环境说明

• centos7
• flume1.9.0flume-ng-sql-source插件版本1.5.3
• jdk1.8
• kafka 2.1.1
• zookeeper这个我用的kafka内置的zk
• mysql5.7
• xshell

 准备工作

1.安装Flume

这个参考博主的另一篇安装flume的文章

flume简介

Apache Flume是一个分布式的、可靠的、可用的系统用于有效地收集、聚合和将大量日志数据从许多不同的源移动到一个集中的数据存储。在大数据生态圈中flume经常用于完成数据采集的工作。

其实时性很高延迟大约1-2s可以做到准实时。

又因为mysql是程序员常用的数据库所以以flume实时采集mysql数据库为例子。要了解flume如何采集数据首先要初探其架构

Flume 运行的核心是 Agent。Flume以agent为最小的独立运行单位。一个agent就是一个JVM。它是一个完整的数据收集工具含有三个核心组件分别是

source、 channel、 sink。通过这些组件 Event 可以从一个地方流向另一个地方如下图所示。

三大组件

source

Source是数据的收集端负责将数据捕获后进行特殊的格式化将数据封装到事件event 里然后将事件推入Channel中。

Flume提供了各种source的实现包括Avro Source、Exce Source、Spooling Directory Source、NetCat Source、Syslog Source、Syslog TCP Source、Syslog UDP Source、HTTP Source、HDFS Source等。如果内置的Source无法满足需要 Flume还支持自定义Source。

可以看到原生flume的source并不支持sql source所以我们需要添加插件后续将提到如何添加。

channel

Channel是连接Source和Sink的组件大家可以将它看做一个数据的缓冲区数据队列它可以将事件暂存到内存中也可以持久化到本地磁盘上 直到Sink处理完该事件。

Flume对于Channel则提供了Memory Channel、JDBC Chanel、File Channeletc。

• MemoryChannel可以实现高速的吞吐但是无法保证数据的完整性。
• MemoryRecoverChannel在官方文档的建议上已经建义使用FileChannel来替换。
• FileChannel保证数据的完整性与一致性。在具体配置不现的FileChannel时建议FileChannel设置的目录和程序日志文件保存的目录设成不同的磁盘以便提高效率。

sink

Flume Sink取出Channel中的数据进行相应的存储文件系统数据库或者提交到远程服务器。

Flume也提供了各种sink的实现包括HDFS sink、Logger sink、Avro sink、File Roll sink、Null sink、HBase sinketc。

Flume Sink在设置存储数据时可以向文件系统中数据库中hadoop中储数据在日志数据较少时可以将数据存储在文件系中并且设定一定的时间间隔保存数据。在日志数据较多时可以将相应的日志数据存储到Hadoop中便于日后进行相应的数据分析。

这个例子中我使用了kafka作为sink

下载flume-ng-sql-source插件

到这里下载flume-ng-sql-source最新版本是1.5.3。

下载完后解压我通过idea运行程序使用maven打包为jar包改名为flume-ng-sql-source-1.5.3.jar

编译完的jar包要放在放到FLUME_HOME/lib下FLUME_HOME是自己linux下flume的文件夹比如我的是 /opt/install/flume

jdk1.8安装
kafka安装

zookeeper安装

kafka安装

 我们使用flume将数据采集到kafka 并启动一个kafak的消费监控就能看到实时数据了

kafka单机搭建及操作--做个记录_Alex_81D的博客-CSDN博客

mysql5.7.24安装

超详细的yum方式安装mysql_Alex_81D的博客-CSDN博客_yum下载mysql

flume抽取mysql数据到kafka实战

新建一个数据库和表

在完成上述的安装工作后就可以开始着手实现demo了

首先我们要抓取mysql的数据那么必然需要一个数据库和表并且要记住这个数据库和表的名字之后这些信息要写入flume的配置文件。

创建数据库

create database test

创建表

-- ----------------------------
-- Table structure for fk
-- ----------------------------
DROP TABLE IF EXISTS `fk`;
CREATE TABLE `fk` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `name` varchar(255) DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=10 DEFAULT CHARSET=utf8;

新增配置文件重要

cd 到flume的conf文件夹中新增一个文件mysql-flume.conf

 注mysql-flume.conf本来是没有的是我生成的具体配置如下所示

# a1表示agent的名称
# source是a1的输入源
# channels是缓冲区
# sinks是a1输出目的地本例子sinks使用了kafka
a1.channels = ch-1
a1.sources = src-1
a1.sinks = k1
###########sql source#################
# For each one of the sources, the type is defined
a1.sources.src-1.type = org.keedio.flume.source.SQLSource
# 连接mysql的一系列操作youhost改为你虚拟机的ip地址可以通过ifconfig或者ip addr查看
# url中要加入?useUnicode=true&characterEncoding=utf-8&useSSL=false否则有可能连接失败
a1.sources.src-1.hibernate.connection.url = jdbc:mysql://youhost:3306/test?useUnicode=true&characterEncoding=utf-8&useSSL=false
# Hibernate Database connection properties
# mysql账号一般都是root
a1.sources.src-1.hibernate.connection.user = root
# 填入你的mysql密码
a1.sources.src-1.hibernate.connection.password = xxxxxxxx
a1.sources.src-1.hibernate.connection.autocommit = true
# mysql驱动
a1.sources.src-1.hibernate.dialect = org.hibernate.dialect.MySQL5Dialect
# 驱动版本过低会无法使用驱动安装下文会提及
a1.sources.src-1.hibernate.connection.driver_class = com.mysql.jdbc.Driver
# 采集间隔时间
a1.sources.src-1.run.query.delay=5000
# 存放status文件
a1.sources.src-1.status.file.path = /opt/install/flume/status
a1.sources.src-1.status.file.name = sqlSource.status
# Custom query
a1.sources.src-1.start.from = 0
# 填写需要采集的数据表信息你也可以使用下面的方法
# agent.sources.sql-source.table =table_name
# agent.sources.sql-source.columns.to.select = *
a1.sources.src-1.custom.query = select `id`, `name` from fk
a1.sources.src-1.batch.size = 1000
a1.sources.src-1.max.rows = 1000
a1.sources.src-1.hibernate.connection.provider_class = org.hibernate.connection.C3P0ConnectionProvider
a1.sources.src-1.hibernate.c3p0.min_size=1
a1.sources.src-1.hibernate.c3p0.max_size=10

################################################################
a1.channels.ch-1.type = memory
a1.channels.ch-1.capacity = 10000
a1.channels.ch-1.transactionCapacity = 10000
a1.channels.ch-1.byteCapacityBufferPercentage = 20
a1.channels.ch-1.byteCapacity = 800000

################################################################
# 使用kafka
a1.sinks.k1.type = org.apache.flume.sink.kafka.KafkaSink
# 这个项目中你创建的或使用的topic名字
a1.sinks.k1.topic = testTopic
# kafka集群broker列表由于我没有使用集群所以只有一个
# 如果你搭建了集群代码如下agent.sinks.k1.brokerList = kafka-node1:9092,kafka-node2:9092,kafka-node3:9092
a1.sinks.k1.brokerList = 10.100.4.6:9092
a1.sinks.k1.requiredAcks = 1
a1.sinks.k1.batchSize = 20

# 配置关系
a1.sources.src-1.channels = ch-1
a1.sinks.k1.channel = ch-1

添加mysql驱动到flume的lib目录下

wget https://dev.mysql.com/get/Downloads/Connector-J/mysql-connector-java-5.1.35.tar.gz

tar xzf mysql-connector-java-5.1.35.tar.gz

cp mysql-connector-java-5.1.35-bin.jar /你flume的位置/lib/

启动zookeeper

由于我用的是kafka自带的zk所以这步是这样的

./zookeeper-server-start.sh ../config/zookeeper.properties &

启动kafka

xshell中打开一个新窗口cd到kafka目录下启动kafka

bin/kafka-server-start.sh config/server.properties &

新建一个topic

bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic testTopic

注1testTopic就是你使用的topic名称这个和上文mysql-flume.conf里的内容是对应的。

注2可以使用bin/kafka-topics.sh --list --zookeeper localhost:2181来查看已创建的topic。

启动flume

xshell中打开一个新窗口cd到flume目录下启动flume

 ../bin/flume-ng agent -n a1 -c ../conf -f mysql-flume.conf -Dflume.root.logger=INFO,console

等待他运行同时我们可以打开一个新窗口连接数据库使用我们新建的test数据库和fk表。

实时采集数据

flume会实时采集数据到kafka中我们可以启动一个kafak的消费监控用于查看mysql的实时数据

bin/kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic testTopic --from-beginning

这时就可以查看数据了kafka会打印mysql中的数据

然后我们更改数据库中的一条数据新读取到的数据也会变更

before

 修改后

 

 本文对相关内容进行了改动操作中遇到的坑都已经规避

http://t.zoukankan.com/kylinxxx-p-14137607.html