前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >如何使用Flume采集Kafka数据写入HBase

如何使用Flume采集Kafka数据写入HBase

作者头像
Fayson
发布2018-07-12 15:20:42
3.9K0
发布2018-07-12 15:20:42
举报
文章被收录于专栏:Hadoop实操

温馨提示:要看高清无码套图,请使用手机打开并单击图片放大查看。

Fayson的github: https://github.com/fayson/cdhproject

提示:代码块部分可以左右滑动查看噢

1.文档编写目的


在前面的文章Fayson也介绍了一些关于Flume的文章《非Kerberos环境下Kafka数据到Flume进Hive表》、《如何使用Flume准实时建立Solr的全文索引》、《如何在Kerberos环境使用Flume采集Kafka数据并写入HDFS》和《如何使用Flume采集Kafka数据写入Kudu》,本篇文章Fayson主要介绍在非Kerberos的CDH集群中使用Flume采集Kafka数据写入HBase。本文的数据流图如下:

  • 内容概述

1.环境准备及开发自定义HBaseSink

2.配置Flume Agent

3.流程测试

4.总结

  • 测试环境

1.CM和CDH版本为5.12.1

2.采用root用户操作

  • 前置条件

1. Flume已安装

2.HBase服务已安装且正常运行

2.环境准备


1.准备向Kafka发送数据的脚本

这里脚本Fayson就不在详细说明了,前面的文章及Github上均有说明:

代码语言:javascript
复制
https://github.com/fayson/cdhproject/tree/master/kafkademo/0283-kafka-shell

(可左右滑动)

2.通过hbase shell命令创建HBase测试表

代码语言:javascript
复制
create 'fayson_ods_deal_daily','info'

3.开发HBaseSink示例


在CDH集群中Flume-ng默认添加了HBaseSink依赖包,但HBaseSink依赖包只支持两种序列化模式:

SimpleHbaseEventSerializer:将整个Event的Body部分当做完整的一列写入HBase

RegexHbaseEventSerializer:根据正则表达式将Event Body拆分到不同的列

写正则表达式Fayson不擅长,对于复杂结构数据时正则表达式的复杂度可想而知且不便于维护,所以这里Fayson选择使用自定义的HBaseSink方式来完成Json数据的解析及rowkey的指定。

1.在前面Fayson创建的flume-sink工程上继续开发HBaseSink

2.开发HBaseSink需要添加HBase相关的依赖包

代码语言:javascript
复制
<!-- HBase Sink 依赖包 -->
<dependency>
    <groupId>org.apache.flume.flume-ng-sinks</groupId>
    <artifactId>flume-ng-hbase-sink</artifactId>
    <version>1.6.0-cdh5.12.1</version>
</dependency>
<!-- HBase Client 依赖包 -->
<dependency>
    <groupId>org.apache.hbase</groupId>
    <artifactId>hbase-client</artifactId>
    <version>1.2.0-cdh5.12.1</version>
</dependency>

(可左右滑动)

3.借助于原生的HBaseSink重新创建了一个FaysonHBaseSink类,该类为指定的sink.type类型,由于代码过长,该类只贴代码片段

代码语言:javascript
复制
/**
 * package: com.cloudera.hbase
 * describe: 自定义HBaseSink,实现了自定义Rowkey及解析JSON字符串
 * creat_user: Fayson
 * email: htechinfo@163.com
 * creat_date: 2018/6/3
 * creat_time: 下午11:43
 * 公众号:Hadoop实操
 */
public class FaysonHBaseSink extends AbstractSink implements Configurable {
    private String tableName;
    private byte[] columnFamily;
    //增加自定义Rowkey字段,可以用多个列组合,以","分割
    ...
    private static final Logger logger = LoggerFactory.getLogger(com.cloudera.hbase.FaysonHBaseSink.class);
    private FaysonHBaseEventSerializer serializer;
    @Override
    public Status process() throws EventDeliveryException {
        Status status = Status.READY;
        Channel channel = getChannel();
        Transaction txn = channel.getTransaction();
        List<Row> actions = new LinkedList<Row>();
        List<Increment> incs = new LinkedList<Increment>();
        try {
            txn.begin();
            if (serializer instanceof BatchAware) {
                ((BatchAware)serializer).onBatchStart();
            }
            long i = 0;
            for (; i < batchSize; i++) {
                Event event = channel.take();
                if (event == null) {
                    if (i == 0) {
                        status = Status.BACKOFF;
                        sinkCounter.incrementBatchEmptyCount();
                    } else {
                        sinkCounter.incrementBatchUnderflowCount();
                    }
                    break;
                } else {
                    if(rowKeys != null && rowKeys.length() > 0) {
                        serializer.initialize(event, columnFamily, rowKeys);
                    } else {
                        serializer.initialize(event, columnFamily);
                    }
                    actions.addAll(serializer.getActions());
                    incs.addAll(serializer.getIncrements());
                }
            }
            if (i == batchSize) {
                sinkCounter.incrementBatchCompleteCount();
            }
            sinkCounter.addToEventDrainAttemptCount(i);
            putEventsAndCommit(actions, incs, txn);
        } catch (Throwable e) {
            try{
                txn.rollback();
            } catch (Exception e2) {
                logger.error("Exception in rollback. Rollback might not have been " +
                        "successful." , e2);
            }
            logger.error("Failed to commit transaction." +
                    "Transaction rolled back.", e);
            if(e instanceof Error || e instanceof RuntimeException){
                logger.error("Failed to commit transaction." +
                        "Transaction rolled back.", e);
                Throwables.propagate(e);
            } else {
                logger.error("Failed to commit transaction." +
                        "Transaction rolled back.", e);
                throw new EventDeliveryException("Failed to commit transaction." +
                        "Transaction rolled back.", e);
            }
        } finally {
            txn.close();
        }
        return status;
    }
}

(可左右滑动)

4.增加FaysonHBaseEventSerializer接口类继承原生的HBaseEventSerializer接口类,增加initialize(Event var1, byte[] var2, String var3)方法用于处理指定rowkey

代码语言:javascript
复制
package com.cloudera.hbase;
import org.apache.flume.Event;
import org.apache.flume.sink.hbase.HbaseEventSerializer;
/**
 * package: com.cloudera.hbase
 * describe: 继承HBaseSink的HbaseEventSerializer接口类,增加initialize(Event var1, byte[] var2, String var3)
 * 用于处理指定rowkey
 * creat_user: Fayson
 * email: htechinfo@163.com
 * creat_date: 2018/6/3
 * creat_time: 下午11:54
 * 公众号:Hadoop实操
 */
public interface FaysonHBaseEventSerializer extends HbaseEventSerializer {
    void initialize(Event var1, byte[] var2, String var3);
}

5.新增FaysonHBaseSinkConstants类,用于定义自定义HBaseSink的常量

代码语言:javascript
复制
package com.cloudera.hbase;
/**
 * package: com.cloudera.hbase
 * describe: 自定义HBaseSink常量类
 * creat_user: Fayson
 * email: htechinfo@163.com
 * creat_date: 2018/6/3
 * creat_time: 下午11:49
 * 公众号:Hadoop实操
 */
public class FaysonHBaseSinkConstants {
    public static final String CONFIG_ROWKEYS = "rowkeys";
}

(可左右滑动)

6.新增JsonHBaseEventSerializer类处理JSON格式数据的序列化类,继承FaysonHBaseEventSerializer类,由于代码太长该类只贴代码片段

代码语言:javascript
复制
public class JsonHBaseEventSerializer implements FaysonHBaseEventSerializer {
    private static final Logger logger = LoggerFactory.getLogger(com.cloudera.hbase.JsonHBaseEventSerializer.class);
    private LinkedHashSet<String> rowkeySet;
    @Override
    public void initialize(Event event, byte[] columnFamily, String rowkeys) {
        this.headers = event.getHeaders();
        this.payload = event.getBody();
        this.cf = columnFamily;
        rowkeySet = new LinkedHashSet<>();
        logger.info("rowkeys:" + rowkeys);
        for(String rowkey : rowkeys.split(",")) {
            rowkeySet.add(rowkey);
        }
    }
    @Override
    public List<Row> getActions() throws FlumeException {
        List<Row> actions = Lists.newArrayList();
        //将JSON消息转换为Map对象
        Map<String, String> resultMap = JsonStr2Map.jsonStr2Map(new String(payload, charset));
        try {
            byte[] rowKey;
            if(!rowkeySet.isEmpty()) {  //如果rowkeySet集合不为空则使用自定义的rowkey
                StringBuffer rowkeyBuff = new StringBuffer();
                for(String rowkey : rowkeySet) {
                    rowkeyBuff.append(resultMap.get(rowkey) + "-");
                }
                rowKey = rowkeyBuff.substring(0, rowkeyBuff.length()-1).getBytes();
                //移除Map中不需要存入Column的列
                for(String rowkey : rowkeySet) {
                    resultMap.remove(rowkey);
                }
            } else {
                if (rowKeyIndex < 0) {
                    rowKey = getRowKey();
                } else {
                    rowKey = resultMap.get(rowKeyIndex + 1).getBytes(Charsets.UTF_8);
                }
            }
            Put put = new Put(rowKey);
            for(Map.Entry<String, String> entry : resultMap.entrySet()) {
                put.add(cf, entry.getKey().getBytes(), entry.getValue().getBytes(Charsets.UTF_8));
            }
            if (depositHeaders) {
                for (Map.Entry<String, String> entry : headers.entrySet()) {
                    put.add(cf, entry.getKey().getBytes(charset), entry.getValue().getBytes(charset));
                }
            }
            actions.add(put);
        } catch (Exception e) {
            throw new FlumeException("Could not get row key!", e);
        }
        return actions;
    }
}

(可左右滑动)

7.将开发好的代码使用mvn命令打包

代码语言:javascript
复制
mvn clean package

将打包好的flume-sink-1.0-SNAPSHOT.jar部署到集群所有节点的/opt/cloudera/parcels/CDH/lib/flume-ng/lib目录下

代码语言:javascript
复制
[root@cdh01 shell]# sh bk_cp.sh node.list /root/flume-sink-1.0-SNAPSHOT.jar /opt/cloudera/parcels/CDH/lib/flume-ng/lib/

(可左右滑动)

4.配置Flume Agent


1.登录CM,进flume服务界面,点击“配置”

2.在Agent类别的“配置文件”中输入如下内容:

代码语言:javascript
复制
kafka.sources  = source1
kafka.channels = channel1
kafka.sinks = sink1
kafka.sources.source1.type = org.apache.flume.source.kafka.KafkaSource
kafka.sources.source1.kafka.bootstrap.servers = cdh01.fayson.com:9092,cdh02.fayson.com:9092,cdh03.fayson.com:9092
kafka.sources.source1.kafka.topics = kafka_sparkstreaming_kudu_topic
kafka.sources.source1.kafka.consumer.group.id = flume-consumer
kafka.sources.source1.channels = channel1
kafka.channels.channel1.type = memory
kafka.channels.channel1.capacity = 10000
kafka.channels.channel1.transactionCapacity = 1000
kafka.sinks.sink1.channel = channel1
kafka.sinks.sink1.type = com.cloudera.hbase.FaysonHBaseSink
kafka.sinks.sink1.table = fayson_ods_deal_daily
kafka.sinks.sink1.columnFamily = info
kafka.sinks.sink1.rowkeys = id,mobile_phone_num
kafka.sinks.sink1.serializer = com.cloudera.hbase.JsonHBaseEventSerializer

(可左右滑动)

3.保存flume配置,并重启Flume服务

5.流程测试


1.进入0283-kafka-shell目录执行命令向Kafka的kafka_sparkstreaming_kudu_topic发送消息

代码语言:javascript
复制
[root@cdh01 0283-kafka-shell]# sh run.sh ods_user_600.txt

2.通过Hue查看HBase的fayson_ods_deal_daily表

可以看到数据已写入到HBase的fayson_ods_deal_daily表,查看表总数与发送Kafka数量一致

6.总结


1.HBaseSink支持的序列化方式比少,所以Fayson自己写了JsonHBaseEventSerializer类用于解析JSON数据。

2.需要将自定义开发的Jar包部署到${ FLUME_HOME} /lib目录下

3.使用原生的Sink无法指定HBase的rowkey,这里Fayson在自己的自定义Sink中增加了对rowkey的指定,同样可以指定多个列为rowkey,JSON数据的key作为HBase的Column。

GitHub地址:

https://github.com/fayson/cdhproject/tree/master/flumesink/src/main/java/com/cloudera/hbase

提示:代码块部分可以左右滑动查看噢

为天地立心,为生民立命,为往圣继绝学,为万世开太平。 温馨提示:要看高清无码套图,请使用手机打开并单击图片放大查看。

推荐关注Hadoop实操,第一时间,分享更多Hadoop干货,欢迎转发和分享。

原创文章,欢迎转载,转载请注明:转载自微信公众号Hadoop实操

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2018-06-04,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 Hadoop实操 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档