Spark学习（十）---SparkStreaming和flume的整合

最新推荐文章于 2020-10-30 11:06:14 发布

原创

最新推荐文章于 2020-10-30 11:06:14 发布 · 914 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#spark

本文介绍了如何将Spark Streaming与Flume进行整合，用于实时数据处理。详细讲解了环境准备，包括安装Flume 1.6以上版本，配置Spark Streaming相关依赖。接着，文章分别阐述了两种对接方式：Poll方式和Push方式。在Poll方式中，Flume在本地产生数据，Spark Streaming拉取处理；在Push方式中，Flume直接将消息推送给Spark Streaming。通过具体的配置文件和代码示例，展示了这两种方法的实现过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

这次我们介绍SparkStreaming和flume的整合，flume作为日志实时采集的框架，可以与SparkStreaming实时处理框架进行对接，flume实时产生数据，sparkStreaming做实时处理。
Spark Streaming对接FlumeNG有两种方式，一种是FlumeNG将消息Push推给Spark Streaming，还有一种是Spark Streaming从flume 中Poll拉取数据。

环境准备

1.1 安装flume1.6以上
1.2 下载依赖包
spark-streaming-flume-sink_2.11-2.0.2.jar放入到flume的lib目录下
1.3 修改flume/lib下的scala依赖包版本
从spark安装目录的jars文件夹下找到scala-library-2.11.8.jar 包，替换掉flume的lib目录下自带的scala-library-2.10.1.jar。

1. Poll方式

1.1 写flume的agent，注意既然是拉取的方式，那么flume向自己所在的机器上产数据就行
1.2编写flume-poll.conf配置文件，放在flume的conf目录下，提前在/root目录下创建data目录

a1.sources = r1
a1.sinks = k1
a1.channels = c1

#source
a1.sources.r1.channels = c1
a1.sources.r1.type = spooldir
a1.sources.r1.spoolDir = /root/data
a1.sources.r1.fileHeader = true

#channel
a1.channels.c1.type =memory
a1.channels.c1.capacity =