Flume与Kafka整合--扇入、扇出功能整合，其中扇出包括：复制流、复用流

微信搜索关注：若泽大数据，有精美课程和定时推送技术博客，qq交流群：707635769，一起交流，一起进步

一、概念
1、Flume：Cloudera 开发的分布式日志收集系统，是一种分布式，可靠且可用的服务，用于高效地收集，汇总和移动大量日志数据。 它具有基于流式数据流的简单而灵活的架构。它具有可靠的可靠性机制和许多故障转移和恢复机制，具有强大的容错性和容错能力。它使用一个简单的可扩展数据模型，允许在线分析应用程序。Flume分为OG、NG版本，其中Flume OG 的最后一个发行版本 0.94.0，之后为NG版本。

2、Kafka：作为一个集群运行在一台或多台可以跨越多个数据中心的服务器上。在Kafka中，客户端和服务器之间的通信是通过一种简单的，高性能的，语言不可知的TCP协议完成的。协议是版本控制的，并保持与旧版本的向后兼容性。Kafka提供Java客户端，但客户端可以使用多种语言。

3、Kafka通常用于两大类应用，如下：
   A、构建可在系统或应用程序之间可靠获取数据的实时流数据管道
   B、构建实时流应用程序，用于转换或响应数据流
   C、Kafka每个记录由一个键，一个值和一个时间戳组成。

二、产述背景
    基于大数据领域实现日志数据时时采集及数据传递等需要，据此需求下试着完成flume+kafka扇入、扇出功能整合，其中扇出包括：复制流、复用流等功能性测试。后续根据实际需要，将完善kafka与spark streaming进行整合整理工作。
    注：此文档仅限于功能性测试，性能优化方面请大家根据实际情况增加。

三、部署安装
1、测试环境说明：
   操作系统：CentOS 7
   Flume版本：flume-ng-1.6.0-cdh5.7.0
   Kafka版本：kafka_2.11-0.10.0.1
   JDK版本：JDK1.8.0
   Scala版本：2.11.8
2、测试步骤：
2.1、flume部署
2.1.1、下载安装介质，并解压：

• cd /software
  
• wget http://archive.cloudera.com/cdh5/cdh/5/flume-ng-1.6.0-cdh5.7.0.tar.gz
• tar -zxvf flume-ng-1.6.0-cdh5.7.0.tar.gz -C /app/
  

2.1.2、配置flume工作

• cd /app/apache-flume-1.6.0-cdh5.7.0-bin/conf
  
• cp flume-env.sh.template flume-env.sh
• vi flume-env.sh 【增加Java Home路径】
• export JAVA_HOME=/usr/java/jdk1.8.0_151
  

退出保存：(:wq!)

• vi ~/.bash_profile
  
• export FLUME_HOME=/app/apache-flume-1.6.0-cdh5.7.0-bin
• export PATH=$FLUME_HOME/bin:$PATH
  

退出保存：(:wq!)==>生效：source ~/.bash_profile
            
2.1.3、验证flume安装，编写配置文件
   新建example.conf文件，注此配置输入源为netcat，通道为memory，输出为logger
   vi  example.conf

• # example.conf: A single-node Flume configuration
• # Name the components on this agent
• a1.sources = r1
• a1.sinks = k1
• a1.channels = c1
• # Describe/configure the source
• a1.sources.r1.type = netcat
• a1.sources.r1.bind = 192.168.137.130
• a1.sources.r1.port = 44444
• # Describe the sink
• a1.sinks.k1.type = logger
• a1.sinks.k1.maxBytesToLog = 10
• # Use a channel which buffers events in memory
• a1.channels.c1.type = memory
• # Bind the source and sink to the channel
• a1.sources.r1.channels = c1
• a1.sinks.k1.channel = c1
  

退出保存：(:wq!)

2.1.4、测试验证
  启动flume监听进程：flume-ng agent --name a1 \
               --conf $FLUME_HOME/conf \
               --conf-file $FLUME_HOME/conf/example.conf -Dflume.root.logger=INFO,console
如图信息为正常启动：
使用telnet测试：telnet 192.168.137.130 44444，在出现的输入中输入任何信息。详见：


然后查看flume监控窗口返回信息，详见：

至此此flume部署与测试完成

2.2、kafka部署
2.2.1、下载安装介质，并解压：

• cd /software
  
• wget https://archive.apache.org/dist/ ... a_2.11-0.10.0.1.tgz
• tar -zxvf kafka_2.11-0.10.0.1.tgz -C /app/
  

2.2.2、配置kafka工作
     注：1、因Kafka把它的meta数据都存储在ZK上，所以说ZK是他的必要存在没有ZK没法运行Kafka；在老版本（0.8.1以前）里面消费段（consumer）也是依赖ZK的，在新版本中移除了客户端对ZK的依赖，但是broker依然依赖于ZK。所以必须在kafka配置前部署完成ZK，此文不对ZK进行演示，请另行参数ZK部署文档。
            2、在搭建kafka集群时，注意对等性部署，否则会存在问题

• cd /app/kafka_2.11-0.10.0.1/config
  
• vi server.properties
•   #broker的ID，在集群中需要唯一
•   broker.id=1
•   #Socket Server端号
•   port=9082
•   #Socket Server服务IP地址
•   host.name=192.168.137.132
•   #kafka日志文件存储
•   log.dirs=/app/kafka_2.11-0.10.0.1/kafka-logs
•   #连接ZK存放kafka元数据位置
•   zookeeper.connect=192.168.137.132:2181,192.168.137.133:2181,192.168.137.134:2181/kafka
  

退出保存：(:wq!)

#创建日志文件存放目录

• mkdir -p /app/kafka_2.11-0.10.0.1/kafka-logs
  

#增加kafka环境变量

• vi ~/.bash_profile
  
• export KAFKA_HOME=/app/kafka_2.11-0.10.0.1
• export PATH=$KAFKA_HOME/bin:$PATH
  

退出保存：(:wq!)
生效环境变更：source ~/.bash_profile

2.2.3、将kafka复制到其它两台服务器中

• cd /app
  
• scp -r kafka_2.11-0.10.0.1 192.168.137.133:/app/
• scp -r kafka_2.11-0.10.0.1 192.168.137.134:/app/
• 注：进入192.168.137.133与134服务器，将对应的broker.id、port、host.name改为当前服务器在集群中对应的值
  

2.2.4、验证kafka安装

• ##创建topic
  
• kafka-topics.sh --create \
• --zookeeper 192.168.137.132:2181,192.168.137.133:2181,192.168.137.134:2181/kafka \
• --replication-factor 3 --partitions 3 --topic test
• ##启动数据发送者
• kafka-console-producer.sh \
• --broker-list 192.168.137.132:9082,192.168.137.133:9082,192.168.137.134:9082 --topic test
• ##启动数据消费者
• kafka-console-consumer.sh \
• --zookeeper 192.168.137.132:2181,192.168.137.133:2181,192.168.137.134:2181/kafka \
• --from-beginning --topic test
  

验证见图：



至此kafka部署与测试完成

2.3、flume+kafka扇入测试(扇入源为：netcat+kafka；输出以Flume的Logger类型输出)

结构图：

2.3.1、配置flume的agent信息(在192.168.137.130服务中)：

• cd /app/apache-flume-1.6.0-cdh5.7.0-bin
  
• vi netcatOrKafka-memory-logger.conf
•     a1.sources = r1 r2
•     a1.channels = c1
•     a1.sinks = k1
•     a1.sources.r2.type = netcat
•     a1.sources.r2.bind = 0.0.0.0
•     a1.sources.r2.port = 44444
•     a1.sources.r1.type = org.apache.flume.source.kafka.KafkaSource
•     a1.sources.r1.zookeeperConnect = 192.168.137.132:2181,192.168.137.133:2181,192.168.137.134:2181/kafka
•     a1.sources.r1.groupId = testGroup
•     a1.sources.r1.topic = test
•     a1.sources.r1.kafka.consumer.timeout.ms = 100
•     #a1.sources.r1.zookeeper.session.timeout.ms=400
•     #a1.sources.r1.zookeeper.sync.time.ms=200
•     #a1.sources.r1.auto.commit.interval.ms=1000
•     #a1.sources.r1.custom.topic.name=test
•     #a1.sources.r1.custom.thread.per.consumer=4
•     a1.channels.c1.type = memory
•     a1.channels.c1.capacity = 1000
•     a1.channels.c1.transactionCapacity = 100
•     a1.sinks.k1.type = logger
•     a1.sources.r1.channels = c1
•     a1.sources.r2.channels = c1
•     a1.sinks.k1.channel = c1
  

2.3.2、启动各测试命令：
    A、启动flume的agent(于192.168.137.130)：
     flume-ng agent --name a1 --conf $FLUME_HOME/conf \
      --conf-file $FLUME_HOME/conf/netcatOrKafka-memory-logger.conf \
       -Dflume.root.logger=INFO,console
    B、启动kafka发送者(于192.168.137.132)：
        kafka_2.11-0.10.0.1]$ kafka-console-producer.sh \
         --broker-list 192.168.137.132:9082,192.168.137.133:9082,192.168.137.134:9082 \
          --topic test
     C、测试发送(于192.168.137.130与于192.168.137.132)
       telnet发送结果
      
       kafka发送结果
              

       最终logger接收结果
              

          至此flume+kafka扇入测试(扇入源为：netcat+kafka；输出以Flume的Logger类型输出)测试与验证完成。

2.4、flume+kafka扇出--复制流测试(扇入源为：netcat；输出为：kafka+Flume的Logger)
    结构图：

2.4.1、配置flume的agent信息(在192.168.137.130服务中)：

• cd /app/apache-flume-1.6.0-cdh5.7.0-bin
  
• vi netcatOrKafka-memory-logger.conf
•     netcatagent.sources = netcat_sources
•     netcatagent.channels = c1 c2
•     netcatagent.sinks = logger_sinks kafka_sinks
•     netcatagent.sources.netcat_sources.type = netcat
•     netcatagent.sources.netcat_sources.bind = 0.0.0.0
•     netcatagent.sources.netcat_sources.port = 44444
•     netcatagent.channels.c1.type = memory
•     netcatagent.channels.c1.capacity = 1000
•     netcatagent.channels.c1.transactionCapacity = 100
•     netcatagent.channels.c2.type = memory
•     netcatagent.channels.c2.capacity = 1000
•     netcatagent.channels.c2.transactionCapacity = 100
•     netcatagent.sinks.logger_sinks.type = logger
•     netcatagent.sinks.kafka_sinks.type = org.apache.flume.sink.kafka.KafkaSink
•     netcatagent.sinks.kafka_sinks.topic = test
•     netcatagent.sinks.kafka_sinks.brokerList = 192.168.137.132:9082,192.168.137.133:9082,192.168.137.134:9082
•     netcatagent.sinks.kafka_sinks.requiredAcks = 0
•     ##netcatagent.sinks.kafka_sinks.batchSize = 20
•     netcatagent.sinks.kafka_sinks.producer.type=sync
•     netcatagent.sinks.kafka_sinks.custom.encoding=UTF-8
•     netcatagent.sinks.kafka_sinks.partition.key=0
•     netcatagent.sinks.kafka_sinks.serializer.class=kafka.serializer.StringEncoder
•     netcatagent.sinks.kafka_sinks.partitioner.class=org.apache.flume.plugins.SinglePartition
•     netcatagent.sinks.kafka_sinks.max.message.size=1000000
•     netcatagent.sources.netcat_sources.selector.type = replicating
•     netcatagent.sources.netcat_sources.channels = c1 c2
•     netcatagent.sinks.logger_sinks.channel = c1
•     netcatagent.sinks.kafka_sinks.channel = c2
  

2.4.2、启动各测试命令：
   A、启动flume的agent(于192.168.137.130)：
      flume-ng agent --name netcatagent \
       --conf $FLUME_HOME/conf \
       --conf-file $FLUME_HOME/conf/netcat-memory-loggerToKafka.conf \
       -Dflume.root.logger=INFO,console
    B、启动kafka消费者(于192.168.137.132)：
        kafka-console-consumer.sh \
         --zookeeper 192.168.137.132:2181,192.168.137.133:2181,192.168.137.134:2181/kafka \
          --from-beginning --topic test
     C、测试发送(于192.168.137.130与于192.168.137.132)
       telnet发送结果
      
       kafka消费结果
      
       最终logger接收结果
      
   至此flume+kafka扇出--复制流测试(扇入源为：netcat；输出为：kafka+Flume的Logger)测试与验证完成。
   
2.5、flume+kafka扇出--复用流测试(扇入源为：netcat；输出为：kafka+Flume的Logger)
   暂无，后续补充



四、部署安装及验证过程中出现的问题

    1、做flume+kafka扇入测试(扇入源为：netcat+kafka；输出以Flume的Logger类型输出)时，一直未收到kafka数据
        主要原因是在做kafka的配置时在配置文件(server.properties)中写成内容：
       zookeeper.connect=192.168.137.132:2181,192.168.137.133:2181,192.168.137.134:2181
       但在创建topics时，使用的是：
       kafka-topics.sh --create \
   --zookeeper 192.168.137.132:2181,192.168.137.133:2181,192.168.137.134:2181/kafka \
--replication-factor 3 --partitions 3 --topic test

其中在kafka的配置文件中zookeeper配置未加/kakfa，但在创建topics的时增加了/kafka
最终使用:
kafka-console-producer.sh \
--broker-list 192.168.137.132:9092,192.168.137.133:9092,192.168.137.134:9092 \
--topic test
命令检查没有topics信息才发现此问题
   
   解决办法：将两个信息同步即可
   
2、做flume+kafka扇入测试(扇入源为：netcat+kafka；输出以Flume的Logger类型输出)时，启动flume的agent时报错。
2018-03-31 10:43:31,241 (conf-file-poller-0) [ERROR - org.apache.flume.node.PollingPropertiesFileConfigurationProvider$FileWatcherRunnable.run(PollingPropertiesFileConfigurationProvider.java:142)] Failed to load configuration data. Exception follows.
org.apache.flume.FlumeException: Unable to load source type: org.apache.flume.source.kafka,KafkaSource, class: org.apache.flume.source.kafka,KafkaSource
        at org.apache.flume.source.DefaultSourceFactory.getClass(DefaultSourceFactory.java:69)
        at org.apache.flume.source.DefaultSourceFactory.create(DefaultSourceFactory.java:42)
        at org.apache.flume.node.AbstractConfigurationProvider.loadSources(AbstractConfigurationProvider.java:322)
        at org.apache.flume.node.AbstractConfigurationProvider.getConfiguration(AbstractConfigurationProvider.java:97)
        at org.apache.flume.node.PollingPropertiesFileConfigurationProvider$FileWatcherRunnable.run(PollingPropertiesFileConfigurationProvider.java:140)
        at java.util.concurrent.Executors$RunnableAdapter.call(Executors.java:511)
        at java.util.concurrent.FutureTask.runAndReset(FutureTask.java:308)
        at java.util.concurrent.ScheduledThreadPoolExecutor$ScheduledFutureTask.access$301(ScheduledThreadPoolExecutor.java:180)
        at java.util.concurrent.ScheduledThreadPoolExecutor$ScheduledFutureTask.run(ScheduledThreadPoolExecutor.java:294)
        at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1149)
        at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:624)
        at java.lang.Thread.run(Thread.java:748)
Caused by: java.lang.ClassNotFoundException: org.apache.flume.source.kafka,KafkaSource
        at java.net.URLClassLoader.findClass(URLClassLoader.java:381)
        at java.lang.ClassLoader.loadClass(ClassLoader.java:424)
        at sun.misc.Launcher$AppClassLoader.loadClass(Launcher.java:335)
        at java.lang.ClassLoader.loadClass(ClassLoader.java:357)
        at java.lang.Class.forName0(Native Method)
        at java.lang.Class.forName(Class.java:264)
        at org.apache.flume.source.DefaultSourceFactory.getClass(DefaultSourceFactory.java:67)
        ... 11 more


   解决办法：官网资料存在问题，org.apache.flume.source.kafka,KafkaSource其中不应该包括逗号，改为：org.apache.flume.source.kafka.KafkaSource即可。详细官网