最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
打印 上一主题 下一主题
开启左侧

Flume+Kafka+Spark-Streaming的实时流式处理完整流程

[复制链接]
跳转到指定楼层
楼主
发表于 2017-7-4 15:09:51 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
基于Flume+Kafka+Spark-Streaming的实时流式处理完整流程
1、环境准备,四台测试服务器
Spark集群三台,spark1,spark2,spark3
kafka集群三台,spark1,spark2,spark3
zookeeper集群三台,spark1,spark2,spark3
日志接收服务器, spark1
日志收集服务器,Redis (这台机器用来做redis开发的,现在用来做日志收集的测试,主机名就不改了)
日志收集流程:
日志收集服务器->日志接收服务器->kafka集群->spark集群处理
说明: 日志收集服务器,在实际生产中很有可能是应用系统服务器,日志接收服务器为大数据服务器中一台,日志通过网络传输到日志接收服务器,再入集群处理。
因为,生产环境中,往往网络只是单向开放给某台服务器的某个端口访问的。
Flume版本: apache-flume-1.5.0-cdh5.4.9 ,该版本已经较好地集成了对kafka的支持
2、日志收集服务器(汇总端)
配置flume动态收集特定的日志,collect.conf 配置如下:
[AppleScript] 纯文本查看 复制代码
# Name the components on this agent  
    a1.sources = tailsource-1  
    a1.sinks = remotesink  
    a1.channels = memoryChnanel-1  

    # Describe/configure the source  
    a1.sources.tailsource-1.type = exec  
    a1.sources.tailsource-1.command = tail -F /opt/modules/tmpdata/logs/1.log  

    a1.sources.tailsource-1.channels = memoryChnanel-1  

    # Describe the sink  
    a1.sinks.k1.type = logger  

    # Use a channel which buffers events in memory  
    a1.channels.memoryChnanel-1.type = memory  
    a1.channels.memoryChnanel-1.keep-alive = 10  
    a1.channels.memoryChnanel-1.capacity = 100000  
    a1.channels.memoryChnanel-1.transactionCapacity = 100000  

    # Bind the source and sink to the channel  
    a1.sinks.remotesink.type = avro  
    a1.sinks.remotesink.hostname = spark1  
    a1.sinks.remotesink.port = 666  
    a1.sinks.remotesink.channel = memoryChnanel-1  

日志实时监控日志后,通过网络avro类型,传输到spark1服务器的666端口上
启动日志收集端脚本:


[AppleScript] 纯文本查看 复制代码
bin/flume-ng agent --conf conf --conf-file conf/collect.conf --name a1 -Dflume.root.logger=INFO,console  


3、日志接收服务器
配置flume实时接收日志,collect.conf 配置如下:
[AppleScript] 纯文本查看 复制代码
#agent section    
    producer.sources = s    
    producer.channels = c    
    producer.sinks = r    

    #source section    
    producer.sources.s.type = avro  
    producer.sources.s.bind = spark1  
    producer.sources.s.port = 666  

    producer.sources.s.channels = c    

    # Each sink's type must be defined    
    producer.sinks.r.type = org.apache.flume.sink.kafka.KafkaSink  
    producer.sinks.r.topic = mytopic  
    producer.sinks.r.brokerList = spark1:9092,spark2:9092,spark3:9092  
    producer.sinks.r.requiredAcks = 1  
    producer.sinks.r.batchSize = 20  
    producer.sinks.r.channel = c1  

    #Specify the channel the sink should use    
    producer.sinks.r.channel = c    

    # Each channel's type is defined.    
    producer.channels.c.type   = org.apache.flume.channel.kafka.KafkaChannel  
    producer.channels.c.capacity = 10000  
    producer.channels.c.transactionCapacity = 1000  
    producer.channels.c.brokerList=spark1:9092,spark2:9092,spark3:9092  
    producer.channels.c.topic=channel1  
    producer.channels.c.zookeeperConnect=spark1:2181,spark2:2181,spark3:2181  
关键是指定如源为接收网络端口的666来的数据,并输入kafka的集群,需配置好topic及zk的地址
启动接收端脚本:


bin/flume-ng agent --conf conf --conf-file conf/receive.conf --name producer -Dflume.root.logger=INFO,console  

4、spark集群处理接收数据
   
[AppleScript] 纯文本查看 复制代码
 import org.apache.spark.SparkConf  
    import org.apache.spark.SparkContext  
    import org.apache.spark.streaming.kafka.KafkaUtils  
    import org.apache.spark.streaming.Seconds  
    import org.apache.spark.streaming.StreamingContext  
    import kafka.serializer.StringDecoder  
    import scala.collection.immutable.HashMap  
    import org.apache.log4j.Level  
    import org.apache.log4j.Logger  

    /** 
     * @author Administrator 
     */  
    object KafkaDataTest {  
      def main(args: Array[String]): Unit = {  

        Logger.getLogger("org.apache.spark").setLevel(Level.WARN);  
        Logger.getLogger("org.eclipse.jetty.server").setLevel(Level.ERROR);  

        val conf = new SparkConf().setAppName("stocker").setMaster("local[2]")  
        val sc = new SparkContext(conf)  

        val ssc = new StreamingContext(sc, Seconds(1))  

        // Kafka configurations  

        val topics = Set("mytopic")  

        val brokers = "spark1:9092,spark2:9092,spark3:9092"  

        val kafkaParams = Map[String, String]("metadata.broker.list" -> brokers, "serializer.class" -> "kafka.serializer.StringEncoder")  

        // Create a direct stream  
        val kafkaStream = KafkaUtils.createDirectStream[String, String, StringDecoder, StringDecoder](ssc, kafkaParams, topics)  

        val urlClickLogPairsDStream = kafkaStream.flatMap(_._2.split(" ")).map((_, 1))  

        val urlClickCountDaysDStream = urlClickLogPairsDStream.reduceByKeyAndWindow(  
          (v1: Int, v2: Int) => {  
            v1 + v2  
          },  
          Seconds(60),  
          Seconds(5));  

        urlClickCountDaysDStream.print();  

        ssc.start()  
        ssc.awaitTermination()  
      }  
    }  


spark-streaming接收到kafka集群后的数据,每5s计算60s内的wordcount值
5、测试结果

往日志中依次追加三次日志
spark-streaming处理结果如下:

[AppleScript] 纯文本查看 复制代码
(Hive,1)
(spark,2)
(Hadoop,2)
(storm,1)

---------------------------------------

(hive,1)
(spark,3)
(hadoop,3)
(storm,1)

---------------------------------------

(hive,2)
(spark,5)
(hadoop,5)
(storm,2)


楼主热帖
分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
收藏收藏 转播转播 分享分享 分享淘帖 赞 踩

168大数据 - 论坛版权1.本主题所有言论和图片纯属网友个人见解,与本站立场无关
2.本站所有主题由网友自行投稿发布。若为首发或独家,该帖子作者与168大数据享有帖子相关版权。
3.其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和168大数据的同意,并添加本文出处。
4.本站所收集的部分公开资料来源于网络,转载目的在于传递价值及用于交流学习,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。
5.任何通过此网页连接而得到的资讯、产品及服务,本站概不负责,亦不负任何法律责任。
6.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源,若标注有误或遗漏而侵犯到任何版权问题,请尽快告知,本站将及时删除。
7.168大数据管理员和版主有权不事先通知发贴者而删除本文。

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-6-3 15:46

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表