前往小程序，Get更优阅读体验！
立即前往
文档建议反馈控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
发布
首页
学习
活动
专区
工具
TVP最新优惠活动
返回腾讯云官网
社区首页 >专栏 >Spark2Streaming读Kerberos环境的Kafka并写数据到HBase

Spark2Streaming读Kerberos环境的Kafka并写数据到HBase

作者头像
Fayson
发布于 2018-07-12 15:45:21
2.2K0
发布于 2018-07-12 15:45:21
举报
文章被收录于专栏：Hadoop实操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介绍了在Kerberos环境下《Spark2Streaming读Kerberos环境的Kafka并写数据到Kudu》，本篇文章Fayson主要介绍如何使用Spark2Streaming访问Kerberos环境的Kafka并将接收到的Kafka数据写入HBase，在介绍本篇文章前，你可能需要知道：

《如何在CDH集群启用Kerberos》

《如何通过Cloudera Manager为Kafka启用Kerberos及使用》

示例架构图如下：

示例详细流程图如下：

  • 内容概述：

1.环境准备

2.Spark2Streaming示例开发

3.示例运行

4.总结

  • 测试环境：

1.CM5.14.3/CDH5.14.2

2.CDK2.2.0（Apache Kafka0.10.2）

3.SPARK2.2.0

4.操作系统版本为Redhat7.3

5.采用root用户进行操作

6.集群已启用Kerberos

2.环境准备

1.准备访问Kafka的Keytab文件，使用xst命令导出keytab文件

代码语言：javascript
复制
[root@cdh01 ~]# kadmin.local 

Authenticating as principal hbase/admin@FAYSON.COM with password.

kadmin.local:  xst -norandkey -k fayson.keytab fayson@FAYSON.COM

（可左右滑动）

使用klist命令检查导出的keytab文件是否正确

代码语言：javascript
复制
[root@cdh01 ~]# klist -ek fayson.keytab

2. 准备jaas.cof文件内容如下：

代码语言：javascript
复制
KafkaClient {

  com.sun.security.auth.module.Krb5LoginModule required

  useKeyTab=true

  keyTab="/data/disk1/0286-kafka-shell/conf/fayson.keytab"

  principal="fayson@FAYSON.COM";

};



Client {

  com.sun.security.auth.module.Krb5LoginModule required

  useKeyTab=true

  storeKey=true

  keyTab="/data/disk1/0286-kafka-shell/conf/fayson.keytab"

  principal="fayson@FAYSON.COM";

};

（可左右滑动）

将fayson.keytab和jaas.conf文件拷贝至集群的所有节点统一的/data/disk1/0286-kafka-shell/conf目录下。

3. 准备向Kerberos环境发送数据的脚本，关于脚本这里就不在过多的介绍前面很多文章都有介绍，具体可以参考Fayson的GitHub：

https://github.com/fayson/cdhproject/tree/master/kafkademo/0286-kafka-shell

根据需要将conf下面的配置文件修改为自己集群的环境即可，发送至Kafka的JSON数据示例如下：

代码语言：javascript
复制
{
   "occupation": "生产工作、运输工作和部分体力劳动者",
   "address": "台东东二路16号-8-8",
   "city": "长治",
   "marriage": "1",
   "sex": "1",
   "name": "仲淑兰",
   "mobile_phone_num": "13607268580",
   "bank_name": "广州银行31",
   "id": "510105197906185179",
   "child_num": "1",
   "fix_phone_num": "15004170180"
}

（可左右滑动）

4.登录CM进入SPARK2服务的配置项将spark_kafka_version的kafka版本修改为0.10

5.通过CM下载HBase客户端配置文件

6.将Spark2访问HBase的依赖包添加到集群的/opt/cloudera/parcels/SPARK2/lib/spark2/jars目录下，依赖的jar包如下:

代码语言：javascript
复制
hbase-client-1.2.0-cdh5.14.2.jar
hbase-common-1.2.0-cdh5.14.2.jar
hbase-protocol-1.2.0-cdh5.14.2.jar
htrace-core-3.2.0-incubating.jar

（可左右滑动）

注意：需要将依赖包拷贝至集群所有节点。

3.Spark2Streaming示例开发

1.使用maven创建scala语言的spark2demo工程，pom.xml依赖如下

代码语言：javascript
复制
<dependency>
    <groupId>org.apache.hbase</groupId>
    <artifactId>hbase-client</artifactId>
    <version>1.2.0-cdh5.14.2</version>
</dependency>

（可左右滑动）

具体需要的依赖包，可以参考Fayson前面的文章《Spark2Streaming读Kerberos环境的Kafka并写数据到Kudu》

2.添加访问HBase的集群配置信息hdfs-site.xml/core-stie.xml/hbase-site.xml文件

3.在resources下创建0289.properties配置文件，内容如下：

代码语言：javascript
复制
kafka.brokers=cdh02.fayson.com:9092,cdh03.fayson.com:9092,cdh04.fayson.com:9092
kafka.topics=kafka_hbase_topic
principal.account=fayson@FAYSON.COM
keytab.filepath=/data/disk1/spark2streaming-kafka-hbase/conf/fayson.keytab

（可左右滑动）

4.创建HBaseUtils.scala类，主要用于创建HBase的Connection

代码语言：javascript
复制
package utils

import java.io.File
import java.security.PrivilegedAction
import org.apache.hadoop.hbase.{HBaseConfiguration}
import org.apache.hadoop.hbase.client.{Connection, ConnectionFactory}
import org.apache.hadoop.security.UserGroupInformation

/**
  * package: utils
  * describe: 访问Kerberos环境下的HBase
  * creat_user: Fayson 
  * email: htechinfo@163.com
  * creat_date: 2018/6/25
  * creat_time: 下午10:46
  * 公众号：Hadoop实操
  */
object HBaseUtil {

  /**
    * HBase 配置文件路径
    * @param confPath
    * @return
    */
  def getHBaseConn(confPath: String, principal: String, keytabPath: String): Connection = {
    val configuration = HBaseConfiguration.create
    val coreFile = new File(confPath + File.separator + "core-site.xml")
    if(!coreFile.exists()) {
      val in = HBaseUtil.getClass.getClassLoader.getResourceAsStream("hbase-conf/core-site.xml")
      configuration.addResource(in)
    }
    val hdfsFile = new File(confPath + File.separator + "hdfs-site.xml")
    if(!hdfsFile.exists()) {
      val in = HBaseUtil.getClass.getClassLoader.getResourceAsStream("hbase-conf/hdfs-site.xml")
      configuration.addResource(in)
    }
    val hbaseFile = new File(confPath + File.separator + "hbase-site.xml")
    if(!hbaseFile.exists()) {
      val in = HBaseUtil.getClass.getClassLoader.getResourceAsStream("hbase-conf/hbase-site.xml")
      configuration.addResource(in)
    }

    UserGroupInformation.setConfiguration(configuration)
    UserGroupInformation.loginUserFromKeytab(principal, keytabPath)
    val loginUser = UserGroupInformation.getLoginUser
    loginUser.doAs(new PrivilegedAction[Connection] {
      override def run(): Connection = ConnectionFactory.createConnection(configuration)
    })
  }
}

（可左右滑动）

5.创建Kafka2Spark2HBase.scala文件，内容如下：

代码语言：javascript
复制
package com.cloudera.streaming

import java.io.{File, FileInputStream}
import java.util.Properties

import org.apache.commons.lang.StringUtils
import org.apache.hadoop.hbase.TableName
import org.apache.hadoop.hbase.client.Put
import org.apache.hadoop.hbase.util.Bytes
import org.apache.kafka.common.serialization.StringDeserializer
import org.apache.log4j.{Level, Logger}
import org.apache.spark.SparkConf
import org.apache.spark.sql.SparkSession
import org.apache.spark.streaming.kafka010.{ConsumerStrategies, KafkaUtils, LocationStrategies}
import org.apache.spark.streaming.{Seconds, StreamingContext}
import utils.HBaseUtil

import scala.util.Try
import scala.util.parsing.json.JSON

/**
  * package: com.cloudera.streaming
  * describe: Kerberos环境中Spark2Streaming应用实时读取Kafka数据，解析后存入HBase
  * 使用spark2-submit的方式提交作业
  * spark2-submit --class com.cloudera.streaming.Kafka2Spark2Hbase \
    --master yarn \
    --deploy-mode client \
    --executor-memory 2g \
    --executor-cores 2 \
    --driver-memory 2g \
    --num-executors 2 \
    --queue default  \
    --principal fayson@FAYSON.COM \
    --keytab /data/disk1/spark2streaming-kafka-hbase/conf/fayson.keytab \
    --files "/data/disk1/spark2streaming-kafka-hbase/conf/jaas.conf#jaas.conf" \
    --driver-java-options "-Djava.security.auth.login.config=/data/disk1/spark2streaming-kafka-hbase/conf/jaas.conf" \
    --conf "spark.executor.extraJavaOptions=-Djava.security.auth.login.config=/data/disk1/spark2streaming-kafka-hbase/conf/jaas.conf" \
    spark2-demo-1.0-SNAPSHOT.jar
  * creat_user: Fayson 
  * email: htechinfo@163.com
  * creat_date: 2018/6/25
  * creat_time: 下午10:40
  * 公众号：Hadoop实操
  */
object Kafka2Spark2Hbase {

  Logger.getLogger("com").setLevel(Level.ERROR) //设置日志级别

  var confPath: String = System.getProperty("user.dir") + File.separator + "conf"

  def main(args: Array[String]): Unit = {
    //加载配置文件
    val properties = new Properties()
    val file = new File(confPath + File.separator + "0288.properties")
    if(!file.exists()) {
      val in = Kafka2Spark2Kudu.getClass.getClassLoader.getResourceAsStream("0289.properties")
      properties.load(in);
    } else {
      properties.load(new FileInputStream(confPath))
    }

    val brokers = properties.getProperty("kafka.brokers")
    val topics = properties.getProperty("kafka.topics")
    val principal = properties.getProperty("principal.account")
    val keytabFilePath = properties.getProperty("keytab.filepath")
    println("kafka.brokers:" + brokers)
    println("kafka.topics:" + topics)

    if(StringUtils.isEmpty(brokers)|| StringUtils.isEmpty(topics) || StringUtils.isEmpty(principal) || StringUtils.isEmpty(keytabFilePath)) {
      println("未配置Kafka和Kerberos信息")
      System.exit(0)
    }
    val topicsSet = topics.split(",").toSet

    val spark = SparkSession.builder().appName("Kafka2Spark2HBase-kerberos").config(new SparkConf()).getOrCreate()
    val ssc = new StreamingContext(spark.sparkContext, Seconds(5)) //设置Spark时间窗口，每5s处理一次
    val kafkaParams = Map[String, Object]("bootstrap.servers" -> brokers
      , "auto.offset.reset" -> "latest"
      , "security.protocol" -> "SASL_PLAINTEXT"
      , "sasl.kerberos.service.name" -> "kafka"
      , "key.deserializer" -> classOf[StringDeserializer]
      , "value.deserializer" -> classOf[StringDeserializer]
      , "group.id" -> "testgroup"
    )

    val dStream = KafkaUtils.createDirectStream[String, String](ssc,
      LocationStrategies.PreferConsistent,
      ConsumerStrategies.Subscribe[String, String](topicsSet, kafkaParams))

    dStream.foreachRDD(rdd => {
      rdd.foreachPartition(partitionRecords => {
        val connection = HBaseUtil.getHBaseConn(confPath, principal, keytabFilePath) // 获取Hbase连接
        partitionRecords.foreach(line => {
          //将Kafka的每一条消息解析为JSON格式数据
          val jsonObj =  JSON.parseFull(line.value())
          println(line.value())
          val map:Map[String,Any] = jsonObj.get.asInstanceOf[Map[String, Any]]
          val rowkey = map.get("id").get.asInstanceOf[String]
          val name = map.get("name").get.asInstanceOf[String]
          val sex = map.get("sex").get.asInstanceOf[String]
          val city = map.get("city").get.asInstanceOf[String]
          val occupation = map.get("occupation").get.asInstanceOf[String]
          val mobile_phone_num = map.get("mobile_phone_num").get.asInstanceOf[String]
          val fix_phone_num = map.get("fix_phone_num").get.asInstanceOf[String]
          val bank_name = map.get("bank_name").get.asInstanceOf[String]
          val address = map.get("address").get.asInstanceOf[String]
          val marriage = map.get("marriage").get.asInstanceOf[String]
          val child_num = map.get("child_num").get.asInstanceOf[String]

          val tableName = TableName.valueOf("user_info")
          val table = connection.getTable(tableName)
          val put = new Put(Bytes.toBytes(rowkey))
          put.addColumn(Bytes.toBytes("info"), Bytes.toBytes("name"), Bytes.toBytes(name))
          put.addColumn(Bytes.toBytes("info"), Bytes.toBytes("sex"), Bytes.toBytes(sex))
          put.addColumn(Bytes.toBytes("info"), Bytes.toBytes("city"), Bytes.toBytes(city))
          put.addColumn(Bytes.toBytes("info"), Bytes.toBytes("occupation"), Bytes.toBytes(occupation))
          put.addColumn(Bytes.toBytes("info"), Bytes.toBytes("mobile_phone_num"), Bytes.toBytes(mobile_phone_num))
          put.addColumn(Bytes.toBytes("info"), Bytes.toBytes("fix_phone_num"), Bytes.toBytes(fix_phone_num))
          put.addColumn(Bytes.toBytes("info"), Bytes.toBytes("bank_name"), Bytes.toBytes(bank_name))
          put.addColumn(Bytes.toBytes("info"), Bytes.toBytes("address"), Bytes.toBytes(address))
          put.addColumn(Bytes.toBytes("info"), Bytes.toBytes("marriage"), Bytes.toBytes(marriage))
          put.addColumn(Bytes.toBytes("info"), Bytes.toBytes("child_num"), Bytes.toBytes(child_num))

          Try(table.put(put)).getOrElse(table.close())//将数据写入HBase，若出错关闭table
          table.close()//分区数据写入HBase后关闭连接
        })
        connection.close()

      })
    })

    ssc.start()
    ssc.awaitTermination()
  }

}

（可左右滑动）

6.使用mvn命令编译工程，注意由于是scala工程编译时mvn命令要加scala:compile

代码语言：javascript
复制
mvn clean scala:compile package7.将编译好的spark2-demo-1.0-SNAPSHOT.jar包上传至服务器

7.将编译好的spark2-demo-1.0-SNAPSHOT.jar包上传至服务器

将Spark2应用的配置文件放在conf目录下，内容如下：

0289.properties配置文件内容如下：

jaas.conf文件内容如下：

将spark2streaming-kafka-hbase目录拷贝至集群的所有节点

4.示例运行

1.使用spark2-submit命令向集群提交Spark2Streaming作业

代码语言：javascript
复制
spark2-submit --class com.cloudera.streaming.Kafka2Spark2Hbase \
--master yarn \
--deploy-mode client \
--executor-memory 2g \
--executor-cores 2 \
--driver-memory 2g \
--num-executors 2 \
--queue default  \
--principal fayson@FAYSON.COM \
--keytab /data/disk1/spark2streaming-kafka-hbase/conf/fayson.keytab \
--files "/data/disk1/spark2streaming-kafka-hbase/conf/jaas.conf#jaas.conf" \
--driver-java-options "-Djava.security.auth.login.config=/data/disk1/spark2streaming-kafka-hbase/conf/jaas.conf" \
--conf "spark.executor.extraJavaOptions=-Djava.security.auth.login.config=/data/disk1/spark2streaming-kafka-hbase/conf/jaas.conf" \
spark2-demo-1.0-SNAPSHOT.jar

（可左右滑动）

通过CM查看作业是否提交成功

Spark2的UI界面

2.运行脚本向Kafka的Kafka_hbase_topic生产消息

3.使用hbase shell命令查看数据是否入库成功

5.总结

1.本示例中SparkStreaming读取Kerberos环境的Kafka集群，使用的是spark-streaming-kafka0.10.0版本的依赖包，在Spark中提供两个的另外一个版本的为0.8.0版本，在选择依赖包时需要注意与Spark版本的兼容性问题，具体可以参考官网地址：

代码语言：javascript
复制
http://spark.apache.org/docs/2.2.0/streaming-kafka-integration.html

（可左右滑动）

2.在前面的文章Fayson也有介绍Java访问Kerberos环境的Kafka，需要使用到jaas.conf文件，这里的jaas.conf文件Fayson通过spark2-submit的方式指定，注意我们的jaas.conf文件及keytab需要在集群的所有节点存在，因为Driver和Executor是随机在集群的节点上启动的。

3.同样在scala代码中访问Kafka是也一样需要添加Kerberos相关的配置security.protocol和sasl.kerberos.service.name参数。

4.Spark2默认的kafka版本为0.9需要通过CM将默认的Kafka版本修改为0.10

5.注意在0289.properties配置文件中，指定了keytab文件的绝对路径，如果指定的为相对路径可能会出现Kerberos认证失败。

6.在访问Kerberos环境的HBase，需要加载HBase的客户端配置文件，因为在访问HBase时需要使用Hadoop的UserGroupInformation对象登录Kerberos账号，为了方便直接将三个配置文件加载。

GitHub地址如下：

https://github.com/fayson/cdhproject/blob/master/spark2demo/src/main/scala/com/cloudera/streaming/Kafka2Spark2Hbase.scala

https://github.com/fayson/cdhproject/blob/master/spark2demo/src/main/scala/utils/HBaseUtil.scala

本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2018-06-26，如有侵权请联系 cloudcommunity@tencent.com 删除
hbase
大数据
spark

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 腾讯云自媒体分享计划  ，欢迎热爱写作的你一起参与！

hbase
大数据
spark
评论
登录后参与评论
0 条评论
热度
最新
登录 后参与评论
推荐阅读
LV.
文章
0
获赞
0
相关产品与服务
大数据
全栈大数据产品，面向海量数据场景，帮助您 “智理无数，心中有数”！
产品介绍
精选特惠 用云无忧
领券

腾讯云开发者

扫码关注腾讯云开发者

扫码关注腾讯云开发者

领取腾讯云代金券

热门产品

热门推荐

更多推荐

Copyright © 2013 - 2024 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有 

深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 深公网安备号 44030502008569

腾讯云计算（北京）有限责任公司 京ICP证150476号 |  京ICP备11018762号 | 京公网安备号11010802020287

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

Copyright © 2013 - 2024 Tencent Cloud.

All Rights Reserved. 腾讯云 版权所有

登录 后参与评论