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 >Druid:通过 Kafka 加载流数据

Druid:通过 Kafka 加载流数据

作者头像
码哥字节
发布2020-06-02 17:18:17
1.8K0
发布2020-06-02 17:18:17
举报
文章被收录于专栏:Java 技术栈Java 技术栈

开始

本教程演示了如何使用 Druid 的 Kafka indexing 服务从 Kafka 流中加载数据至 Druid。

在本教程中,我们假设你已经按照 quickstart 文档中使用micro-quickstart单机配置所描述的下载了 Druid,并在本机运行了 Druid。你不需要加载任何数据。

下载并启动 Kafka

Apache Kafka是一种高吞吐量消息总线,可与 Druid 很好地配合使用。在本教程中,我们将使用 Kafka 2.1.0。在终端运行下面命令下载 Kafka:

代码语言:javascript
复制
curl -O https://archive.apache.org/dist/kafka/2.1.0/kafka_2.12-2.1.0.tgz
tar -xzf kafka_2.12-2.1.0.tgz
cd kafka_2.12-2.1.0

在终端运行下面命令启动 kafka broker:

代码语言:javascript
复制
./bin/kafka-server-start.sh config/server.properties

运行下面命令创建名为wikipedia的 topic,我们将向其发送数据:

代码语言:javascript
复制
./bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic wikipedia

向 Kafka 加载数据

wikipedia topic 启动一个 kafka producer,并发送数据。

在 Druid 目录下,运行下面命令:

代码语言:javascript
复制
cd quickstart/tutorial
gunzip -c wikiticker-2015-09-12-sampled.json.gz > wikiticker-2015-09-12-sampled.json

在 Kafka 目录下运行下面命令,将{PATH_TO_DRUID}替换成你的 Kafka 路径:

代码语言:javascript
复制
export KAFKA_OPTS="-Dfile.encoding=UTF-8"
./bin/kafka-console-producer.sh --broker-list localhost:9092 --topic wikipedia < {PATH_TO_DRUID}/quickstart/tutorial/wikiticker-2015-09-12-sampled.json

上面命令会向 kakfa 的wikiapedia topic 发送 events。之后,我们将使用 Druid 的 Kafka indexing 服务从 Kafka topic 中提取数据。

通过 data loader 加载数据

导航至 localhost:8080 并单击控制台顶部的Load data

选择 Apache Kafka 并单击 Connect data.

输入 bootstrap:localhost:9092和 topic:wikipedia

单击Preview并确定你看到的数据正确。

找到数据后,可以单击"Next: Parse data"进入下一步。

data loader 会尝试自动选择正确的数据解析器。在本示例中,将选择json解析器。你可以尝试选择其他解析器,看看 Druid 是如何解析数据的。

选择json解析器,点击Next: Parse time进入下一步,来确定 timestamp 列。

Druid 需要一个主 timestamp 列(内部将存储在__time 列)。如果你的数据中没有 timestamp 列,选择Constant value。在我们的示例中,将选择time列,因为它是数据之中唯一可以作为主时间列的候选者。

单击Next: ...两次以跳过TransformFilter步骤。

您无需在这些步骤中输入任何内容,因为应用提取数据的时间变换和过滤器不在本教程范围内。

Configure schema步骤中,你可以配置哪些维度和指标可以摄入 Druid。这是数据被摄入 Druid 后呈现的样子。由于我们的数据集比较小,点击Rollup开关关闭 rollup 功能。

对 schema 配置满意后,单击Next进入Partition步骤,以调整数据至 segment 的分区。

在这里,您可以调整如何在 Druid 中将数据拆分为多个段。由于这是一个很小的数据集,因此在此步骤中无需进行任何调整。

单击Tune步骤后,进入发布步骤。

Publish步骤中,我们可以指定 Druid 中的数据源名称。我们将此数据源命名为wikipedia。最后,单击Next以查看 spec。

这是你构建的 spec。尝试随意返回并在之前的步骤中进行更改,以查看变动将如何更新 spec。同样,你也可以直接编辑 spec,并在前面的步骤中看到它。

对 spec 满意后,点击Submit创建摄取任务。

你将进入任务视图,重点关注新创建的任务。任务视图设置为自动刷新,等待任务成功。

当一项任务成功完成时,意味着它建立了一个或多个 segment,这些 segment 将由数据服务器接收。

Datasources从标题导航到视图。

等待直到你的数据源(wikipedia)出现。加载 segment 时可能需要几秒钟。

一旦看到绿色(完全可用)圆圈,就可以查询数据源。此时,你可以转到Query视图以对数据源运行 SQL 查询。

运行SELECT * FROM "wikipedia"查询以查看结果。

通过控制台提交 supervisor

在控制台中,单击Submit supervisor打开提交 supervisor 窗口。

粘贴以下 spec 并点击提交:

代码语言:javascript
复制
{
  "type": "kafka",
  "spec" : {
    "dataSchema": {
      "dataSource": "wikipedia",
      "timestampSpec": {
        "column": "time",
        "format": "auto"
      },
      "dimensionsSpec": {
        "dimensions": [
          "channel",
          "cityName",
          "comment",
          "countryIsoCode",
          "countryName",
          "isAnonymous",
          "isMinor",
          "isNew",
          "isRobot",
          "isUnpatrolled",
          "metroCode",
          "namespace",
          "page",
          "regionIsoCode",
          "regionName",
          "user",
          { "name": "added", "type": "long" },
          { "name": "deleted", "type": "long" },
          { "name": "delta", "type": "long" }
        ]
      },
      "metricsSpec" : [],
      "granularitySpec": {
        "type": "uniform",
        "segmentGranularity": "DAY",
        "queryGranularity": "NONE",
        "rollup": false
      }
    },
    "tuningConfig": {
      "type": "kafka",
      "reportParseExceptions": false
    },
    "ioConfig": {
      "topic": "wikipedia",
      "inputFormat": {
        "type": "json"
      },
      "replicas": 2,
      "taskDuration": "PT10M",
      "completionTimeout": "PT20M",
      "consumerProperties": {
        "bootstrap.servers": "localhost:9092"
      }
    }
  }
}

这将启动 supervisor,并分化出 task 监听数据流入。

直接提交 supervisor

为了直接启动服务,我们需要在 Druid 包根目录下运行下面命令提交一个 supervisor spec 给 Druid overlord:

代码语言:javascript
复制
curl -XPOST -H'Content-Type: application/json' -d @quickstart/tutorial/wikipedia-kafka-supervisor.json http://localhost:8081/druid/indexer/v1/supervisor

如果 supervisor 成功创建,你将得到一个包含 supervisor ID 的响应。在我们的示例中,将返回{"id":"wikipedia"}

你可以在控制台中查看当前 supervisor 和 tasks: http://localhost:8888/unified-console.html#tasks.

查询数据

当数据发送给 Kafka stream 后,立刻就可以查询数据。

本文翻译至 Druid 官方文档

请关注我们。一起学习 Druid 知识。

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:2020-06-01,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 码哥字节 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
目录
  • 开始
  • 下载并启动 Kafka
  • 向 Kafka 加载数据
  • 通过 data loader 加载数据
  • 通过控制台提交 supervisor
  • 直接提交 supervisor
  • 查询数据
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