Flume-0.9.4数据插入HBase-0.96

最近由于业务需要，需要将flume的数据插入HBase-0.96,利用flume的实时日志收集，实现数据的实时存储。正如前文所述，flume-ng即flume-1.4.0版本和hbase-0.96结合相对比较容易配置，只需要做一些相关配置，实现自己的HbaseEventSerializer类，重新编译flume-ng-hbase-sink部分源码并打包即可。但是因为公司以前业务的日志收集使用的flume不是flume-1.4.0版本，而是flume-0.9.4，所以为了保证对原来代码的兼容性，就需要实现flume-0.9.4与HBase-0.96结合。经过两天的研究，和同事实现了这个功能，鉴于网上目前还缺少这样的资料，也为了后来人不再踩我们踩过的坑，所以写篇文章记录一下。

1）编译flume-0.9.4源码

首先，需要下载flume-0.9.4的源代码。下载地址：https://repository.cloudera.com/content/repositories/releases/com/cloudera/flume-distribution/0.9.4-cdh4.0.0/

下载好以后，执行如下命令：

$ unzip flume-distribution-0.9.4-cdh4.0.0-project.zip
$ cd flume-0.9.4-cdh4.0.0/
$ mvn package-DskipTests

如果你没有安装thrift，或者安装了未修改pom.xml中的thrift配置，此时会显示编译失败，错误提示如下：

[ERROR] Failed to execute goal org.apache.thrift.tools:maven-thrift-plugin:
0.1.10:compile (default) on project flume-core: thrift did not exit cleanly. 
Review output for more information. -> [Help 1]

此时需要安装thrift，并且修改pom.xml文件中的thrift配置，原来的配置如下：

<plugin>
    <groupId>org.apache.thrift.tools</groupId>
    <artifactId>maven-thrift-plugin</artifactId>
    <version>0.1.10</version>
    <configuration>
      <thriftExecutable>${thrift.executable}</thriftExecutable>
    </configuration>
    <executions>
      <execution>
        <goals>
          <goal>compile</goal>
          <goal>testCompile</goal>
        </goals>
      </execution>
    </executions>
</plugin>

此时，需要安装thrift，安装可参考 《ubuntu 12.04中安装thrift-0.9.1》，安装好之后，对上面的配置修改如下：（注：/usr/local/bin/thrift是我thrift的安装目录）

<thriftExecutable>/usr/local/bin/thrift</thriftExecutable>

配置好后，运行上面的maven编译命令，还会出现一个错误：

[ERROR] Failed to execute goal org.apache.maven.plugins:
maven-compiler-plugin:2.3.2:compile (default-compile) on project flume-core: 
Compilation failure: Compilation failure:

这是因为pom.xml里面的libthrift版本不对，做如下修改即可：

<dependency>
        <groupid>org.apache.thrift</groupid>
        <artifactid>libthrift</artifactid>
        <version>0.9.1</version>
</dependency>

继续编译打包，还是会出错，错误如下：

[ERROR] Failed to execute goal on project flume-config-web: Could not resolve 
dependencies for project com.cloudera:flume-config-web:war:0.9.4-cdh4.0.0: 
Failure to find org.apache.hadoop:hadoop-core:jar:0.20.2-cdh3u3-SNAPSHOT in
https://repository.cloudera.com/content/groups/public/ was cached in the local 
repository, resolution will not be reattempted until the update interval of 
com.cloudera.repository.releases has elapsed or updates are forced -> [Help 1]

很明显，还是因为包找不到，做如下修改即可：

<dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-core</artifactId>
        <version>0.20.2-cdh3u3</version>
        <exclusions>
          <exclusion>
            <groupId>com.cloudera.cdh</groupId>
            <artifactId>hadoop-ant</artifactId>
          </exclusion>
        </exclusions>
</dependency>

这次再运行打包编译命令，就可以看到如下的成功信息了：

[INFO] Flume ............................................. SUCCESS [0.003s]
[INFO] Flume Core ........................................ SUCCESS [12.344s]
[INFO] Flume Master Config Web Application ............... SUCCESS [3.243s]
[INFO] Flume Node Web .................................... SUCCESS [0.885s]
[INFO] Flume Distribution Project ........................ SUCCESS [25.381s]
[INFO] A log4j appender for Flume ........................ SUCCESS [0.251s]
[INFO] Flume Hello World Plugin .......................... SUCCESS [0.133s]
[INFO] Flume HBase Plugin ................................ SUCCESS [20:42.199s]
[INFO] ------------------------------------------------------------------------
[INFO] BUILD SUCCESS
[INFO] ------------------------------------------------------------------------

2、在第一步编译成功的基础上继续修改pom.xml文件。因为flume-0.9.4里面使用的hadoop-core，还是0.20版本，是不能直接连接hbase-0.96的，所以需要将上面的hadoop-core的依赖用下面的内容替换：

<dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-mapreduce-client-core</artifactId>
            <version>2.2.0</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>2.2.0</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-mapreduce-client-common</artifactId>
            <version>2.2.0</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-mapreduce-client-jobclient</artifactId>
            <version>2.2.0</version>
        </dependency>

除此之外，还需要flume-core目录底下的pom.xml文件，将hadoop-core的依赖也修改为上面的内容。由于guava也太早，所以将guava的依赖也用下面的内容替换：

      <dependency>
        <groupId>com.google.guava</groupId>
        <artifactId>guava</artifactId>
        <version>10.0.1</version>
      </dependency>

为了保证能插入数据到hbase-0.96里面，还需要替换flume源文件夹下的plugins/flume-plugin-hbasesink里面的hbase依赖，

将下面的内容：

<dependency>
      <groupId>org.apache.hbase</groupId>
      <artifactId>hbase</artifactId>
      <version>${cdh.hbase.version}</version>
    </dependency>

    <dependency>
      <groupId>org.apache.hbase</groupId>
      <artifactId>hbase</artifactId>
      <version>${cdh.hbase.version}</version>
      <classifier>tests</classifier>
      <scope>test</scope>
    </dependency>

    <dependency>
      <groupId>org.apache.hadoop</groupId>
      <artifactId>hadoop-test</artifactId>
      <version>${cdh.hadoop.version}</version>
      <scope>test</scope>
    </dependency>

替换为：

      <dependency>
          <groupId>org.apache.hbase</groupId>
          <artifactId>hbase-it</artifactId>
          <version>0.96.0-hadoop2</version>
      </dependency>

（注：由于本文的maven仓库使用的是公司maven仓库，如果在编译过程中找不到上述包，可以修改flume源码目录下的pom.xml文件中的<repository>部分，加上apache hadoop和hbase的官方maven仓库地址）

3、修改flume-0.9.4的flume-core里面的java源码部分，主要修改的内容为FlushingSequenceFileWriter.java、RawSequenceFileWriter.java和SequenceFileOutputFormat.java，使用新版本的hadoop-2.2.0中的相应方法修改。（如果不知道如何修改，可以联系我。）

至此，重新运行maven的编译打包命令，如果出现第一步最后的成功信息，证明修改成功。

4、修改flume启动脚本。仔细分析${FLUME_HOME}/bin/flume会发现，该文件里面有很长一段是加载旧版本的hadoop依赖包，所以应该将其注释掉。并将该部分替换为：

CLASSPATH="hadoop的lib包路径，hbase的lib包路径“。

5、整合hbase-0.96。

在flume-src\plugins\flume-plugin-hbasesink\src\main\java里面的添加自己的类。如果需要和Hbase整合，必须继承EventSink.Base类，重写里面的方法（可以参照flume-src\plugins\flume-plugin-hbasesink\src\main\java\com\cloudera\flume\hbase\Attr2HBaseEventSink.java)，写完之后需要重新编译flume-src\plugins\flume-plugin-hbasesink底下的类，打包成jar文件。

6、如何配Hbase sink。

（1）在Flume master机器上修改${FLUME_HOME}/conf/flume-site.xml文件：

<property>
    <name>flume.plugin.classes</name>
    <value>com.cloudera.flume.hbase.HBaseSink,com.cloudera.flume.hbase.Attr2HBaseEventSink,test.flume.hbase.MyHBaseSink</value>
</property>

（注，其中MyHBaseSink是自定义的Sink类）

（2）修改${FLUME_HOME}/bin/flume-env.sh

export FLUME_CLASSPATH=/home/q/flume-0.9.4-cdh3u3/plugins/flume-plugin-hbasesink-0.9.4-cdh3u3.jar

 其中的flume-plugin-hbasesink-0.9.4-cdh3u3.jar包就是步骤5中打包好的jar文件。

（3）重启Flume master、agent等，这样你就可以在master:35871/masterext.jsp中的Sinks表里面看到你自己的Hbase sink。
（4）将collector中的sink那项配置成自定义的sink即可.

转载请注明出处：http://blog.csdn.net/iAm333