Druid使用Kafka Indexing Service方式push数据和使用实时节点pull数据两种方式对比

关注

转载最新推荐文章于 2026-07-24 11:04:18 发布 1k 阅读 AI 写同款· GEO 优化 ›

使用Kafka、Flink、Druid构建实时数据系统架构 Kafka、Flink和Druid一起使用时，可以创建一个实时数据架构，减少这些等待时间。在这篇文章中，我们将探讨如何利用Kafka、Flink、Druid实现广泛的实时数据系统架构。阅读详情

Druid中从kafka摄入数据，存在两种方式，一种是pull，需要依赖实时节点，一种是push，需要依赖Kafka Indexing Service（kafka索引服务）

注：在0.9.1.1版本前使用Tranquility-Kafka组件接入实时数据，由于存在时间窗口，即在时间窗口内的数据会被提交给Firehose，时间窗口外的数据则会被丢弃；如果Tranquility-Kafka临时下线，会导致Kafka中数据“过期”从而被丢弃，无法保证数据完整性，同时这种“copy service”的使用模式不仅占用大量CPU与内存，又不满足原子操作，所以在0.9.1.1版本后，建议使用Druid的新特性Kafka Indexing Service，Druid内部使用Kafka高级Consumer API保证exactly-once semantics，尽最大可能保证数据完整性。

使用Kafka Indexing Service方式push数据

步骤一：下载Kafka Indexing Service扩展，将扩张加入到druid目录下的extensions目录下。

步骤二：将扩展绑定在middlemanager以及overlord上，在开发中，实际配置方案为直接配置/opt/druid/conf/druid/_common/common.runtime.properties，在druid.extensions.loadList中加入Kafka Indexing Service，

如图：

如果不进行配置，无法使用kafka索引服务

步骤三：在druid目录下的var目录下新建tmp目录作为java.io.tmpdir（jvm.config配置文件）目录。如果目录不存在。Druid报错

步骤四：编写Json配置文件：示例如下

{
"type": "kafka",
"dataSchema": {
"dataSource": "kafka3",//Druid中的表名
"parser": {
"type": "string",
"parseSpec": {
"format": "json",
"timestampSpec": {//时间戳列
"column": "timestamp",
"format": "auto"
},
"dimensionsSpec": {//维度列
"dimensions": ["timestamp","from"],
"dimensionExclusions": []
}
}
},
"metricsSpec": [//指标列
{
"name": "count",
"type": "count"
},
{
"name": "PVSum",
"fieldName": "PVSum",
"type": "longSum"
},
{
"name": "UVSum",
"fieldName": "UVSum",
"type": "longSum"
}
],
"granularitySpec": {//查询维度
"type": "uniform",
"segmentGranularity": "DAY",
"queryGranularity": "NONE"
}
},
"tuningConfig": {//优化型配置
"type": "kafka",
"maxRowsPerSegment": 75000,
"workerThreads":2
},
"ioConfig": {//指明数据来源
"topic": "zhangzl",
"consumerProperties": {
"bootstrap.servers": "ip1:9092,ip2:9092,ip3:9092"
},
"useEarliestOffset":true,
"taskCount": 1,
"replicas": 1,
"taskDuration": "PT1M"
}
}
步骤五：确认workerThreads配置为（taskCount * replicas +1）；

步骤六：调整配置项useEarliestOffset为true，否则druid只会读取最新数据，不会从beginning开始读取数据。

实时节点pull数据步骤

注：使用tranquility为0.8.2版本，在使用过程中尝试使用0.8.0版本以及0.8.1版本均为成功，具体原因不明，下载地址：http://static.druid.io/tranquility/releases/tranquility-distribution-0.8.2.tgz

步骤一：将下载好的tranquility-distribution-0.8.2.tgz解压后的目录移动到Druid的home目录下。

步骤二：编辑配置文件，示例如下：

{
"dataSources": [{
"spec": {
"dataSchema": {
"parser": {
"type": "string",
"parseSpec": {
"timestampSpec": {//时间戳列，必须指定，实时节点根据该列对时间窗口进行判断
"column": "timestamp",
"format": "auto"
},
"dimensionsSpec": {//维度列
"dimensions": ["timestamp", "from"],
"dimensionExclusions": []
},
"format": "json"
}
},
"dataSource": "twitter",//Druid中的表名
"granularitySpec": {
"type": "uniform",
"segmentGranularity": "DAY",
"queryGranularity": "NONE"
},
"metricsSpec": [{//指标列
"name": "count",
"type": "count"
},
{
"name": "PVSum",
"fieldName": "PVSum",
"type": "longSum"
},
{
"name": "UVSum",
"fieldName": "UVSum",
"type": "longSum"
}
]
},
"tuningConfig": {
"type": "realtime",
"maxRowsInMemory": "75000",//内存中存储的最大数据量，超过该数据量之后会刷新到Druid中
"intermediatePersistPeriod": "PT1M",//时间窗口
"windowPeriod": "PT10M"//延时窗口，超过时间窗口后的数据，如果还在延时窗口中，则还会被处理，超过延时窗口的数据会被丢弃
}
},
"properties": {
"task.partitions": "2",
"task.replicants": "2",
"topicPattern": "twitter"//kafka topic
}
}],
"properties": {
"zookeeper.connect": "ip1:2181,ip2:2181,ip3:2181",//druid zk
"zookeeper.timeout": "PT20S",
"druid.selectors.indexing.serviceName": "druid/overlord",
"druid.discovery.curator.path": "/druid/discovery",
"kafka.zookeeper.connect": "ip1:2182,ip2:2182,ip3:2182",//kafka zk
"kafka.group.id": "tranquility-kafka",
"consumer.numThreads": "2",
"commit.periodMillis": "15000",
"reportDropsAsExceptions": "false"
}
}
步骤三：进入到目录下使用如下命令：bin/tranquility kafka -configFile <配置文件路径>进行启动

步骤四：使用kafka生产消息，注：时间戳列采用yyyy-MM-ddTHH:mm:ssZ格式，否则数据无法解析，应该可以配置，但未找到配置点。

索引服务与实时节点比较：
在Druid重启时，索引服务不会丢数据，但是对于实时节点，如果重启太慢，数据超过了时间窗口以及延时窗口，这部分数据会被丢弃。

索引服务实际是在指定时间内处理数据，然后将数据积压，可以配置提交时间，到达提交时间时进行提交。

索引服务在Druid重启后，不会重读消费过的数据，也就是offset不会从begining开始，数据不会重叠。

索引服务出现在tranquility服务之后，实际是对实时节点的一个补充，但是索引服务只在0.9.1.1版本之后进行支持
---------------------
作者：De-Bug
来源：优快云
原文：https://blog.youkuaiyun.com/qq_34985719/article/details/80468817
版权声明：本文为博主原创文章，转载请附上博文链接！