SparkStreaming+kafka+flume实现日志的实时处理并且将数据实时更新数据库

2 篇文章 0 订阅
2 篇文章 0 订阅

SparkStreaming+kafka+flume实现日志的实时处理

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,并且实时更新到我们的数据库当中。

实验环境启动配置

启动hdfs(先启动hdfs 才能启动flume):

[root@niit01 ~]# start-all.sh

启动zookeeper (启动zookeeper,才能启动kafka):

[root@niit01 zookeeper-3.4.5]# bin/zkServer.sh start
JMX enabled by default
Using config: /training/zookeeper-3.4.5/bin/../conf/zoo.cfg
Starting zookeeper .already running as process 4368.

进入flume安装目录下的conf下配置flume
创建编辑example.conf

[root@niit01 conf]# vim example.conf

配置内容:

# example.conf: A single-node Flume configuration

 # Name the components on this agent
 a1.sources = r1
 a1.sinks = k1
 a1.channels = c1

 # Describe/configure the source
 #a1.sources.r1.type = netcat
 a1.sources.r1.type = avro
 #flume接收的主机以及端口号
 a1.sources.r1.bind = niit01
#a1.sources.r1.command=niit01
 a1.sources.r1.port = 4444

 # Describe the sink
 #logger日志信息打印在控制台
# a1.sinks.k1.type =logger
 # 指定Flume sink将日志信息连接kafka进行监听
#a1.sinks.k1.channel = c1
a1.sinks.k1.type = org.apache.flume.sink.kafka.KafkaSink
#kafka主题必须有 主机名还有容量
a1.sinks.k1.kafka.topic = test1
a1.sinks.k1.kafka.bootstrap.servers =niit01:9092
a1.sinks.k1.kafka.flumeBatchSize = 100
a1.sinks.k1.kafka.producer.acks = 1
a1.sinks.k1.kafka.producer.linger.ms = 1
a1.sinks.k1.kafka.producer.compression.type = snappy

 # Use a channel which buffers events in memory
 a1.channels.c1.type = memory
 a1.channels.c1.capacity = 1000
 a1.channels.c1.transactionCapacity = 100
 a1.channels.c1.byteCapacityBufferPercentage= 20
 a1.channels.c1.byteCapacity = 800000

 # Bind the source and sink to the channel
 a1.sources.r1.channels = c1
 a1.sinks.k1.channel = c1

保存退出;
进入到kafka安装目录 创建:topic test1

bin/kafka-topics.sh --create --zookeeper niit01:2181 --replication-factor 1 --partitions 1 --topic test1

查看主题:

[root@niit01 kafka]# bin/kafka-topics.sh --list --zookeeper niit01:2181

环境配置完毕:

编写项目代码

导入log4j的环境变量

 <dependency>
            <groupId>log4j</groupId>
            <artifactId>log4j</artifactId>
            <version>1.2.17</version>
        </dependency>
        <dependency>
            <groupId>org.slf4j</groupId>
            <artifactId>slf4j-api</artifactId>
            <version>1.7.5</version>
        </dependency>
        <dependency>
            <groupId>org.slf4j</groupId>
            <artifactId>slf4j-log4j12</artifactId>
            <version>1.7.5</version>
        </dependency>
        <dependency>
            <groupId>org.apache.flume.flume-ng-clients</groupId>
            <artifactId>flume-ng-log4jappender</artifactId>
            <version>1.6.0</version>
        </dependency>

创建编辑log4j日志文件,更改log4j的输出位置到flume的主机上

log4j.rootLogger = INFO,stdout,flume
# configure a class's logger to output to the flume appender
log4j.appender.stdout = org.apache.log4j.ConsoleAppender
log4j.appender.stdout.Target = System.out
log4j.appender.stdout.layout = org.apache.log4j.PatternLayout
# shuchudaoflume
log4j.appender.flume = org.apache.flume.clients.log4jappender.Log4jAppender
log4j.appender.flume.Hostname =niit01
log4j.appender.flume.Port = 4444
log4j.appender.flume.UnsafeMode = true

编写生成日志文件代码flumeLog:

package com.test;

import org.apache.log4j.Logger;

public class flumeLog {
    private static Logger log = Logger.getLogger(log4j.class.getName());
    public static void main(String[] args) throws InterruptedException {
        testDataGen(1);

    }
    public static void testDataGen(int num) throws InterruptedException {
        while (true) {
            Thread.sleep(5000);
            StringBuilder sb = new StringBuilder();
            int n = num;
            for (int i = 0; i < n; i++) {
                String dateTime = timeGen();
                sb.append(dateTime)
                        .append("_")
                        .append(userIdGen()) // 用户ID
                        .append("_")
                        .append(sessionIdGen()) // sessionId
                        .append("_")
                        .append(userIdGen()) // 页面ID
                        .append("_")
                        .append(dateTime + " " + timeStampGen())
                        .append("_");
                if (i % 2 == 0) {
                    sb.append(keywordGen()); // 搜索关键字
                } else {
                    sb.append("null"); // 搜索关键字
                }
                sb.append("_");
                if (i % 3 == 0) {
                    sb.append(cIdGen()) // 点击品类ID
                            .append("_")
                            .append(productIdGen()); // 产品ID
                } else {
                    sb.append("-1") // 点击品类ID
                            .append("_")
                            .append("-1");// 产品ID
                }
                sb.append("_");
                if (i % 5 == 0) {
                    sb.append(orderIdsGen()) // 下单品类ID
                            .append("_")
                            .append(cIdGen()); // 产品ID
                } else {
                    sb.append("null") // 下单品类ID
                            .append("_")
                            .append("null"); // 产品ID
                }
                sb.append("_");
                if (i % 7 == 0) {
                    sb.append(orderIdsGen()) // 支付品类Ids
                            .append("_")
                            .append(cIdGen()); // 产品ids
                } else {
                    sb.append("null") // 支付品类Ids
                            .append("_")
                            .append("null");// 产品ids
                }
                sb.append("_")
                        .append(cityIdsGen());// 城市Id
                if (i <= n - 1) {
                    sb.append("\n");// 换行
                }
            }
            log.info(sb.toString());
        }
    }





    public static int cIdGen(){
        return (int)(Math.random() * (1000 - 1) + 1);
    }



    public static int cityIdsGen(){
       return  (int)(Math.random() * (100 - 1) + 1);
    }



    public static int userIdGen() {
       return (int)(Math.random() * (1000000 - 1) + 1);
    }
//产生时间(年月日)
    public static String timeGen() {
        int year =(int) (Math.random() * (2021 - 2010 + 1) + 2010);
        int month = (int)(Math.random() * (12 - 1 + 1) + 1);
        int day= (int)(Math.random() * (31 - 1 + 1) + 1);
      return   year + "-" + month + "-" + day;
    }
    //随机型号
    public static String keywordGen() {
        String[] key={"手机", "电脑", "苹果", "小米", "联想", "华为"};
        int  r = (int)(Math.random() * (5) + 0);
        String value = key[r];
        return value;
    }
    //时间(时分秒)
   public static String timeStampGen() {
        int  hour = (int)(Math.random() * (24 - 1 + 1) + 1);
        int  munite = (int)(Math.random() * (60 - 1 + 1) + 1);
        int second = (int)(Math.random() * (60 - 1 + 1) + 1);
    return     hour + ":" + munite + ":" + second;
    }
    public static int productIdGen(){
       return  (int)(Math.random() * (10000000 - 100) + 100);
    }
    public static String  orderIdsGen() {
        int r = (int)(Math.random() * (10 - 2) + 2);
        String ret = "";
        for (int i=0;i<r;i++) {
            if (i < r - 1) {
                ret = ret + productIdGen() + ",";
            }else if(i == r - 1){
                ret += productIdGen();
            }
        }
        return  ret;
    }
    public static String  sessionIdGen() {
        int  n = (int)(Math.random() * (1000000 - 1) + 1);
        String str = "niit:"+n+(int)(Math.random()*123*Math.random()*1000);
        return str;
    }
}

创建Word表
在这里插入图片描述

编写SparkStreaming

package com.pmany.streaming

import java.sql.DriverManager

import org.apache.kafka.common.serialization.StringDeserializer
import org.apache.spark.SparkConf
import org.apache.spark.streaming.dstream.DStream
import org.apache.spark.streaming.{Seconds, StreamingContext}
import org.apache.spark.streaming.kafka010._
import org.apache.spark.streaming.kafka010.LocationStrategies.PreferConsistent
import org.apache.spark.streaming.kafka010.ConsumerStrategies.Subscribe
object Kafka {
  def main(args: Array[String]): Unit = {
    val sparkConf = new SparkConf().setMaster("local[2]").setAppName("KafkaTest")
    val streamingContext = new StreamingContext(sparkConf, Seconds(2))
    //建立检查点
    streamingContext.checkpoint("hdfs://niit01:9000/spark/checkpoint")
    val kafkaParams = Map[String, Object](
      "bootstrap.servers" -> "niit01:9092",//kafka 端口号
      "key.deserializer" -> classOf[StringDeserializer],//key 与value的序列化
      "value.deserializer" -> classOf[StringDeserializer],
      "group.id" -> "use_a_separate_group_id_for_each_stream",
      "auto.offset.reset" -> "latest",
      "enable.auto.commit" -> (false: java.lang.Boolean)
    )
    //连接kafka的主题
    val topics = Array("test1")
    val stream = KafkaUtils.createDirectStream[String, String](
      streamingContext,
      PreferConsistent,
      Subscribe[String, String](topics, kafkaParams)
    )
    //对kafka,进行处理
    val mapDStream: DStream[(String, String)] = stream.map(record => (record.key, record.value))
 //对数据进行切分截取出index(5)访问的型号
  val rdd1=mapDStream.map(lines=>{
      val index=lines._2.split("_")
    val keyword=index(5)
      (keyword,1)

    }
    ).reduceByKey(_+_)
    //对数据进行聚合处理
    val addWordFunction = (currentValues:Seq[Int],previousValueState:Option[Int])=>{

      val currentCount = currentValues.sum

      val previousCount = previousValueState.getOrElse(0)

      Some(currentCount+previousCount)
    }
    val Result = rdd1.updateStateByKey(addWordFunction)

    // 打印r
//更新数据库:
    
    Result.foreachRDD(rdd=>{
      rdd.foreach(data=>{
        val url = "jdbc:mysql:///hadoop?useUnicode=true&characterEncoding=UTF-8"
        val user = "root"
        val password = "123456"
        Class.forName("com.mysql.jdbc.Driver").newInstance()
        val conn = DriverManager.getConnection(url, user, password)
        val sql="update word set count=? where name=?"
        val statement = conn.prepareStatement(sql)
        statement.setString(2,data._1.toString)
        statement.setInt(1,data._2.toInt)
        statement.executeUpdate()
        conn.close()
      })
    })
    // 启动

    streamingContext.start()

    // 等待计算结束
    streamingContext.awaitTermination()

  }

}

启动测试

启动flume的conf

[root@niit01 kafka]# flume-ng agent -n a1 -c conf -f /training/flume/conf/example.conf -Dflume.root.logger=INFO,console

出现就是启动成功:
在这里插入图片描述
启动kafka

[root@niit01 kafka]# bin/kafka-server-start.sh -daemon config/server.properties

运行项目观察数据库的更新:

在这里插入图片描述

  • 0
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python爬虫是一种用于抓取网页数据的程序,它可以通过发送HTTP请求并解析HTML内容来提取所需的数据。通过使用Python库如BeautifulSoup和Scrapy,我们可以编写爬虫来自动化数据收集和提取。 Flume是一个分布式的、可靠的、可扩展的日志收集、聚合和传输系统。它可以从多个源采集实时数据,并将其传输到其他处理系统中,如HadoopSparkKafka是一个高吞吐量的分布式数据流平台,它允许以实时方式收集、处理和存储数据流。它被广泛用于大数据和流处理应用中,包括实时推荐、日志处理和事件驱动的架构。 Spark Streaming是Apache Spark的一个子项目,它允许在实时数据中进行高效的流处理。Spark Streaming可以与Kafka数据源集成,以实时的方式处理来自不同源的数据,并进行转换、分析和存储。 MySQL是一种关系型数据库管理系统,它被广泛用于存储和管理结构化数据。在上述技术栈中,MySQL可以被用作存储爬虫抓取的数据Kafka传输的数据Spark Streaming处理的数据。 ECharts是一种用于数据可视化的JavaScript图表库,它可以将数据转化为图表和图形,使数据更易于理解和分析。 综上所述,以上提到的技术可以结合使用来构建一个完整的实时数据处理和可视化系统。Python爬虫用于抓取实时数据Flume用于收集和传输数据Kafka用于数据流处理,Spark Streaming用于实时分析,MySQL用于数据存储,最后使用ECharts将数据可视化。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值