flume push sparkStreaming和sparkStreaming pull flume

最新推荐文章于 2024-09-26 13:54:23 发布
最新推荐文章于 2024-09-26 13:54:23 发布
阅读量466 收藏
点赞数 1
分类专栏： Flink Stream 文章标签： flume spark
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43012693/article/details/112918089
版权

目录

flume push数据到SparkStreaming

1. flume文件配置

# 定义 source, channel, 和sink的名字
a1.sources = s1
a1.channels = c1
a1.sinks = avroSink
# 对source的一些设置
a1.sources.s1.type = netcat
a1.sources.s1.bind = localhost
a1.sources.s1.port = 5678
a1.sources.s1.channels = c1
# 对channel的一些设置
a1.channels.c1.type = memory
# 对sink的一些设置
a1.sinks.avroSink.type = avro 
a1.sinks.avroSink.channel = c1
a1.sinks.avroSink.hostname = singleNode
a1.sinks.avroSink.port = 9999

2. Spark程序

import org.apache.spark.SparkConf
import org.apache.spark.streaming.dstream.{DStream, ReceiverInputDStream}
import org.apache.spark.streaming.flume.{FlumeUtils, SparkFlumeEvent}
import org.apache.spark.streaming.{Seconds, StreamingContext}

object FlumePushSparkStream {
  def main(args: Array[String]): Unit = {
  //这里local我设置为4，刚开始设置为*，运行jar的时候无法运行
    val conf = new SparkConf().setMaster("local[4]").setAppName("demo")
    val ssc = new StreamingContext(conf,Seconds(5))

    val flumStream: ReceiverInputDStream[SparkFlumeEvent] = FlumeUtils.createStream(
      ssc,
      "192.168.136.20",
      9999
    )
    val lines: DStream[String] = flumStream.map(x => new String(x.event.getBody.array()).trim)
    val result: DStream[(String, Int)] = lines
      .flatMap(_.split("\\s+"))
      .map((_, 1))
      .reduceByKey(_ + _)

    result.print()

    ssc.start()
    ssc.awaitTermination()

  }
}

3.pom文件

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>cn.kgc</groupId>
    <artifactId>SparkLearn</artifactId>
    <version>1.0-SNAPSHOT</version>

    <properties>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
        <maven.compiler.source>1.8</maven.compiler.source>
        <maven.compiler.target>1.8</maven.compiler.target>
        <hadoop.version>2.6.0-cdh5.14.2</hadoop.version>
        <hive.version>1.1.0-cdh5.14.2</hive.version>
        <hbase.version>1.2.0-cdh5.14.2</hbase.version>
        <scala.version>2.11.8</scala.version>
        <spark.version>2.4.5</spark.version>
    </properties>

    <repositories>
        <repository>
            <id>cloudera</id>
            <url>https://repository.cloudera.com/artifactory/cloudera-repos/</url>
        </repository>
    </repositories>

    <dependencies>
        <!--scala-->
        <dependency>
            <groupId>org.scala-lang</groupId>
            <artifactId>scala-library</artifactId>
            <version>2.11.8</version>
        </dependency>

        <!-- spark-core -->
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_2.11</artifactId>
            <version>2.4.5</version>
        </dependency>
        <!-- spark-sql -->
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-sql_2.11</artifactId>
            <version>2.4.5</version>
        </dependency>
        <!-- spark-hive -->
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-hive_2.11</artifactId>
            <version>2.4.5</version>
        </dependency>
        <!-- spark-graphx -->
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-graphx_2.11</artifactId>
            <version>2.4.5</version>
        </dependency>
        <!-- spark-streaming -->
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-streaming_2.11</artifactId>
            <version>2.4.5</version>
        </dependency>
        <!--spark-streaming_2.11-->
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-streaming-flume_2.11</artifactId>
            <version>2.4.5</version>
        </dependency>
        <!--spark-streaming-flume_2.11-->
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-streaming-flume_2.11</artifactId>
            <version>2.4.5</version>
        </dependency>

        <!--kafka-->
        <dependency>
            <groupId>org.apache.kafka</groupId>
            <artifactId>kafka-clients</artifactId>
            <version>0.11.0.2</version>
        </dependency>

        <!-- mysql-connector-java -->
        <dependency>
            <groupId>mysql</groupId>
            <artifactId>mysql-connector-java</artifactId>
            <version>5.1.38</version>
        </dependency>

        <!-- hadoop -->
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>2.6.0</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>2.6.0</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-hdfs</artifactId>
            <version>2.6.0</version>
        </dependency>

        <!-- log4j -->
        <dependency>
            <groupId>log4j</groupId>
            <artifactId>log4j</artifactId>
            <version>1.2.17</version>
        </dependency>

        <!-- junit -->
        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <version>4.12</version>
        </dependency>

    </dependencies>
    <build>
        <plugins>
            <!--java打包插件-->
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-compiler-plugin</artifactId>
                <version>3.2</version>
                <configuration>
                    <source>1.8</source>
                    <target>1.8</target>
                    <encoding>UTF-8</encoding>
                </configuration>
                <executions>
                    <execution>
                        <phase>compile</phase>
                        <goals>
                            <goal>compile</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>

            <!--scala打包插件-->
            <plugin>
                <groupId>org.scala-tools</groupId>
                <artifactId>maven-scala-plugin</artifactId>
                <version>2.15.2</version>
                <executions>
                    <execution>
                        <id>scala-compile-first</id>
                        <goals>
                            <goal>compile</goal>
                        </goals>
                        <configuration>
                            <includes>
                                <include>**/*.scala</include>
                            </includes>
                        </configuration>
                    </execution>
                </executions>
            </plugin>

            <!--将依赖打入jar包-->
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-assembly-plugin</artifactId>
                <version>2.6</version>
                <configuration>
                    <descriptorRefs>
                        <descriptorRef>jar-with-dependencies</descriptorRef>
                    </descriptorRefs>
                </configuration>
                <executions>
                    <execution>
                        <id>make-assembly</id>
                        <phase>package</phase>
                        <goals>
                            <goal>single</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>
</project>

4.Spark-submit
打好jar包，上传到虚拟机。

spark-submit --class SparkStreaming.FlumePushSparkStream SparkLearn-1.0-SNAPSHOT-jar-with-dependencies.jar

5.运行flume

flume-ng agent --name a1 --conf /opt/install/flume/conf/ --conf-file ./flume-push.conf -Dflume.root.logger=INFO,console

6.telnet连接

telnet 192.168.136.20 5678

发送消息后，可在运行的jar包查看处理的消息：
在这里插入图片描述

sparkStreaming pull flume

1.flume配置文件

a2.sources=s1
a2.channels=c1
a2.sinks=k1

a2.sources.s1.type=netcat
a2.sourecs.s1.bind=localhost
a2.sources.s1.port=7777
a2.sources.s1.channels=c1

a2.chaneels.c1.type=memory

a2.sinks.k1.type=org.apache.spark.streaming.flume.sink.SparkSink
a2.sinks.k1.hostname=hadoop01
a2.sinks.k1.port=9999
a2.sinks.k1.channel=c1

上传jar包到flume

avro-1.8.2.jar
avro-ipc-1.8.2.jar
commons-lang3-3.5.jar
scala-library-2.11.8.jar
spark-streaming-flume-sink_2.11-2.4.4.jar
spark-streaming-flume_2.11-2.4.4.jar

需要的大家可以到下面链接中下载：
Flume Sink jar
提取码：7gz0
总共6个jar包。再删除掉就版本的jar包：

mv scala-library-2.10.5.jar scala-library-2.10.5.jar.bak
mv avro-1.7.4.jar avro-1.7.4.jar.bak
mv avro-ipc-1.7.4.jar avro-ipc-1.7.4.jar.bak

3.编写Spark程序

import org.apache.spark.SparkConf
import org.apache.spark.streaming.dstream.{DStream, ReceiverInputDStream}
import org.apache.spark.streaming.flume.{FlumeUtils, SparkFlumeEvent}
import org.apache.spark.streaming.{Seconds, StreamingContext}

object SparkPull {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf().setMaster("local[4]").setAppName("SparkPull")
    val ssc = new StreamingContext(conf,Seconds(5))
    //1.加载数据源
    val flumeStream: ReceiverInputDStream[SparkFlumeEvent] = FlumeUtils.createPollingStream(ssc,"hadoop01",9999)
    val lines = flumeStream.map(x=>new String(x.event.getBody.array()).trim)
    //2.数据处理
    val result: DStream[(String, Int)] = lines.flatMap(_.split(" "))
      .map((_, 1)).reduceByKey(_ + _)
    result.print()
    ssc.start()
    ssc.awaitTermination()
  }
}

4.启动flume

flume-ng agent --name a2 --conf /opt/install/flume/conf/ --conf-file ./flume-pull.conf -Dflume.root.logger=INFO,console

5.编写好的代码打成jar包, 上传到集群运行(胖包)

spark-submit --class SparkStreaming.SparkPull flume-sparkStreaming-1.0-SNAPSHOT-jar-with-dependencies.jar

6.启动telnet，输入数据

telnet localhost 7777

在这里插入图片描述
可以在运行的jar包端查看输出结果。
在这里插入图片描述

小五家的二哈
关注
专栏目录
SparkStreaming整合Flume --push方式与--pull方式
我是60岁程序员
10-12 485
 test-flume-push-streaming.conf #flume-push-streaming flume-push-streaming.sources = netcat-source flume-push-streaming.sinks = avro-sink flume-push-streaming.channels = memory-channel flume-push-s...
Spark Streaming 两种方式连接 Flume
zp17834994071的博客
09-08 986
Spark Streaming 通过 Push 和 Pull 两种方式对接 Flume 数据源。以 Spark Streaming 的角度来看，Push 方式属于推送（由 Flume 向 Spark 推送）；而 Pull 属于拉取（Spark 拉取 Flume 的输出）。 不论以何种方式，开发过程类似，都是由 Spark Streaming 对接 Flume 数据流，Flume 做为 Spark Streaming 的数据源。Push 和 Pull 两者的差别主要体现在Flume Sink 的不同，而 Fl
Flume日志采集系统
m0_68533987的博客
08-31 745
Flume是一个高可用的、高可靠的、分布式海量日志采集、聚合和传输系统。Apache Flume不仅只限于日志数据的采集，由于Flume采集的数据源是可定制的，因此Flume还可用于传输大量事件数据，包括但不限于网络流量数据，社交媒体生成的数据、电子邮件消息以及几乎任何可能的数据源。
Flume数据推送（Push）
厚积而薄发
05-28 6810
一直都是用flume的pull方式收集日志数据，为了便于以后对业务系统实时日志收集的扩展，今天研究了下push方式的日志收集。   1.首先agent端应该配置以下几种source（监听TCP/UDP端口）：     syslogUdp(port) 监听Udp端口 syslogTcp(port) 监听Tcp端口 sys
Flume pull方式和push方式整合
weixin_33858336的博客
12-12 373
Pull方式 Flume Agent 编写 # Name the components on this agent simple-agent.sources = netcat-source simple-agent.sinks = spark-sink simple-agent.channels = memory-channel # Describe/configure the sour...
flume push sparkstreaming和sparkstreaming pull flume
03-16
flume push sparkstreaming是指Flume主动将数据推送给Spark Streaming进行处理，而sparkstreaming pull flume是指Spark Streaming主动从Flume中拉取数据进行处理。两者的区别在于数据传输的方向不同，一个是Flume向...
Spark Streaming使用Flume作为数据源
曹利荣的博客
07-10 1760
官网地址： Flume Integration Guide 1、Spark Streaming 2.3.1适配 Flume 1.6.0，在Spark Streaming 2.3.0之后对flume的支持已被标记为过时。主要由于flume直接对接Spark Streaming 会造成Spark Streaming压力过大，特别是高峰期的时候（在之间加一层消息队列会好得多）。但由于很多公司可能仍然在用...
SparkStreaming整合Flume的两种方式
zhaoguowei的博客
11-26 810
Flume整合SparkStream两种方式 官网http://spark.apache.org/docs/latest/streaming-flume-integration.html Apache Flume是一种分布式，可靠且可用的服务，用于有效地收集，聚合和移动大量日志数据。在这里，我们说明如何配置Flume和Spark Streaming以从Flume接收数据。有两种方法。 方法一：基于...
flume+kafka+spark streaming(持续更新)
xuyaoqiaoyaoge的博客
02-19 5633
kafkakafka中文教程Kafka是一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者规模的网站中的所有动作流数据。 kafka的设计初衷是希望作为一个统一的信息收集平台,能够实时的收集反馈信息,并需要能够支撑较大的数据量,且具备良好的容错能力. Apache kafka是消息中间件的一种。 一 、术语介绍 Broker Kafka集群包含一个或多个服务器，这种服务器被称为broke
CMTime详解－AVFoundation视频操作必备基础
caiwenyu9999的专栏
05-27 910
CMTime 对于视频和音频操作比不可少，  第一： CMTimeMake(a,b)    a当前第几帧, b每秒钟多少帧.当前播放时间a/b 第二：例如 CMTimeMake(60, 30); 第二秒 CMTimeMake(30, 15);第二秒 两个都是代表第二秒的影片 但是第一个播放速度是第二个二倍
avfoundation 合成一组图片到视频
caiwenyu9999的专栏
05-27 6090
直接上代码，注释都有，不在赘述 [code]//按钮点击 - (IBAction)mergeVideo:(id)sender {     //虚拟一个将要存放的视频     NSString *path = [GG pathForDocument:@"b.mp4"];     [self writeImageAsMovie:@[[UIImage imageNamed:@"4.PN
apach zeppelin中使用spark streaming:基本功能
qwemicheal的博客
05-02 2370
如何在zeppelin 中运行简单的spark streaming例子，以及其中的出现的问题及原因．
ios avfoundation 合并音频到一个视频文件 avurlassettrack
caiwenyu9999的专栏
05-27 3715
下面这段代码可以将一组音频合并到一段视频中， 并输出到沙盒的Documents文件夹中， 其中有部分代码用到了自定义的类方法，比较简单，请大家自行改动运行 NSError * error = nil; AVMutableComposition * composition = [AVMutableComposition composition]; AV
flume系列之：出现数据堆积时临时增大sink端消费能力
zhengzaifeidelushang的博客
09-19 187
系统的CPU核心数较多，并且没有其他繁重的任务，可以适当增大该参数的值以提高并行处理能力。系统的CPU资源较为紧张或存在其他繁重的任务，可以减小该参数的值。系统的CPU资源较为充足，并且需要处理大量的数据，可以适当增大该参数的值，以提高HDFS Sink插件的处理能力。如果系统的CPU资源较为紧张或存在其他繁重的任务，可以减小该参数的值，以避免对系统的影响。系统的磁盘和内存资源充足，并且需要同时写入大量的文件，可以适当增大该参数的值。系统资源有限或写入的文件较少，可以减小该参数的值。
计算机毕业设计Hadoop+PySpark深圳共享单车预测系统 PyHive 共享单车数据分析可视化大屏 共享单车爬虫 共享单车数据仓库 机器学习 深度学习
全网粉丝100W+、全栈领域优质创作者、B站、github、CSDN等社区技术专家、专注于高端精品毕业项目源码实战
09-24 1676
计算机毕业设计Hadoop+PySpark深圳共享单车预测系统 PyHive 共享单车数据分析可视化大屏 共享单车爬虫 共享单车数据仓库 机器学习 深度学习
实战教程！Zabbix 监控 Spark 中间件配置教程
乐维社区的博客
09-26 304
JMX（Java Management Extensions）作为Java平台标准的一部分，提供了一种标准化的机制，用于监控和管理应用程序、系统对象、设备和服务。JMX具有跨平台、灵活性强、监控能力强、易于集成与扩展、图形化界面支持以及安全性与可配置性等多方面的优势，是监控Spark等复杂Java应用程序的重要工具之一。Apache Spark 是一个开源的大数据处理框架，它提供了快速、通用和可扩展的数据处理能力，适用于执行大规模的数据处理和分析任务，特别是在批处理、实时流处理、机器学习和图计算等领域。
计算机毕业设计Hadoop+Spark知识图谱体育赛事推荐系统 体育赛事热度预测系统 体育赛事数据分析 体育赛事可视化 体育赛事大数据 大数据毕业设计
最新发布
全网粉丝100W+、全栈领域优质创作者、B站、github、CSDN等社区技术专家、专注于高端精品毕业项目源码实战
09-26 877
计算机毕业设计Hadoop+Spark知识图谱体育赛事推荐系统 体育赛事热度预测系统 体育赛事数据分析 体育赛事可视化 体育赛事大数据 大数据毕业设计
Spark JobHistory Server清理日志功能未生效,导致频繁挂掉
sunxunyong的博客
09-23 243
spark.history.fs.cleaner.interval 和spark.history.fs.cleaner.maxAge使用的是默认值。但是/user/spark/applicationHistory/ 目录下日志一直未不清理！存储的日志数量超过所允许的最大值。例如/user/spark/applicationHistory/application_XXX.inprogress。查看日志清理功能是打开的：spark.history.fs.cleaner.enabled = true，
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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