Flume 1.8.0读取Kafka写HDFS

Flume 1.8.0读取Kafka写HDFS


环境准备

  • java version “1.8.0_45”
  • Hadoop 2.6.0-cdh5.5.1

安装Flume

wget http://mirrors.tuna.tsinghua.edu.cn/apache/flume/1.8.0/apache-flume-1.8.0-bin.tar.gz
tar -xvf apache-flume-1.8.0-bin.tar.gz

下载Hadoop依赖

从Hadoop集群中获取相关jar包放到flume/lib文件夹下

hadoop-common-2.6.3.jar
hadoop-hdfs-2.6.3.jar
commons-configuration-1.6.jar
hadoop-auth-2.6.3.jar
htrace-core-3.0.4.jar

DEMO

# 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 = org.apache.flume.source.kafka.KafkaSource
a1.sources.r1.kafka.bootstrap.servers = localhost:9092
a1.sources.r1.kafka.consumer.group.id = flume_test
a1.sources.r1.kafka.topics = flume_topic

# Describe the sink
a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path = hdfs://localhost:8020/rawlog/20%y-%m-%d/%H
a1.sinks.k1.hdfs.useLocalTimeStamp = false
a1.sinks.k1.hdfs.writeFormat = Text
a1.sinks.k1.hdfs.filePrefix = test
a1.sinks.k1.hdfs.fileType = DataStream
a1.sinks.k1.hdfs.rollInterval = 3600
a1.sinks.k1.hdfs.rollSize =  12800000000
a1.sinks.k1.hdfs.rollCount = 0
a1.sinks.k1.hdfs.threadsPoolSize = 10
a1.sinks.k1.hdfs.batchSize = 2000
a1.sinks.k1.hdfs.threadsPoolSize = 10


# Use a channel which buffers events in memory
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1500000
a1.channels.c1.transactionCapacity = 10000

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

运行命令

./bin/flume-ng agent --conf conf --conf-file ./conf/example.conf --name a1 -Dflume.root.logger=INFO,console
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Flume是一个分布式的、可靠的、高可用的大数据采集系统,可以采集多种数据源的数据,并将其传输到多种目的地。其中,Flume可以采集Kafka数据,并将其传输到HDFS中。具体实现方式是通过FlumeKafka Source和HDFS Sink来实现,Kafka Source用于从Kafka读取数据,HDFS Sink用于将数据入到HDFS中。通过配置Flume的配置文件,可以实现Flume采集Kafka数据到HDFS的功能。 ### 回答2: Flume 是一个高可靠、分布式、可配置的数据收集、聚合和移动系统。Kafka 是一个高性能、可伸缩、分布式流处理平台,它可以收集、存储和处理海量流式数据。HDFS 是一个高可靠性、高扩展性、高容错性的分布式文件系统,它是 Hadoop 中的一大核心组件,用于存储海量的结构化和非结构化数据。 在实际的数据处理中,Flume 可以采用 Kafka Source 来采集 Kafka 中的数据,然后将数据入到 HDFS 中。Flume 中的 Kafka Source 利用 KafkaFlume 推送消息,并将消息入到 Flume 的 Channel 中。Flume 中的 Channel 一般会采用内存或者磁盘的方式进行存储,以确保数据传输的可靠性和高效性。然后,Flume 中的 HDFS Sink 将 Channel 中的数据批量入到 HDFS 中。在 Flume 中构建这样的数据流需要一些配置工作,具体步骤如下: 1. 在 Flume 中配置一个 Kafka Source,指定 Kafka 的 IP 和端口、Topic 名称和消费者组信息。 2. 配置一个 Flume Channel,指定 Channel 存储方式和容量。 3. 在 Flume 中配置一个 HDFS Sink,指定 HDFS 的路径、文件名等信息。 4. 将 Kafka Source 和 HDFS Sink 与 Channel 进行关联,形成一个数据流。 除了上述基本配置外,还需要为 Kafka Source 和 HDFS Sink 进行调优,以达到最优的性能和稳定性。 总之,利用 Flume 采集 Kafka 数据,并将数据入到 HDFS 中是一种适用于海量数据处理场景的数据流处理模式。这种模式可以提高数据的可靠性和可控性,同时也可以提高数据处理的效率和可扩展性。 ### 回答3: Flume是一种数据采集工具,可以用来采集多种数据源的数据。而Kafka是一种高吞吐量的分布式消息系统,常用于处理大数据流量。 当我们需要将Kafka中的数据采集到HDFS中时,可以利用Flume进行数据采集。具体操作步骤如下: 1. 确定HDFS的存储位置,可以新建一个目录用来存储采集的数据。比如,我们在Hadoop的安装目录下创建一个名为”flume_kafka”的目录,用来存储采集的数据。 2. 在Flume的配置文件中,设置Kafka作为数据源,将采集到的数据存储到HDFS中。例如,我们可以在配置文件中设置一个”source”节点,将Kafka作为数据源进行数据采集;设置一个”sink”节点,将采集到的数据存储到HDFS中。其中,”sink”的类型为”hdfs”,指定了数据存储到HDFS的路径。 3. 在启动Flume之前,需要在HDFS中创建目标目录。使用以下命令在HDFS中创建相应目录:`hdfs dfs -mkdir /flume_kafka` 4. 启动Flume进行数据采集。使用以下命令启动Flume:`flume-ng agent -n agent -c /etc/flume-ng/conf.d -f /etc/flume-ng/conf.d/flume_kafka.conf -Dflume.root.logger=INFO,console`。 在启动完成后,可以观察到数据采集的运行状态和日志信息。当采集到的数据被成功存储在HDFS中,可以使用以下命令查看文件的内容:`hdfs dfs -cat /flume_kafka/*`。 总之,通过FlumeKafka中的数据采集到HDFS中,可以为数据分析和挖掘提供更好的基础数据。而且,Flume还可以配置多种不同的数据源和目标,可以根据具体需求进行扩展和定制。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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