大数据-从flume采集数据通过kafaka下沉到hive表的一个详细案列

HDFS

实施前的准备

• 安装nginx
• 安装flume
• 安装kafka

一、项目的环境准备

1.打jar包

• 双击package即可打成jar包
  

• 在此处可以看到打成jar包的地址

2.将jar包运行在虚拟机上

1. 我准备了四台虚拟机
   
2. 我将jar包放在了root/apps,Java -jar 加项目名,即可在虚拟机中启动项目

• 出现如下即表示启动成功,接下来我们可以在网页验证一下

3.测试项目及nginx反向代理功能

• 输入虚拟机名字加项目端口号出现登录界面表示运行成功,接下来我们在测试一下nginx的反向代理

• 我将nginx配置文件中反向给hdp-1,所以当我输入hdp-1的时候也能出现如下界面即表示成功
  

二、将flume采集的数据通过kafka下沉到hive表的具体操作流程

1.集群启动顺序(这里面大多数集群我都已经配置好shell脚本文件)
2.监测flume采集的数据
3. 启动kafka消费者将采集的数据传到本机
4.创建一个hive外部表,并将本机采集的数据下沉到hive表里**

-启动zookeeper集群(启动kafka集群之前必须启动zookeeper集群)

• 启动kafka集群(将数据采集到的kafka的话必须先启动kafka集群)

• 启动flume

启动命令:flume-ng agent -C …/conf/ -f …/tail-kafka.conf -n a1 -Dflume.root.logger=INFO,console

出现如下表示成功

• 测试是否检测到数据

当刷新界面时,nginx下logs/log.frame.access.log日志会出现新数据即表示监听成功

• 这里会多一条日志信息

• 接下来我们见一个消费者

```java
package com.zpark.kafkatest.one;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
import org.apache.log4j.Logger;


import java.io.BufferedWriter;
import java.io.FileOutputStream;
import java.io.OutputStreamWriter;
import java.net.URI;
import java.net.URISyntaxException;
import java.util.Collections;
import java.util.Properties;

public class ConsumerLocal {

    public static void main(String[] args) {
        //调用接收消息的方法
        receiveMsg();
    }

    /**
     * 获取kafka topic（test）上的数据
     */
    private static void receiveMsg() {
//        Logger logger = Logger.getLogger(ConsumerLocal.class);
        Properties properties = new Properties();
        properties.put("bootstrap.servers", "hdp-2:9092");
        properties.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
        properties.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
        properties.put("group.id","aaaa");
        properties.put("enable.auto.commit", true);
        //一个方法
        KafkaConsumer<String, String> consumer = new KafkaConsumer<String, String>(properties);
        consumer.subscribe(Collections.singleton("test"));
        URI uri = null;
        Configuration conf = null;
        String user = "root";
        try {
            uri = new URI("hdfs://hdp-1:9000");
            conf = new Configuration();
            //dfs.replication：分布式文件系统副本的数量
            conf.set("dfs.replication", "2");
            //dfs.blocksize:分布式文件系统的块的大小   100M   64+36
            conf.set("dfs.blocksize", "64m");

        } catch (URISyntaxException e) {
            e.printStackTrace();
        }
        try {
            FileOutputStream fos = new FileOutputStream("F:/tmp.log");
            OutputStreamWriter osw = new OutputStreamWriter(fos);


//            FileSystem fs = FileSystem.get(uri, conf, user);
//            FSDataOutputStream fdos = fs.create(new Path("/cf.txt"));
            while(true) {

                /**
                 * 获取kafka
                 */
                ConsumerRecords<String, String> records = consumer.poll(100);
                for(ConsumerRecord<String, String> record: records) {
                    String msg =record.value()+"\r\n";
                    System.out.printf("key=%s,value=%s,offet=%s,topic=%s",record.key() , record.value() , record.offset(), record.topic());
//                    logger.debug(record.value());
                    BufferedWriter bw = new BufferedWriter(osw);
                    bw.write(msg);
                    bw.flush();

                }
            }
        }catch (Exception e) {
            e.printStackTrace();
        } finally {
            consumer.close();
        }
    }
}

• 当启动消费者后,本地即可多一个F:/tmp.log(代码里有,此路径随便给一个,没有的话会自动生成)

• 接下来创建一个hive外部表

create external table flumetable (ip string) row format delimited location '/usr/';

• 创建一个类上传数据到hive表

package com.zpark.kafkatest.one;

import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.conf.Configuration;

import java.io.IOException;
import java.net.URI;
import java.net.URISyntaxException;
import java.util.TimerTask;

public class toHDFS extends TimerTask {
    public void run(){
        URI uri = null;
        try {
            uri =new URI("hdfs://hdp-1:9000");
        }catch (URISyntaxException e){
            e.printStackTrace();
        }
        Configuration conf = new Configuration();
        conf.set("dfs.replication","1");
        conf.set("dfs.blocksize","64m");


        String user = "root";
        FileSystem fs =null;
        try{
            fs = FileSystem.get(uri,conf,user);

        }catch (IOException e){
            e.printStackTrace();
        } catch (InterruptedException e) {
            e.printStackTrace();
        }

        Path src = new Path("D:\\tmp.log");
        Path dst = new Path("/user/hive/warehouse/zpark.db");
        try{
            fs.copyFromLocalFile(src,dst);
        }catch (IOException e){
            e.printStackTrace();
        }
        try{
            fs.close();
        }catch (IOException e){
            e.printStackTrace();
        }
    }
}

• 检查是否上传成功

1.网页进入hdp-1:50070 ,出现a.txt文件即表示上传成功

2.查看flumetable表有数据即表示下沉成功