flume监控Oracle表变化增量抽取数据到kafka

1.涉及到的软件框架及版本号

系统及软件	版本
CentOS	centos7.2
JDK	JDK1.8
Flume	apache-flume-1.9.0-bin.tar.gz
kafka	kafka_2.11-0.11.0.2.tgz
zookeper	zookeeper-3.4.10.tar.gz
oracle

2.zookeper单机版安装

1）下载安装zookeeper，并配置环境变量

2）修改配置文件 zookeeper/conf/zoo.cfg (zoo_sample.cfg --> zoo.cfg)

dataDir=xxxx

3）启动zk:
bin/zkServer.sh start
4）查看zk状态:
bin/zkServer.sh status
5）停用zk:
bin/zkServer.sh stop

 

3.kafka单机版安装

1）下载安装kafka，配置环境变量

2）修改配置文件 kafka/config/server.properties

broker.id=0 listeners=PLAINTEXT://:9092 host.name=localhost log.dirs=/Users/Mac/app/kafka_2.11-0.9.0.0/tmp/kafka-logs zookeeper.connect=localhost:2181

3）启动 kafka

kafka-server-start.sh -daemon $KAFKA_HOME/config/server.properties

4）创建 topic

kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic test_topic

5）启动一个producer发送信息

kafka-console-producer.sh --broker-list localhost:9092 --topic test_topic

6）启动一个consumer接收信息

kafka-console-consumer.sh --zookeeper localhost:2181 --topic test_topic

==> 添加 --from-beginning：表示从头开始消费，不加则只会消费新消息

 

7）查看创建的topic的信息

kafka-topics.sh --describe --zookeeper localhost:2181

==> 添加 --topic test_topic，查看指定topic的信息

8）查看所有已经创建的topic

kafka-topics.sh --list --zookeeper localhost:2181

9）关闭kafka
kafka-server-stop.sh

4.flume安装

解压flume

tar -zxvf apache-flume-1.9.0-bin.tar.gz

5.flume-ng-sql-source安装

 

flume默认是不支持sql source的，因此需要先添加flume-ng-sql-source  支持MySql SQLServer DB2

github地址为https://github.com/keedio/flume-ng-sql-source 根据自己的环境选择版本，版本要求：flume-1.7.0以下的版本最好是使用1.4.3，稳定。flume-1.8的话稳定版应该是1.5.0。README中也有基本配置说明。

打包前注意将pom文件中的 flume-ng-core 版本与flume安装版本保持一致，不然运行会报错。

（1）Git Clone代码到本地:

git clone https://github.com/keedio/flume-ng-sql-source.git

 （2）切换标签选择自己需要的版本

git checkout 1.5.0

（3）打开pom.xml文件改变相对应的flue版本

<dependency>
    <groupId>org.apache.flume</groupId>
    <artifactId>flume-ng-core</artifactId>
    <version>1.9.0</version>
    <scope>provided</scope>
</dependency>

 （4）插件编译和封装（最好配置好flume环境变量）

mvn clean package -Dmaven.test.skip=true

编译好后在target文件下有个flume-ng-sql-source-1.5.0.jar包

（5） 扩展部署

mkdir -p $FLUME_HOME/plugins.d/sql-source/lib 
mkdir -p $FLUME_HOME/plugins.d/sql-source/libext
cp flume-ng-sql-source-1.5.0.jar $FLUME_HOME/plugins.d/sql-source/lib

（6）数据库引擎的特定安装

把oracle（此处用的是oracle库）的驱动包ojdbc5.jar放到上面创建的目录下

oracle的jdbc驱动包，放在oracle安装目录下，路径为：D:\app\product\11.2.0\dbhome_1\jdbc\lib下的ojdbc5.jar放到libext目录下

cp ojdbc5.jar $FLUME_HOME/plugins.d/sql-source/libext

（7）新建flume-sql.conf

在conf目录新建flume-sql.conf 输入以下内容：

a1.channels = c1
a1.sources = r1
a1.sinks = k1
###########sql source#################
# For each one of the sources, the type is defined
#source组件类型名称，必须为org.keedio.flume.source.SQLSource
a1.sources.r1.type = org.keedio.flume.source.SQLSource
#与远程数据库连接的网址,这里我是oracle
a1.sources.r1.hibernate.connection.url = jdbc:oracle:thin:@192.168.100.235:1521/cc
# Hibernate Database connection properties
#用于连接数据库的用户名
a1.sources.r1.hibernate.connection.user = system
#连接数据库的密码
a1.sources.r1.hibernate.connection.password = manager
#是否自动提交
a1.sources.r1.hibernate.connection.autocommit = true
#Dialect to use by hibernate
a1.sources.r1.hibernate.dialect = org.hibernate.dialect.Oracle10gDialect
#驱动类
a1.sources.r1.hibernate.connection.driver_class = oracle.jdbc.driver.OracleDriver
#在运行查询完成后等待时间(ms)
a1.sources.r1.run.query.delay=500
#保存状态文件的路径
a1.sources.r1.status.file.path = /usr/local/modul/bigdata/apache-flume-1.9.0-bin/flume/sqlSource
#保存状态文件的名称
a1.sources.r1.status.file.name = flume.sqlSource.status
# Custom query
#查询开始的标识，使用你增量的字段。这里我用的时间毫秒值来做增量判断，可以根据业务来更改
#2017-01-01 08:00:00
a1.sources.r1.start.from = 1483228800000
#自定义查询语句，一定要确保查询结果的第一位置返回增量字段
a1.sources.r1.custom.query = select * from (select TO_NUMBER (TO_DATE (TO_CHAR (a.create_time,'YYYY/MM/DD HH24:MI:SS'),'YYYY/MM/DD HH24:MI:SS') - TO_DATE ('1970/01/01 0:0:0','YYYY/MM/DD HH24:MI:SS')) * 24 * 60 * 60 * 1000 date_number,a.* from MEDREC.event_task a where a.event_type='1' and  a.service_code like '%EMPI%' and rownum < 100) t where t.date_number > $@$ ORDER BY t.date_number ASC
#批量大小
a1.sources.r1.batch.size = 1000
#最大行数
a1.sources.r1.max.rows = 1000
#连接池驱动类
a1.sources.r1.hibernate.connection.provider_class = org.hibernate.connection.C3P0ConnectionProvider
#连接池最小个数
a1.sources.r1.hibernate.c3p0.min_size=1
#连接池最大个数
a1.sources.r1.hibernate.c3p0.max_size=10
##############################
#channel的类型
a1.channels.c1.type = memory
#在channel中最多能保存多少个event
a1.channels.c1.capacity = 10000
#在每次从source获取数据后者将数据sink出去的一次事务操作中，最多处理的event数
a1.channels.c1.transactionCapacity = 10000
#在channel中最多容纳所有event body的总字节数
a1.channels.c1.byteCapacity = 800000
#这个值得含义跟上面一样，只不过这个计算event header跟最大可用内存的字节占比
a1.channels.c1.byteCapacityBufferPercentage = 20
##############################
#sink的类型
a1.sinks.k1.type = org.apache.flume.sink.kafka.KafkaSink
#kafka topic
a1.sinks.k1.topic = test_topic
#brokerList
a1.sinks.k1.kafka.bootstrap.servers = 192.168.101.32:9092
#ack机制：1表示producer只要收到一个leader分区副本成功写入的通知就认为推送消息成功了。0代表producer发送一次就不在发送，不管成不成功。-1代表producer只有收到分区内所有副本成功写入的通知才认为推送成功
a1.sinks.k1.producer.acks = 1
#batch的大小
a1.sinks.k1.flumeBatchSize = 20
a1.sinks.k1.channel = c1

a1.sinks.k1.channel = c1
a1.sources.r1.channels=c1

（8）flume-ng启动flume-sql.conf和测试

bin/flume-ng agent --conf conf --conf-file conf/test5.conf --name a1 -Dflume.root.logger=INFO,console

（9）启动kafka的消费者，监听topic主题

kafka-console-consumer.sh --zookeeper localhost:2181 --topic test_topic