flume采集数据到kafka（flume对接kafka）

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：

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

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

<!-- 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

/**
 * 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

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

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

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

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

[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：

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

[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。