如何使用Flume采集Kafka数据写入HBase

温馨提示：要看高清无码套图，请使用手机打开并单击图片放大查看。​

Fayson的github：

​​https://github.com/fayson/cdhproject​​

提示：代码块部分可以左右滑动查看噢

1.文档编写目的

---

在前面的文章Fayson也介绍了一些关于Flume的文章《​​非Kerberos环境下Kafka数据到Flume进Hive表​​​》、《​​如何使用Flume准实时建立Solr的全文索引​​​》、《​​如何在Kerberos环境使用Flume采集Kafka数据并写入HDFS​​​》和《​​如何使用Flume采集Kafka数据写入Kudu​​》，本篇文章Fayson主要介绍在非Kerberos的CDH集群中使用Flume采集Kafka数据写入HBase。本文的数据流图如下：

• 内容概述

1.环境准备及开发自定义HBaseSink

2.配置Flume Agent

3.流程测试

4.总结

• 测试环境

1.CM和CDH版本为5.12.1

2.采用root用户操作

• 前置条件

1. Flume已安装

2.HBase服务已安装且正常运行

2.环境准备

---

1.准备向Kafka发送数据的脚本

这里脚本Fayson就不在详细说明了，前面的文章及Github上均有说明：

https://github.com/fayson/cdhproject/tree/master/kafkademo/0283-kafka-shell

（可左右滑动）

2.通过hbase shell命令创建HBase测试表

create 'fayson_ods_deal_daily','info'

3.开发HBaseSink示例

---

在CDH集群中Flume-ng默认添加了HBaseSink依赖包，但HBaseSink依赖包只支持两种序列化模式：

SimpleHbaseEventSerializer:将整个Event的Body部分当做完整的一列写入HBase

RegexHbaseEventSerializer:根据正则表达式将Event拆分到不同的列

写正则表达式Fayson不擅长，对于复杂结构数据时正则表达式的复杂度可想而知且不便于维护，所以这里Fayson选择使用自定义的HBaseSink方式来完成Json数据的解析及rowkey的指定。

1.在前面Fayson创建的flume-sink工程上继续开发HBaseSink

2.开发HBaseSink需要添加HBase相关的依赖包

<!-- HBase Sink 依赖包 -->
<dependency>
    <groupId>org.apache.flume.flume-ng-sinks</groupId>
    <artifactId>flume-ng-hbase-sink</artifactId>
    <version>1.6.0-cdh5.12.1</version>
</dependency>
<!-- HBase Client 依赖包 -->
<dependency>
    <groupId>org.apache.hbase</groupId>
    <artifactId>hbase-client</artifactId>
    <version>1.2.0-cdh5.12.1</version>
</dependency>

（可左右滑动）

3.借助于原生的HBaseSink重新创建了一个FaysonHBaseSink类，该类为指定的sink.type类型，由于代码过长，该类只贴代码片段

/**
 * package: com.cloudera.hbase
 * describe: 自定义HBaseSink，实现了自定义Rowkey及解析JSON字符串
 * creat_user: Fayson
 * email: [e-mail]
 * creat_date: 2018/6/3
 * creat_time: 下午11:43
 * 公众号：Hadoop实操
 */
public class FaysonHBaseSink extends AbstractSink implements Configurable {
    private String tableName;
    private byte[] columnFamily;
    //增加自定义Rowkey字段，可以用多个列组合，以","分割
    ...
    private static final Logger logger = LoggerFactory.getLogger(com.cloudera.hbase.FaysonHBaseSink.class);
    private FaysonHBaseEventSerializer serializer;
    @Override
    public Status process() throws{
        Status status = Status.READY;
        Channel channel = getChannel();
        Transaction txn = channel.getTransaction();
        List<Row> actions = new LinkedList<Row>();
        List<Increment> incs = new LinkedList<Increment>();
        try {
            txn.begin();
            if (serializer instanceof BatchAware) {
                ((BatchAware)serializer).onBatchStart();
            }
            long i = 0;
            for (; i < batchSize; i++) {
                Event event = channel.take();
                if (event == null) {
                    if (i == 0) {
                        status = Status.BACKOFF;
                        sinkCounter.incrementBatchEmptyCount();
                    } else {
                        sinkCounter.incrementBatchUnderflowCount();
                    }
                    break;
                } else {
                    if(rowKeys != null && rowKeys.length() > 0) {
                        serializer.initialize(event, columnFamily, rowKeys);
                    } else {
                        serializer.initialize(event, columnFamily);
                    }
                    actions.addAll(serializer.getActions());
                    incs.addAll(serializer.getIncrements());
                }
            }
            if (i == batchSize) {
                sinkCounter.incrementBatchCompleteCount();
            }
            sinkCounter.addToEventDrainAttemptCount(i);
            putEventsAndCommit(actions, incs, txn);
        } catch (Throwable e) {
            try{
                txn.rollback();
            } catch (Exception e2) {
                logger.error("Exception in rollback. Rollback might not have been " +
                        "successful." , e2);
            }
            logger.error("Failed to commit transaction." +
                    "Transaction rolled back.", e);
            if(e instanceof Error || e instanceof RuntimeException){
                logger.error("Failed to commit transaction." +
                        "Transaction rolled back.", e);
                Throwables.propagate(e);
            } else {
                logger.error("Failed to commit transaction." +
                        "Transaction rolled back.", e);
                throw new EventDeliveryException("Failed to commit transaction." +
                        "Transaction rolled back.", e);
            }
        } finally {
            txn.close();
        }
        return status;
    }
}

（可左右滑动）

4.增加FaysonHBaseEventSerializer接口类继承原生的HBaseEventSerializer接口类，增加initialize(Event var1, byte[] var2, String var3)方法用于处理指定rowkey

package com.cloudera.hbase;
import org.apache.flume.Event;
import org.apache.flume.sink.hbase.HbaseEventSerializer;
/**
 * package: com.cloudera.hbase
 * describe: 继承HBaseSink的HbaseEventSerializer接口类，增加initialize(Event var1, byte[] var2, String var3)
 * 用于处理指定rowkey
 * creat_user: Fayson
 * email: [e-mail]
 * creat_date: 2018/6/3
 * creat_time: 下午11:54
 * 公众号：Hadoop实操
 */
public interface FaysonHBaseEventSerializer extends HbaseEventSerializer {
    void initialize(Event var1, byte[] var2, String var3);
}

5.新增FaysonHBaseSinkConstants类，用于定义自定义HBaseSink的常量

package com.cloudera.hbase;
/**
 * package: com.cloudera.hbase
 * describe: 自定义HBaseSink常量类
 * creat_user: Fayson
 * email: [e-mail]
 * creat_date: 2018/6/3
 * creat_time: 下午11:49
 * 公众号：Hadoop实操
 */
public class FaysonHBaseSinkConstants {
    public static final String CONFIG_ROWKEYS = "rowkeys";
}

（可左右滑动）

6.新增JsonHBaseEventSerializer类处理JSON格式数据的序列化类，继承FaysonHBaseEventSerializer类，由于代码太长该类只贴代码片段

public class JsonHBaseEventSerializer implements FaysonHBaseEventSerializer {
    private static final Logger logger = LoggerFactory.getLogger(com.cloudera.hbase.JsonHBaseEventSerializer.class);
    private LinkedHashSet<String> rowkeySet;
    @Override
    public void initialize(Event event, byte[] columnFamily, String rowkeys) {
        this.headers = event.getHeaders();
        this.payload = event.getBody();
        this.cf = columnFamily;
        rowkeySet = new LinkedHashSet<>();
        logger.info("rowkeys:" + rowkeys);
        for(String rowkey : rowkeys.split(",")) {
            rowkeySet.add(rowkey);
        }
    }
    @Override
    public List<Row> getActions() throws FlumeException {
        List<Row> actions = Lists.newArrayList();
        //将JSON消息转换为Map对象
        Map<String, String> resultMap = JsonStr2Map.jsonStr2Map(new String(payload, charset));
        try {
            byte[] rowKey;
            if(!rowkeySet.isEmpty()) {  //如果rowkeySet集合不为空则使用自定义的rowkey
                StringBuffer rowkeyBuff = new StringBuffer();
                for(String rowkey : rowkeySet) {
                    rowkeyBuff.append(resultMap.get(rowkey) + "-");
                }
                rowKey = rowkeyBuff.substring(0, rowkeyBuff.length()-1).getBytes();
                //移除Map中不需要存入Column的列
                for(String rowkey : rowkeySet) {
                    resultMap.remove(rowkey);
                }
            } else {
                if (rowKeyIndex < 0) {
                    rowKey = getRowKey();
                } else {
                    rowKey = resultMap.get(rowKeyIndex + 1).getBytes(Charsets.UTF_8);
                }
            }
            Put put = new Put(rowKey);
            for(Map.Entry<String, String> entry : resultMap.entrySet()) {
                put.add(cf, entry.getKey().getBytes(), entry.getValue().getBytes(Charsets.UTF_8));
            }
            if (depositHeaders) {
                for (Map.Entry<String, String> entry : headers.entrySet()) {
                    put.add(cf, entry.getKey().getBytes(charset), entry.getValue().getBytes(charset));
                }
            }
            actions.add(put);
        } catch (Exception e) {
            throw new FlumeException("Could not get row key!", e);
        }
        return actions;
    }
}

（可左右滑动）

7.将开发好的代码使用mvn命令打包

mvn clean package

将打包好的flume-sink-1.0-SNAPSHOT.jar部署到集群所有节点的/opt/cloudera/parcels/CDH/lib/flume-ng/lib目录下

[root@cdh01 shell]# sh bk_cp.sh node.list /root/flume-sink-1.0-SNAPSHOT.jar /opt/cloudera/parcels/CDH/lib/flume-ng/lib/

（可左右滑动）

4.配置Flume Agent

---

1.登录CM，进flume服务界面，点击“配置”

2.在Agent类别的“配置文件”中输入如下内容：

kafka.sources  = source1
kafka.channels = channel1
kafka.sinks = sink1
kafka.sources.source1.type = org.apache.flume.source.kafka.KafkaSource
kafka.sources.source1.kafka.bootstrap.servers = cdh01.fayson.com:9092,cdh02.fayson.com:9092,cdh03.fayson.com:9092
kafka.sources.source1.kafka.topics = kafka_sparkstreaming_kudu_topic
kafka.sources.source1.kafka.consumer.group.id = flume-consumer
kafka.sources.source1.channels = channel1
kafka.channels.channel1.type = memory
kafka.channels.channel1.capacity = 10000
kafka.channels.channel1.transactionCapacity = 1000
kafka.sinks.sink1.channel = channel1
kafka.sinks.sink1.type = com.cloudera.hbase.FaysonHBaseSink
kafka.sinks.sink1.table = fayson_ods_deal_daily
kafka.sinks.sink1.columnFamily = info
kafka.sinks.sink1.rowkeys = id,mobile_phone_num
kafka.sinks.sink1.serializer = com.cloudera.hbase.JsonHBaseEventSerializer

（可左右滑动）

3.保存flume配置，并重启Flume服务

5.流程测试

---

1.进入0283-kafka-shell目录执行命令向Kafka的kafka_sparkstreaming_kudu_topic发送消息

​

[root@cdh01 0283-kafka-shell]# sh run.sh ods_user_600.txt

​

​2.通过Hue查看HBase的fayson_ods_deal_daily表

可以看到数据已写入到HBase的fayson_ods_deal_daily表，查看表总数与发送Kafka数量一致

6.总结

---

1.HBaseSink支持的序列化方式比少，所以Fayson自己写了JsonHBaseEventSerializer类用于解析JSON数据。

2.需要将自定义开发的Jar包部署到${ FLUME_HOME} /lib目录下

3.使用原生的Sink无法指定HBase的rowkey，这里Fayson在自己的自定义Sink中增加了对rowkey的指定，同样可以指定多个列为rowkey，JSON数据的key作为HBase的Column。

GitHub地址：

​​https://github.com/fayson/cdhproject/tree/master/flumesink/src/main/java/com/cloudera/hbase​​

提示：代码块部分可以左右滑动查看噢

为天地立心，为生民立命，为往圣继绝学，为万世开太平。

温馨提示：要看高清无码套图，请使用手机打开并单击图片放大查看。

推荐关注Hadoop实操，第一时间，分享更多Hadoop干货，欢迎转发和分享。

原创文章，欢迎转载，转载请注明：转载自微信公众号Hadoop实操