flumme + kafka + sparkStreaming 构建实时文件处理系统
搭建前提:
Hadoop2.6、spark1.6-hadoop-2.6集群都是正确搭建并可运行
一 、需求描述
日志文件预处理:运营商数据 kafka做队列缓冲 flume分发 streaming计算 HDFS存储
二、 系统搭建
No.1 flume-ng 1.6集群
1.下载安装并配置好flume的运行环境
2.编写配置文件
# ------------------- 定义数据流----------------------
agent.sources = kafkaSource
agent.channels = memoryChannel
agent.sinks = hdfsSink
agent.sources.kafkaSource.channels = memoryChannel
agent.sinks.hdfsSink.channel = memoryChannel
#-------- kafkaSource相关配置-----------------
agent.sources.kafkaSource.type = org.apache.flume.source.kafka.KafkaSource
agent.sources.kafkaSource.zookeeperConnect = h2:2181,h3:2181,h4:2181
agent.sources.kafkaSource.topic = T20161031
#agent.sources.kafkaSource.groupId = flume
agent.sources.kafkaSource.kafka.consumer.timeout.ms = 1000
#------- memoryChannel相关配置-------------------------
agent.channels.memoryChannel.type = memory
agent.channels.memoryChannel.capacity=10000
agent.channels.memoryChannel.transactionCapacity=1000
#---------hdfsSink 相关配置------------------
agent.sinks.hdfsSink.type = hdfs
agent.sinks.hdfsSink.hdfs.path = hdfs://h4:9000/user/test/kafka2HdfsByFlume
agent.sinks.hdfsSink.hdfs.writeFormat = Text
agent.sinks.hdfsSink.hdfs.fileType = DataStream
3.启动Flume
bin/flume-ng agent --conf conf --conf-file conf/kafka2HdfsByFlume.conf --name agent -Dflume.root.logger=INFO,console
No.2 kafka 2.10-0.10
1.下载安装并配置kafka集群
2.创建topic
bin/kafka-topics.sh --create --zookeeper h2:2181,h3:2181,h4:2181 --replication-factor 5 --partition 5 --topic T20161031
3.开启生产者线程并向T20161031写入数据
bin/kafka-console-producer.sh --broker-list h2:9092 --topic T20161031
4.开启消费者线程查看消息是否写入当前topic
bin/kafka-console-consumer.sh --zookeeper h2:2181,h3:2181,h4:2181 --topic T20161031 --from-beginning
5.关闭当前消费者线程
No.3 sparkStreaming 1.6.2
1. 下载jar包 (这里注意当前Hadoop集群的版本,我的是2.6.X)
scala-library.jar
spark-assembly-1.6.2-hadoop2.6.0.jar
2.编写程序
package com.unisk.spark.sparkStreaming;
import org.apache.spark.SparkConf;
import org.apache.spark.api.java.function.FlatMapFunction;
import org.apache.spark.api.java.function.Function2;
import org.apache.spark.api.java.function.PairFunction;
import org.apache.spark.streaming.Durations;
import org.apache.spark.streaming.api.java.*;
import scala.Tuple2;
import java.util.Arrays;
public class StreamingOnHDFS {
public static void main(String[] args){
final SparkConf conf = new
SparkConf().setMaster("spark://h4:7077").setAppName("SparkStreamingOnHDFS") ;
Durations.seconds(5);//Durations.seconds(5) 设置每隔 5 秒
final String checkpointDirectory = "hdfs://h4:9000/library/SparkStreaming/Checkpoint_Data";
JavaStreamingContextFactory factory = new JavaStreamingContextFactory() {
@Override
public JavaStreamingContext create() {
return createContext(checkpointDirectory, conf) ;
}
} ;
JavaStreamingContext jsc = JavaStreamingContext. getOrCreate(checkpointDirectory, factory) ;
JavaDStream lines = jsc.textFileStream("hdfs://h4:9000/user/test/kafka2HdfsByFlume") ;
JavaDStream<String> words = lines.flatMap(new FlatMapFunction<String, String>() {
public Iterable<String> call(String line) throws Exception {
return Arrays. asList(line.split(" ")) ;
}
}) ;
JavaPairDStream<String, Integer> pairs = words.mapToPair(new PairFunction<String, String,
Integer>() {
public Tuple2<String, Integer> call(String word) throws Exception {
return new Tuple2<String, Integer>(word, 1) ;
}
}) ;
JavaPairDStream<String, Integer> wordscount = pairs.reduceByKey(new Function2<Integer, Integer,
Integer>() {
public Integer call(Integer v1, Integer v2) throws Exception {
return v1 + v2;
}
}) ;
wordscount.print();
jsc.start() ;
jsc.awaitTermination() ;
jsc.close() ;
}
private static JavaStreamingContext createContext(String checkpointDirectory, SparkConf conf){
System. out.println("==========Creating new context==============") ;
JavaStreamingContext ssc = new JavaStreamingContext(conf, Durations. seconds(5)) ;
ssc.checkpoint(checkpointDirectory) ;
return ssc;
}
}
3. 打包(打成runnable jar)并上传
4. 开启spark1.6集群
5. 进入spark安装目录
bin/spark-submit --class com.unisk.spark.sparkStreaming.StreamingOnHDFS --master spark://h4:7077 /home/hadoop/spark/Apps4Spark/StreamingOnHDFS.jar
6. 简单的wordcount程序,print方法将结果打印出来,若需要将结果存储至其他位置如redis等,可使用foreachRDD方法
相关推荐
Hadoop、Spark、Flink、Hive、Flume、kafka等大数据框架的角色和关系
大数据框架
spark安装及环境搭建
安装 版本配套 Spark: 1.6.2 Scala: 2.12.1 软件安装 1、安装JDK 手工配置JAVA_HOME环境变量,并将JDK的bin目录加入Path环境变量中。 2、安装Scala Windows版 通过.msi软件包安装。安装完成后自动配置环境变量SCALA_HOME,并将scala下的bin目录加入Path环境变量中。 下载地址:htpp://w
SparkStreaming+kafka+flume实现日志的实时处理并且将数据实时更新数据库
SparkStreaming+kafka+flume实现日志的实时处理环境准备项目思路实验环境启动配置编写项目代码启动测试 环境准备 1 三台安装Hadoop的虚拟机 2 flume的安装 参考flume的大数据集群安装 3 kafka 安装参考kafka集群 4 windows +ideal+mysql 项目思路 利用ideal产生实时的日志,利用log4j文件,将日志文件实时采集到flume上面,利用kafka来进行监听传输,通过sparkStreaming 对产生的日志文件进行计算,并且实时
实时计算实践(spark streaming+kafka+hdfs)
一直在研究大数据处理方向的各种技术和工具,但没有真正用于实践中,恰好目前风控措施转向,需要实施“在线+离线”的双线防控措施,遂在调研查阅相关文档后,决定从零开始构造(数据挖掘转工程开发,思维转变是关键),这里面涉及的几个阶段慢慢说来: 项目开发环境选择(scala IDE +maven) 最开始的选择是直接在eclipse环境上安装scala的IDE插件,但实践证明此种方式很不稳定,受限于网络的限
SparkStreaming消费Kafka数据,实时写入HDFS,Java版本
SparkStreaming消费Kafka数据入HDFS
spark-assembly-1.6.1-hadoop2.6.0.jar
spark-assembly-1.6.1-hadoop2.6.0.jar,欢迎下载,,,,,,,,,,,,,,,,,,,,
[平台运维、Hadoop]Spark Streaming 实时计算框架
在大数据技术中,有离线计算、批量计算、实时计算以及流式计算,其中,离线计算和实时计算指的是数据处理的延迟;批量计算和流式计算指的是数据处理的方式。Spark Streming是构建在Spark上的实时计算框架,且是对Sparks Core API的一个扩展,它能够实现对流数据进行实时处理,并具有很好的可扩展性、高吞吐量和容错性。
从零开始:在Unity中使用Dynamic Bone实现角色骨骼自然抖动(以女性角色胸部为例)
本文详细介绍了在Unity中使用Dynamic Bone插件实现角色骨骼自然抖动的完整流程,特别以女性角色胸部为例。从插件导入、骨骼系统基础到Dynamic Bone组件配置和参数调优,提供了全面的技术指导。文章还包含性能优化技巧和常见问题解决方案,帮助开发者快速掌握这一物理效果实现方法。
flume + kafka + sparkStreaming + HDFS 构建实时日志分析系统
搭建前提: Hadoop2.6、spark1.6-hadoop-2.6集群都是正确搭建并可运行 一 、需求描述 日志文件预处理:运营商数据 kafka做队列缓冲 flume分发 streaming计算 HDFS存储 二、 系统搭建 No.1 flume-ng 1.6集群 1.下载安装并配置好flume的运行环境 2.编写配置文件 # ---
[Unity实战]热更新如何预防过度裁剪
假设你现在有一个游戏客户端,客户端只打包了入口场景,游戏场景都存放在了AB包。
联想拯救者恢复出厂设置全攻略
通过本文介绍的几种方法,你可以轻松地将联想拯救者恢复到出厂系统状态。无论是通过Windows恢复选项、高级启动选项还是一键恢复功能,都能帮助你解决系统问题、清除个人信息或重置软件环境。在重置前,请务必备份重要数据,并确保了解重置的影响。重置完成后,进行适当的系统设置和软件安装,让你的联想拯救者焕然一新,继续为你提供高效、稳定的计算体验。
7.Flume+Kafka案例
Flume+Kafka整合案例实现 一、为什么要集成Flume和Kafka 我们很多人在在使用Flume和kafka时,都会问一句为什么要将Flume和Kafka集成?那首先就应该明白业务需求,一般使用Flume+Kafka架构都是希望完成实时流式的日志处理,后面再连接上Flink/Storm/Spark Streaming等流式实时处理技术,从而完成日志实时解析的目标。第一、如果Flume直接对接实时计算框架,当数据采集速度大于数据处理速度,很容易发生数据堆积或者数据丢失,而kafka可以当做一个消息缓存
PIVlab软件入门:从GUI操作到2D2C粒子测速实战
本文详细介绍了PIVlab软件在2D2C粒子测速中的入门与实战应用。从GUI操作到环境搭建,再到图像预处理和核心参数设置,帮助用户快速掌握这一基于MATLAB的开源工具。通过实际案例和技巧分享,展示了PIVlab在流体力学实验中的高效性和实用性。
转:Flume+Kafka整合案例实现
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。 本文链接:https://blog.youkuaiyun.com/a_drjiaoda/article/details/85003929 一、为什么要集成Flume和Kafka 我们很多人在在使用Flume和kafka时,都会问一句为什么要将Flume和Kafka集成?那首先就应该明白业务需求,一般使...
西门子S7-1200与S7-200SMART的PROFINET通讯实战:从GSD文件生成到数据监控
本文详细解析了西门子S7-1200与S7-200SMART之间实现PROFINET通讯的完整实战流程。核心内容包括将S7-200SMART配置为智能IO设备、生成并安装GSD文件、在TIA Portal中进行网络组态与地址映射,最终实现双向数据交换与监控。该方案为整合新旧设备、构建灵活高效的工业自动化系统提供了可靠路径。
【RH850/U2A】:功能安全
功能安全相关
linux流式访问日志,流式实时日志分析系统的实现原理
我们知道网站用户访问流量是不间断的,基于网站的访问日志,即 Web log 分析是典型的流式实时计算应用场景。比如百度统计,它可以做流量分析、来源分析、网站分析、转化分析。另外还有特定场景分析,比如安全分析,用来识别 CC 攻击、 SQL 注入分析、脱库等。这个项目就简单实现一个类似于百度分析的系统。实验原理百度统计(tongji.baidu.com)是百度推出的一款免费的专业网站流量分析工具,能...
从数字后端角度谈谈occ电路(一)
摘要:本文介绍了芯片测试中OCC(On-Chip Clock Control)电路的设计与应用。随着工艺进步,芯片制造面临Stuck-at、Bridging和Delay等故障类型,需要不同时钟频率进行测试。OCC电路通过Clock Selection、Clock Chopping Control和Clock Gating三个模块,实现ATE时钟与PLL时钟的切换控制,支持慢速时钟检测Stuck-at故障和快速时钟检测Delay故障。文章详细解析了OCC电路结构及各模块功能,包括同步单元、移位寄存器等关键组件
hadoop之 hadoop能为企业做什么?
hadoop是什么? Hadoop是一个开源的框架,可编写和运行分不是应用处理大规模数据,是专为离线和大规模数据分析而设计的,并不适合那种对几个记录随机读写的在线事务处理模式。Hadoop=HDFS(文件系统,数据存储技术相关)+ Mapreduce(数据处理),Hadoop的数据来源可以是任何形式,在处理半结构化和非结构化数据上与关系型数据库相比有更好的性能,具有更灵活的处理能力,不...
STM32 BOOTLOADER配置以及APP跳转实现(裸机)
Bootloader是硬件启动的引导程序,是运行操作系统的前提。在操作系统内核或用户应用程序运行之前运行的一段小代码。对硬件进行相应的初始化和设定,最终为操作系统准备好环境。APP就是我们的应用程序,经过硬件引导程序之后跳转到系统程序运行。
IEM模型,地表粗糙度模拟
利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟
hadoop之 hadoop用途方向
hadoop是什么? Hadoop是一个开源的框架,可编写和运行分不是应用处理大规模数据,是专为离线和大规模数据分析而设计的,并不适合那种对几个记录随机读写的在线事务处理模式。Hadoop=HDFS(文件系统,数据存储技术相关)+ Mapreduce(数据处理),Hadoop的数据来源可以是任何形式,在处理半结构化和非结构化数据上与关系型数据库相比有...
RU DOS版、EFI版32bit/64bit BIOS常用工具
DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。
实时大数据平台搭建Flume+Kafka+HDFS+SparkStreaming
整体架构图 一、python模拟生成日志 import random import time iplist=[101,198,65,177,98,21,34,61,19,11,112,114] urllist=['baidu.com','google.com','sougou.com','360.com','yahoo.com','yisou.com'] mobile=['xiaomi'...
霍尼韦尔SoftMaster使用说明
霍尼韦尔SoftMaster使用说明
假人有限元模型
假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用
kafka连接flume把数据分别推到HDFS和SparkStreaming
kafka没有办法多个消费者重复消费同一个topic,所以就在kafka后面挂载flume,然后利用replicating的selector把数据分别发往HDFS做存储和sparkstreaming中实时分析。下面我贴一下flume的配置文件 a1.sources = r1 a1.sinks = k1 k2 a1.channels = c1 c2 a1.sources.r1.selector....
关于kafka数据实时落地至hdfs
关于kafka数据实时落地至hdfs 好久没有写博客了! 关于如何使用spark streaming +kafka工具实现实时数据落地至hdfs目录 import java.time.ZonedDateTime import java.time.format.DateTimeFormatter import com.alibaba.fastjson.{JSON, JSONArray} import com.ipinyou.cdp.common.SparkBase import com.ipinyo
7302



被折叠的 条评论
为什么被折叠?



