CDH-Flume从Kafka同步数据到hive

本文讨论了使用Flume从Kafka源收集数据并将其发送到Hive存储的过程中遇到的内存溢出问题和类找不到异常。解决内存溢出问题需要在`flume-env.sh`中增加JVM内存设置,而类找不到异常则需要添加相应的Hive库到Flume的lib目录。此外,还提供了Flume的配置示例,包括Kafka源、Hive接收器和内存通道的详细设置。
摘要由CSDN通过智能技术生成

启动Flume命令

flume-ng agent -n a -c /opt/cloudera/parcels/CDH-6.3.0-1.cdh6.3.0.p0.1279813/lib/flume-ng/conf/ -f ./kafka2hiveTest.conf -Dflume.root.logger=INFO,console

hive建表 语句

#分桶开启事务并分区
create table log_test(ip string,username string,request_url string) partitioned by (send_date string) clustered by(ip) into 2 buckets stored as orc tblproperties('transactional'='true');

配置文件


a.sources=source_from_kafka
a.channels=mem_channel
a.sinks=hive_sink
a.sinks=k1

#kafka为souce的配置
a.sources.source_from_kafka.type=org.apache.flume.source.kafka.KafkaSource
a.sources.source_from_kafka.kafka.bootstrap.servers=hadoop001:9092,hadoop002:9092,hadoop003:9092,hadoop004:9092
a.sources.source_from_kafka.topic=test-toHive
a.sources.source_from_kafka.batchSize=10
a.sources.source_from_kafka.setTopicHeader=false

#hive为sink的配置
a.sinks.hive_sink.type=hive
a.sinks.hive_sink.hive.metastore=thrift://hadoop001:9083
a.sinks.hive_sink.hive.database=test
a.sinks.hive_sink.hive.table=log_test
a.sinks.hive_sink.hive.partition = %{key},
a.sinks.hive_sink.serializer=JSON

a.sinks.hive_sink.batchSize=10
a.sinks.hive_sink.hive.txnsPerBatchAsk=2
a.sinks.hive_sink.serializer.fieldnames=ip,username,request_url


a.sinks.k1.type=logger



#channel的配置
a.channels.mem_channel.type=memory

#三者之间的关系
a.sources.source_from_kafka.channels=mem_channel
#a.sinks.hive_sink.channel=mem_channel
a.sinks.k1.channel = mem_channel

报错1

Exception in thread "PollableSourceRunner-KafkaSource-source_from_kafka" java.lang.OutOfMemoryError: GC overhead limit exceeded

Exception in thread "SinkRunner-PollingRunner-DefaultSinkProcessor" java.lang.OutOfMemoryError: GC overhead limit exceeded

这是内存溢出问题,主要就是因为jvm的内存设小了。

这个参数需要在“flume-env.sh”文件中进行设置,具体位置可以搜索一下,如果没有这个文件的话,可以通过“flume-env.sh.template”进行复制 ,然后编辑,加上对应内存设置就可以了

export JAVA_OPTS="-Xms2048m -Xmx2048m -Xss256k -Xmn1g -XX:+UseParNewGC -XX:+UseConcMarkSweepGC -XX:-UseGCOverheadLimit"

报错2

java.lang.ClassNotFoundException: org.apache.hadoop.hive.cli.CliSessionState

有报一系列的找不到某个类的错误,解决办法是找到对应的jar包,然后放到lib目录下

/opt/cloudera/parcels/CDH-6.3.0-1.cdh6.3.0.p0.1279813/lib/flume-ng/lib/

/data/opt/cloudera/parcels/CDH-6.3.0-1.cdh6.3.0.p0.1279813/lib/flume-ng/lib/

opt是本地启动时依赖包的位置,data是集群启动时放的位置

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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