Flume+HDFS+Kafka+Hive实例搭建

た入场券 2021-09-11 07:06 370阅读 0赞

摘要：本文要实现的是一个使用Flume来处理Kafka的数据，并将其存储到HDFS中去，然后通过Hive外部表关联查询出来存储的数据。

所以在建立一个maven工程，整个工程最终的目录如下：

![20170304164747805][]

下面开始一步一步讲解

1、定义自己的source

之所以不用源生的，是因为要对得到的消息要一定的处理后再保存到hdfs中去，这里主要就是将每一条消息解析并组装成以“|”做分隔的一条记录

![20170304162138296][]

在这个类中定义Start方法来初始化连接kafka:

![20170304162323110][]

在这个类中定义处理消费的方法：

其实就是将消息处理成一条以“|”符号隔开的一条数据并放入到channel中：

![20170304162535674][]

中间还有一部分处理：

笔者都一而过了，这是放到event,下一步就是放在channel中了。

![20170304162548416][]

上面的process方法会调用到这：

其实就是将消息解析，并组装成一条以“|”隔开的数据

![20170304162838373][]

2、配置文件

接下来就是配置source/channel/sink了。

![20170304163222284][]

配置文件部分内容：

![20170304163236784][]

注意，这里的channle使用的type是SPILLABLEMEMORY,表示source来的event都会先保存到内存中去，内存不够了再保存到硬盘中去。各项参数此处不再做解释

3、启动脚本：

**    如果flume程序 所在的集群不在haddop集群中，需要将haddop集群的/hadoop/native文件夹复制到此flume运行的机器，并且将hdfs-site.xml也一起复制过来。如果还操作了hbse/hive,那么hbse-site.xml.hive-site.xml也要复制过来。**

![20170304163453568][]

然后编写启动脚本：

![20170304164218922][]

![20170304164229094][]

![20170304164236962][]

启动执行：

![20170304164349494][]

停止执行：

![20170304164513214][]

事先要将checkpoint目录建立起来：

![20170304164559053][]

4、打包

最后打包成一个tar包，并将配置文件是jar包分离

![20170304165031762][]

打包后目录：

所有的jar包都在lib目录，而不是打成一个大jar包

![20170304165110747][]

在上面的启动脚本中就可以指明依赖的jar包：

![20170304165413627][]

启动时添加 这个参数：

![20170304165525925][]

5、运行

flume安装很简单，将flume安装包解压后就可以，同时将我们的应用从上面的tar包上传到此台机器，并解压

![20170304170408078][]

并进入bdp-flume建立如下几个目录：

channel\_date:channel的硬盘存储目录

log:打印的日志存储目录

var:存放当前flume应用的pid,主要是启动和停止会用到

![20170304170532392][]

启动：

![20170304170948053][]

这是log目录下打印的部分日志：

![20170304171250729][]

看一下hdfs是否有数据：

注意，这里是直接将文件存放到hdfs的这个路径，并每天有一个文件价（为后面和hive表分区关联方便）

![20170304171609913][]

保存的文件：.tmp结尾的表示当前正在写入的，还没有滚动

![20170304171917648][]

因为是保存成.snappy文件，所以直接查询会乱码。如果是保存成textfile的话，就不会。但是snappy有压缩，textfile没，建议使用snappy。

6、建立Hive外部表

CREATE  TABLE IF NOT EXISTS ods_uba.kafka_appchnl_source_log 
    (
       source_log           string,
       muid                 string, -- 'parse ck',
       dev_no               string, -- 'uu',
       user_id              string, -- 'ur',
       mbl_nbr              string, -- 'ud',
       chnl_code            string, -- 'ch',
       opt_type             string, -- 'ac',  
       req_no               string, -- 'rn',
       vt_time              string, -- 'tm',
       st_time              string -- 'st',
    ) 
    PARTITIONED BY (opdt string) 
    row format delimited
    fields terminated by '^' lines terminated by '\n'
    stored as textfile
    LOCATION '/hive/warehouse/ods_uba.db/kafka_appchnl_source_log';

注意：这里Location指的是hdfs文件存放的目录，可以不用完全是hive表默认的存储路径一样。

添加分区数据：

alter table kafka_appchnl_source_log add if not exists partition(opdt='2017-01-06')

查询：

可以用presto和dbveare使用来查询，也可以使用hive命令查询

这是查询出来的部分字段：

![20170304172916704][]![20170304172923612][]

更多技术请关注笔者微信技术公众号"单例模式"

![70][]

[20170304164747805]: /images/20210811/ff877109275f414fad235fc0ecee88b5.png
[20170304162138296]: /images/20210811/64e5a8ba22d448b6baf9f5436a9e1995.png
[20170304162323110]: /images/20210811/04d1f952fccf43cab593edd008847728.png
[20170304162535674]: /images/20210811/fa0d22bec00745a0a212ef904d858407.png
[20170304162548416]: /images/20210811/106bf825111a4788a7bd4136419940a7.png
[20170304162838373]: /images/20210811/8f87c0a9a34f42a5a17c78322ed66f2f.png
[20170304163222284]: /images/20210811/8e8d2a65eec94c61a1b956a03850da73.png
[20170304163236784]: /images/20210811/1e42266bddd24be684550bbd646c0024.png
[20170304163453568]: /images/20210811/2555efd20593429eb9c294fe22354b55.png
[20170304164218922]: /images/20210811/e08db566317f45a3baf1b8ff0a2993e0.png
[20170304164229094]: /images/20210811/5a3a00f2d1cb4059892c5d314508011e.png
[20170304164236962]: /images/20210811/10b091aaa9fc42549cab9b006c1d6144.png
[20170304164349494]: /images/20210811/be0fa3c73a494195a2ae19158bfe9ffb.png
[20170304164513214]: /images/20210811/3aa47a2248f143a5897e9987bb12f40f.png
[20170304164559053]: /images/20210811/dfe2e805cba84c96a806bffa9a997cb2.png
[20170304165031762]: /images/20210811/da84f028f3c0456f8d03b18f8db68c1d.png
[20170304165110747]: /images/20210811/b4148be9e18d4ba0b8faec6c7de14047.png
[20170304165413627]: /images/20210811/04c6cd4d558f4ab6aec3e01470d3696f.png
[20170304165525925]: /images/20210811/fa8feb9a9ab1408687449857dcd927cd.png
[20170304170408078]: /images/20210811/fc2bea5de6d147b5b65477e740c551e9.png
[20170304170532392]: /images/20210811/b44e36e3559c406a91d3a7ebd6de073c.png
[20170304170948053]: /images/20210811/8d079656bf134b2da902e73a5e9cfef4.png
[20170304171250729]: /images/20210811/802e9ad6a4544301a100a6b49b5deece.png
[20170304171609913]: /images/20210811/11a73dbee939436794e309570fd49b70.png
[20170304171917648]: /images/20210811/3aac0999eb9744d08a63322a98873541.png
[20170304172916704]: https://img-blog.csdn.net/20170304172916704
[20170304172923612]: /images/20210811/33b104522ece485fabd735522f536cb1.png
[70]: /images/20210811/131aa1a44b5442739c5837ed97b2148c.png