Use Kafka with Flume - CRS2

Create by Junyangz AT 2018-08-01 10:53:46 based on dmy's docs.

Last edited by Junyangz AT 2018-08-01 13:32:51.

Flume

Intoduction Flume

Flume is a distributed, reliable, and available service for efficiently collecting, aggregating, and moving large amounts of log data. It has a simple and flexible architecture based on streaming data flows. It is robust and fault tolerant with tunable reliability mechanisms and many failover and recovery mechanisms. It uses a simple extensible data model that allows for online analytic application.

DevGuide_image00.png

安装

1. 安装前准备

   安装jdk

2. 下载

   http://flume.apache.org/download.html

   apache-flume-1.7.0-bin.tar.gz

3. 解压

tar -zxvf apache-flume-1.7.0-bin.tar.gz

配置及运行

Use the Kafka sink to send data to Kafka from a Flume source.refer-doc

添加PATH环境变量

• conf/flume-env.sh

cp flume-env.sh.template flume-env.sh
export JAVA_OPTS="-Xms2048m -Xmx4096m -Dcom.sun.management.jmxremote"

• conf/spool1-kafka.properties 重要配置参数：

a1.sources.r1.spoolDir = /home1/flume/spool/dns/1   # 监听目录需要提前创建好
a1.sinks.k1.kafka.bootstrap.servers = hadoop-slave01:9092,hadoop-slave02:9092   # broker列表（部分）
a1.sinks.k1.kafka.topic = test   # topic名称

• conf/spool[2-n]-kafka.properties同上

启动

flume-ng agent -n a1 -c conf -f conf/spool1-kafka.properties &
flume-ng agent -n a2 -c conf -f conf/spool2-kafka.properties &
...
#start_flume.sh

Kafka

Intoduction Kafka

Kafka® is used for building real-time data pipelines and streaming apps. It is horizontally scalable, fault-tolerant, wicked fast, and runs in production in thousands of companies.

kafka_diagram

Kafka安装

1. 安装前准备

   1. 安装jdk

   2. 启动zookeeper

2. 下载

   http://kafka.apache.org/downloads

   kafka_2.10-0.10.0.0.tgz

3. 解压

tar -zxvf kafka_2.10-0.10.0.0.tgz

配置Kafka

1. 添加PATH环境变量

2. config/server.properties

    broker.id=0  #每一个boker都有一个唯一的id作为它们的名字，一般是从0开始，依次加1。当该服务器的IP地址发生改变时，broker.id没有变化，则不会影响consumers的消费情况
    delete.topic.enable=true #直接删除 topic
    auto.create.topics.enable=false  #默认为true，生产环境通常置为false
    auto.leader.rebalance.enable=true  #balancing leadership，默认即为 true
    listerners=PLAINTEXT: #client3:9092
    log.dirs=/opt/apps/kafka/logs  #kafka数据的存放地址，多个地址用逗号分割，多个目录分布在不同磁盘上可以提高读写性能
    default.replication.factor=3
    min.insync.replicas=2  #当producer设置 request.required.acks 为-1时， min.insync.replicas 指定 replicas 的最小数目（必须确认每一个 repicas 的写数据都是成功的），如果这个数目没有达到， producer 会产生异常（默认为1）
    queued.max.requests  #在网络线程停止读取新请求之前，可以排队等待I/O线程处理的最大请求个数（默认为 500）
    zookeeper.connect=slave10:2181,slave11:2181,slave12:2181  #指定zookeeper连接字符串，格式如hostname:port

3. bin/kafka-server-start.sh

   1. 添加以下代码，开启 JMX（便于监控）：

       if [ "x$KAFKA_HEAP_OPTS" = "x" ]; then
       export KAFKA_HEAP_OPTS="-Xmx1G -Xms1G"
       export JMX_PORT="9999"
       fi

   2. 修改上面的 Java 设置：

      测试机上目前的配置如下：

      -Xmx6g -Xms6g -XX:PermSize=128m -XX:MaxPermSize=256m

      LinkedIn 的 Java 配置：

      -Xmx6g -Xms6g -XX:MetaspaceSize=96m -XX:+UseG1GC -XX:MaxGCPauseMillis=20 -XX:InitiatingHeapOccupancyPercent=35 -XX:G1HeapRegionSize=16M -XX:MinMetaspaceFreeRatio=50 -XX:MaxMetaspaceFreeRatio=80

启动Kafka

Kafka 集群中的节点要关闭防火墙，不然会报如下错误：

Error in fetch kafka.server.ReplicaFetcherThread$FetchRequest@5b1413a8 (kafka.server.ReplicaFetcherThread) java.io.IOException: Connection to client3:9092 (id: 1 rack: null) failed

kafka-server-start.sh config/server.properties &
kafka-server-stop.sh

Kafka Manager

A tool for managing Apache Kafka. https://github.com/yahoo/kafka-manager

1. 安装前准备

   • 安装 sbt，jdk8

   • 想要看到读取、写入速度，kafka 需要开启 JMX

2. 下载

    git clone https://github.com/yahoo/kafka-manager

3. 编译

   由于需要的环境是 Java 8+， 如果 java 不在环境变量中，在编译和运行时需要指定 Java 8+

    cd kafka-manager
    PATH=/home/hadoop-user/jdk1.8.0_131/bin:$PATH
    JAVA_HOME=/home/hadoop-user/jdk1.8.0_131
    sbt -java-home/home/hadoop-user/jdk1.8.0_131 clean dist

4. 解压

   编译好的包在 kafka-manager/target/universal 中，将其移动到指定目录进行解压。

    unzip kafka-manager-1.3.3.6.zip

5. 配置

   1. conf/application.conf

       kafka-manager.zkhosts="slave10:2181,slave11:2181,slave12:2181"

6. 启动

   1. 编写启动脚本：

       vim start.sh
       #nohup ./kafka-manager &
       #默认地，kafka manager 使用 9000 端口，可以添加以下参数进行修改：
       #nohup ./kafka-manager -Dconfig.file=/path/to/application.conf -Dhttp.port=8080 &
       #如果 java 8 不在环境变量中，增加 -java-home 参数：
       #nohup ./kafka-manager -java-home /home/hadoop-user/jdk1.8.0_131 &

   2. 启动：

       sh start.sh

7. 使用

   1. Web访问9000端口

   2. 创建 cluster

   3. 配置 cluster：输入Zookeeper Hosts，选择Kafka版本，打开JMX Polling

Reference

1.Using Kafka with Flume

2.dmy