菜菜光的博客_Mysql,大数据,系统集成,性能优化,基础架构,Linux,CDN,infrastructure,cdn,nosql

我的友情链接

51CTO博客开发MIKE老毕的WIKI吴光科-专注自动化运维唐光辉老男孩linux运维angerdevil峰云，就她了。

原创点赞0 阅读1429 收藏0 评论0 2017-11-22

flume写kafka topic覆盖问题fix

结构：nginx-flume->kafka->flume->kafka(因为牵扯到跨机房问题，在两个kafka之间加了个flume,蛋疼。。)现象：在第二层，写入kafka的topic和读取的kafka的topic相同，手动设定的sink topic不生效打开debug日志：source实例化:21 Apr 2015 19:24:03,146&nbs

flume kafka topic覆盖

原创推荐点赞0 阅读6404 收藏1 评论0 2015-04-25

flume package遇到的问题

flume打包遇到的一些问题1.ipc兼容性问题，线上使用2.3.0的hdfs，但是打包时默认为1.2.1的08 Apr 2015 19:38:25,122 WARN [SinkRunner-PollingRunner-DefaultSinkProcessor] (org.apache.flume.sink.hdfs.HDFS

flume

package

原创点赞0 阅读2533 收藏0 评论0 2015-04-19

flume按照日志时间写hdfs实现

flume写hdfs的操作在HDFSEventSink.process方法中，路径创建由BucketPath完成分析其源码（参考：http://caiguangguang.blog.51cto.com/1652935/1619539）可以使用%{}变量替换的形式实现，只需要获取event中时间字段（nginx日志的local time）传入hdfs.path即可具体实现如下：1.在KafkaSou

hdfs

flume

hdfssink

原创点赞0 阅读6990 收藏0 评论0 2015-04-19

storm写redis问题小结

最近一直在跟进storm的问题，从storm集群的稳定性到监控到升级到bolt写redis的问题,因为公司目前没有专业运维redis的，只能我们数据部门自己搞了。。下面记录下遇到的几个问题:总结下目前storm写redis问题:1.redis高峰写入异常，增加redis监控，发现cpu性能瓶颈(redis单线程，最高10w/s的处理量)2.之前redis bolt的并发在200以上，

问题

storm

redis

原创推荐点赞0 阅读10000+ 收藏0 评论0 2015-04-19

关于jedis的使用小结

1.pom.xml中依赖如下： <dependency> <groupId>redis.clients</groupId> <artifactId>jedis&l

ping

依赖

jedis

原创点赞0 阅读9961 收藏0 评论0 2015-04-19

flume源码学习10-HDFSEventSink目录设置功能实现

这里以按自定义头部的配置为例（根据某些业务不同写入不同的主目录）配置：source:interceptors = i1 interceptors.i1.type = regex_extractor interceptors.i1.regex = /apps/logs/(.*?)/ interceptors.i1.

flume源码

HDFSEventSink

目录实现

原创推荐点赞1 阅读2694 收藏0 评论0 2015-03-11

flume源码学习5-RegexExtractorInterceptor实现

RegexExtractorInterceptor作为一个Interceptor实现类可以根据一个正则表达式匹配event body来提取字符串，并使用serializers把字符串作为header的值实例：以如下的命令使用execsource收集日志的时候，可以根据文件的名称设置不同的header，进行不同的操作#!/bin/sh filename=$1 hostname=`hostname&n

flume

实现分析

RegexExtractorInterc

原创点赞0 阅读5342 收藏0 评论0 2015-03-11

flume源码分析1-启动过程

1.启动命令nohup bin/flume-ng agent -n agent-server -f agent-server1.conf &flume-ng是一个shell脚本： agent &

源码

启动分析

flume

原创点赞0 阅读1500 收藏0 评论0 2015-03-11

flume源码学习2-服务管理实现

flume可以监控并管理组件的运行状态，在组件关闭的时候可以自动拉起来，原理是通过启动一个计划任务线程池（monitorService ，线程的最大数量为30），运行监控线程（MonitorRunnable线程），每隔3s判断组件(包括Channel，SinkRunner)的状态是否符合要求(可用的状态由两种START和STOP)，根据不同的要求调用对应组件不同的方法，START会调

源码

flume

服务管理实现

原创点赞0 阅读2197 收藏0 评论0 2015-03-11

flume源码学习3-自动reload配置功能

在1.5.0的flume版本中开始提供这个功能，判断配置文件的更新时间戳来reload服务原理：1）在启动中使用EventBus.register注册Application对象，同时Application有一个Subscribe的方法handleConfigurationEvent（参数是MaterializedConfiguration对象）2）定义了一个计划任务线程池，检测到文件

配置

flume

reload

原创点赞0 阅读4071 收藏0 评论0 2015-03-11

flume源码学习6-ChannelProcessor的实现

org.apache.flume.channel.ChannelProcessor 用于实际的Event到Channel的操作（在Source中用到），可以把它想象成channel的proxy，用于控制把Event put到哪些Channel中，以及怎么put(bacth或者单个)，同时在put之前会使用 Interceptor对Event进行处理。把Even

flume

ChannelProcessor

实现分析 flume源码

原创点赞0 阅读2958 收藏0 评论0 2015-03-08

flume源码学习4-SourceRunner与ExecSource实现

在agent启动时，会启动Channel,SourceRunner,SinkRunner，比如在org.apache.flume.agent.embedded.EmbeddedAgent类的doStart方法中： private void doStart() { boolean&nbs

flume SourceRunner E

原创点赞0 阅读1769 收藏0 评论0 2015-03-08

flume源码学习8-hdfs sink的具体写入流程

上一篇说了HDFSEventSink的实现，这里根据hdfs sink的配置和调用分析来看下sink中整个hdfs数据写入的过程：线上hdfs sink的几个重要设置hdfs.path = hdfs://xxxxx/%{logtypename}/%Y%m%d/%H： hdfs.rollInterval = 60 hdfs.rollSize&nb

hdfs

flume

过程分析

sink flume源码

原创点赞0 阅读4023 收藏0 评论0 2015-03-07

flume源码学习9-HDFSEventSink实现

HDFSEventSink用于把数据从channel中拿出来（主动pull的形式）然后放到hdfs中，HDFSEventSink在启动时会启动两个线程池callTimeoutPool 和timedRollerPool ，callTimeoutPool 用于运行append/flush等操作hdfs的task（通过callWithTimeout方法调用，并实现timeout

flume HDFSEventSink

原创点赞0 阅读2123 收藏0 评论0 2015-03-05

flume的各个组件及整体工作流程

flume的主要组件包括：Source,SourceRunner,Interceptor,Channel,ChannelSelector，ChannelProcessor，Sink,SinkRunner,SinkProcessor,SinkSelector等工作流程包含两个部分：source->channel，数据由source写入channel，主动模式，主要步骤如下：一个SourceRu

组件

flume

工作流程

原创点赞0 阅读2937 收藏0 评论0 2015-03-05

flume源码学习7-SinkProcessor相关类

org.apache.flume.SinkProcessor 扩展了LifecycleAware, Configurable接口的接口类，操作多个sink的抽象层（类似于proxy），用来分配给SinkRunner对象抽象方法：process 和Sink 的process方法类似（内部实现增加了选择Sink的功能）setSinks 设置sinks具体实现类：org.apache.flume.sin

源码分析

flume

SinkProcessor flum

原创推荐点赞0 阅读3931 收藏0 评论0 2015-03-03

flume channel monitor实现源码分析

对于flume的监控，只需要监控channel的性能数据即可，source和sink的性能一部分可以从channel中表现出来。以MemoryChannel为例，在MemoryTransaction的构造函数中会实例化一个org.apache.flume.instrumentation.ChannelCounter对象 pub

flume

monitor

channel

flume源码

原创点赞0 阅读2307 收藏0 评论0 2015-03-03

flume transaction实现

flume作为日志收集端，其本质上也是一个生产者消费者结构，source作为消息的producer，sink作为消息的consumer，中间的channel作消息的存储为了保证消息消费的正确性，flume使用了事务的机制，主要涉及的类：1）org.apache.flume.Transaction 接口类，为访问channel提供事务的功能（可以是put，也可以是take）首先定义了一

transaction

抽象类

flume

原创点赞0 阅读3470 收藏0 评论0 2015-03-03

hive0.13 mapjoin hashtable找不到的bug

线上job报错：Error: java.lang.RuntimeException: org.apache.hadoop.hive.ql.metadata.HiveException: java.io.FileNotFoundException: /home/vipshop/hard_disk/1/yarn/local/usercache/hdfs/appc

bug

mapjoin hashtable

原创点赞0 阅读2340 收藏1 评论0 2015-02-07

hive2solr问题小结

搞了一段时间，hive2solr的job终于可以稳定的跑了，实现使用hive向solr插数据，主要是实现RecordWriter接口，重写write方法和close方法。下面对遇到的问题一一列出：1.数据覆盖问题，使用原子更新参考：http://caiguangguang.blog.51cto.com/1652935/15991372.重复构建solrserver和solrtable

内存泄漏

数据覆盖

hive2solr

原创推荐点赞1 阅读10000+ 收藏0 评论2 2015-02-07

hive on tez踩坑记2-hive0.14 on tez

在测试hive0.14.0 on tez时遇到的问题比较多：1.在使用cdh5.2.0+hive0.14.0+tez-0.5.0测试时，首先遇到下面的问题java.lang.NoSuchMethodError: org.apache.tez.dag.api.client.Progress.getFailedTaskAttemptCount()I &nb

hive0.14

tez

原创推荐点赞0 阅读10000+ 收藏0 评论0 2015-01-14

hive on tez踩坑记1-hive0.13 on tez

最近集群准备升级到cdh5.2.0，并使用tez，在测试集群cdh5.2.0已经稳定运行了很长时间，因此开始折腾hive on tez了，期间遇到不少问题，这里记录下。hive on tez的部署比较简单，可以参考wiki.主要注意几个地方1.编译的时候mvn clean package -Dtar -DskipTests=true

hive0.13

tez

原创点赞0 阅读10000+ 收藏0 评论0 2015-01-14

yarn空队列crash bug

最近线上的rm crash了一次，查看日志，发现有如下报错：2015-01-05 18:00:11,523 ERROR org.apache.hadoop.yarn.server.resourcemanager.scheduler.fair.FairScheduler: Request for appInfo of u

yarn

空队列crash

原创点赞0 阅读10000+ 收藏0 评论0 2015-01-11

hive0.11 hiveserver custom认证bug

最近在测试hive0.11 hiveserver时遇到的一个关于认证的bug，具体表现：在配置中指定了custom的认证方式时，通过beeline连接hiveserver2,发现连接hang住。hive配置：<property> <name>hive.server2.authentication</name>a <value>CUSTOM

bug

custom

hiveserver 0.11

原创点赞0 阅读3597 收藏0 评论0 2015-01-11

solr原子更新

最近在配合研发做ubd的项目，简单的说就是一张大宽表，有200个字段，而且数据量特别巨大（1亿级别的数据量），传统的数据库是不适合的，因此考虑基于lucene的solr，并且推荐使用solr cloud的功能来做高可用和sharding(后面会更新对solr和lucene的代码学习）。数据从hive计算插入到solr中，根据github上的代码自己做了修改，实现了hive2solr的

solr

原子更新

原创推荐点赞0 阅读6250 收藏0 评论0 2015-01-04

hive0.13.1 orc兼容性问题fix

线上使用cdh4.6.0和hive0.13.1,在hive0.11之后开始支持orcfile,hive0.13.1使用的是pb2.5.0,cdh4.6.0是用的2.4.0a，线上测试orcfile，建表正常，但是插入数据时报错报错：java.lang.VerifyError: class org.apache.hadoop.hive.ql.io.orc.OrcProto$Row

protobuf

orcfile

hive0.13

原创点赞0 阅读2461 收藏0 评论0 2015-01-04

protobuf 2.5.0问题

线上一个项目需要操作hdfs和hive，在使用时报如下错误：java.lang.UnsupportedOperationException: This is supposed to be overridden by subclasses. &nb

protobuf 2.5.0

getUnknownFields

原创点赞1 阅读10000+ 收藏0 评论0 2014-12-22

hadoop jetty的应用

在hadoop中很多地方都用到了servlet，并且使用jetty作为servlet的容器来提供http的服务，其主要是通过org.apache.hadoop.http.HttpServer类实现的，HttpServer类是对Jetty的简单封装，通过调用HttpServer类的addServlet方法增加可以实现增加servlet到jetty的功能： publ

hadoop jetty

原创推荐点赞0 阅读3891 收藏0 评论0 2014-12-22

hadoop daemonlog实现

在debug hadoop的问题的时候，经常需要临时打开hadoop的debug日志，可以通过更改环境变量：export HADOOP_ROOT_LOGGER=DEBUG,console来开启debug log,这几天在看hadoop shell的时候发现有daemonlog这个参数，可以临时获取或更改当前日志基本，是通过org.apache.hadoop.log.LogL

hadoop daemonlog

原创点赞1 阅读2137 收藏0 评论1 2014-12-22

官方博客	意见反馈	了解我们	全部文章
在线客服	网站地图	热门标签

51CTO博客

菜光光的博客