #集成HDFS，拷贝HDFS配置文件
cd /export/server/flume-1.9.0-bin
cp /export/server/hadoop/etc/hadoop/core-site.xml  ./conf/
#修改Flume环境变量
cd /export/server/flume-1.9.0-bin/conf/
mv flume-env.sh.template flume-env.sh
vim flume-env.sh 

        #修改22行
export JAVA_HOME=/export/server/jdk1.8.0_65
#修改34行
export HADOOP_HOME=/export/server/hadoop-3.3.0

      • 删除Flume自带的guava包，替换成Hadoop的

        cd /export/server/flume-1.9.0-bin 
rm -rf lib/guava-11.0.2.jar
cp /export/server/hadoop/share/hadoop/common/lib/guava-27.0-jre.jar lib/

      • 创建目录

        cd /export/server/flume-1.9.0-bin
#程序配置文件存储目录
mkdir usercase
#Taildir元数据存储目录
mkdir position

    • Flume的测试

      • 需求：采集聊天数据，写入HDFS

      • 分析

        • Source：taildir：动态监听多个文件实现实时数据采集
        • Channel：mem：将数据缓存在内存
        • Sink：hdfs

      • 开发

        vim /export/server/flume-1.9.0-bin/usercase/momo_mem_hdfs.properties

        # define a1
a1.sources = s1 
a1.channels = c1
a1.sinks = k1

#define s1
a1.sources.s1.type = TAILDIR
#指定一个元数据记录文件
a1.sources.s1.positionFile = /export/server/flume-1.9.0-bin/position/taildir_momo_hdfs.json
#将所有需要监控的数据源变成一个组
a1.sources.s1.filegroups = f1
#指定了f1是谁：监控目录下所有文件
a1.sources.s1.filegroups.f1 = /export/data/momo_data/.*
#指定f1采集到的数据的header中包含一个KV对
a1.sources.s1.headers.f1.type = momo
a1.sources.s1.fileHeader = true

#define c1
a1.channels.c1.type = memory
a1.channels.c1.capacity = 10000
a1.channels.c1.transactionCapacity = 1000

#define k1
a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path = /flume/momo/test/daystr=%Y-%m-%d
a1.sinks.k1.hdfs.fileType = DataStream
#指定按照时间生成文件，一般关闭
a1.sinks.k1.hdfs.rollInterval = 0
#指定文件大小生成文件，一般120 ~ 125M对应的字节数
a1.sinks.k1.hdfs.rollSize = 102400
#指定event个数生成文件，一般关闭
a1.sinks.k1.hdfs.rollCount = 0
a1.sinks.k1.hdfs.filePrefix = momo
a1.sinks.k1.hdfs.fileSuffix = .log
a1.sinks.k1.hdfs.useLocalTimeStamp = true

#bound
a1.sources.s1.channels = c1
a1.sinks.k1.channel = c1

      • 启动HDFS

        start-dfs.sh

      • 运行Flume

        cd /export/server/flume-1.9.0-bin
bin/flume-ng agent -c conf/ -n a1 -f usercase/momo_mem_hdfs.properties -Dflume.root.logger=INFO,console

      • 运行模拟数据

        java -jar /export/data/momo_init/MoMo_DataGen.jar \
/export/data/momo_init/MoMo_Data.xlsx \
/export/data/momo_data/ \
100

      • 查看结果

        基于Flume+Kafka+Hbase+Flink+FineBI的实时综合案例(二)数据源-LMLPHP

  • 小结

    • 回顾Flume基本使用及实现Flume的安装测试

07：Flume采集程序开发

  • 目标：实现案例Flume采集程序的开发

  • 路径

    • step1：需求分析
    • step2：程序开发
    • step3：测试实现

  • 实施

    • 需求分析

      • 需求：采集聊天数据，实时写入Kafka

      • Source：taildir

      • Channel：mem

      • Sink：Kafka sink

        a1.sinks.k1.type = org.apache.flume.sink.kafka.KafkaSink
a1.sinks.k1.kafka.bootstrap.servers = node1:9092,node2:9092,node3:9092
a1.sinks.k1.kafka.producer.acks = 1
a1.sinks.k1.kafka.topic = mytopic
a1.sinks.k1.kafka.flumeBatchSize = 20
a1.sinks.k1.kafka.producer.linger.ms = 1
a1.sinks.k1.kafka.producer.compression.type = snappy

    • 程序开发

      vim /export/server/flume-1.9.0-bin/usercase/momo_mem_kafka.properties

      # define a1
a1.sources = s1 
a1.channels = c1
a1.sinks = k1

#define s1
a1.sources.s1.type = TAILDIR
#指定一个元数据记录文件
a1.sources.s1.positionFile = /export/server/flume-1.9.0-bin/position/taildir_momo_kafka.json
#将所有需要监控的数据源变成一个组
a1.sources.s1.filegroups = f1
#指定了f1是谁：监控目录下所有文件
a1.sources.s1.filegroups.f1 = /export/data/momo_data/.*
#指定f1采集到的数据的header中包含一个KV对
a1.sources.s1.headers.f1.type = momo
a1.sources.s1.fileHeader = true

#define c1
a1.channels.c1.type = memory
a1.channels.c1.capacity = 10000
a1.channels.c1.transactionCapacity = 1000

#define k1
a1.sinks.k1.type = org.apache.flume.sink.kafka.KafkaSink
a1.sinks.k1.kafka.topic = MOMO_MSG
a1.sinks.k1.kafka.bootstrap.servers = node1:9092,node2:9092,node3:9092
a1.sinks.k1.kafka.flumeBatchSize = 10
a1.sinks.k1.kafka.producer.acks = 1
a1.sinks.k1.kafka.producer.linger.ms = 100

#bound
a1.sources.s1.channels = c1
a1.sinks.k1.channel = c1

    • 测试实现

      • 启动Kafka

        start-zk-all.sh
start-kafka.sh

      • 创建Topic

        kafka-topics.sh --create --topic MOMO_MSG  --partitions 3 --replication-factor 2 --bootstrap-server node1:9092,node2:9092,node3:9092

      • 列举

        kafka-topics.sh --list --bootstrap-server node1:9092,node2:9092,node3:9092

      • 启动消费者

        kafka-console-consumer.sh --topic MOMO_MSG --bootstrap-server node1:9092,node2:9092,node3:9092

      • 启动Flume程序

        cd /export/server/flume-1.9.0-bin
bin/flume-ng agent -c conf/ -n a1 -f usercase/momo_mem_kafka.properties -Dflume.root.logger=INFO,console

      • 启动模拟数据

        java -jar /export/data/momo_init/MoMo_DataGen.jar \
/export/data/momo_init/MoMo_Data.xlsx \
/export/data/momo_data/ \
50

      • 观察结果

  • 小结

    • 实现案例Flume采集程序的开发
10-13 18:26
Powered by LMLPHP ©2024 Maynor学长 0.002322