利用flume+kafka+storm+mysql構建大數據實時系統

【數盟致力於成為最卓越的數據科學社區，聚焦於大數據、分析挖掘、數據可視化領域，業務範圍：線下活動、在線課程、獵頭服務】

這年頭不會點Python都不好意思跟隔壁老王打招呼，數盟線下工作坊:手把手教你玩轉Python，詳情點擊文末閱讀原文！

作者：停不下的腳步

出處：停不下的腳步的博客

架構圖

數據流向圖

實時日誌分析系統架構簡介

系統主要分為四部分：

1）.數據採集

負責從各節點上實時採集數據，選用cloudera的flume來實現

2）.數據接入

由於採集數據的速度和數據處理的速度不一定同步，因此添加一個消息中間件來作為緩衝，選用apache的kafka

3）.流式計算

對採集到的數據進行實時分析，選用apache的storm

4）.數據輸出

對分析後的結果持久化，暫定用mysql

詳細介紹各個組件及安裝配置：

作業系統：centos6.4

Flume

Flume是Cloudera提供的一個分布式、可靠、和高可用的海量日誌採集、聚合和傳輸的日誌收集系統，支持在日誌系統中定製各類數據發送方，用於收集數據;同時，Flume提供對數據進行簡單處理，並寫到各種數據接受方(可定製)的能力。

下圖為flume典型的體系結構：

Flume數據源以及輸出方式:

Flume提供了從console(控制臺)、RPC(Thrift-RPC)、text(文件)、tail(UNIX tail)、syslog(syslog日誌系統，支持TCP和UDP等2種模式)，exec(命令執行)等數據源上收集數據的能力,在我們的系統中目前使用exec方式進行日誌採集。

Flume的數據接受方，可以是console(控制臺)、text(文件)、dfs(HDFS文件)、RPC(Thrift-RPC)和syslogTCP(TCP syslog日誌系統)等。在我們系統中由kafka來接收。

Flume版本：1.4.0

Flume下載及文檔：

http://flume.apache.org/

Flume安裝：

$tar zxvf apache-flume-1.4.0-bin.tar.gz /usr/local

Flume啟動命令：

$bin/flume-ng agent –conf conf –conf-file conf/flume-conf.properties –name producer -Dflume.root.logger=INFO,console

注意事項：需要更改conf目錄下的配置文件，並且添加jar包到lib目錄下。

Kafka

Kafka是一個消息中間件，它的特點是:

1、關注大吞吐量，而不是別的特性

2、針對實時性場景

3、關於消息被處理的狀態是在consumer端維護，而不是由kafka server端維護。

4、分布式，producer、broker和consumer都分布於多臺機器上。

下圖為kafka的架構圖：

Kafka版本：0.8.0

Kafka下載及文檔：http://kafka.apache.org/

Kafka安裝：

> tar xzf kafka-<VERSION>.tgz

> cd kafka-<VERSION>

> ./sbt update

> ./sbt package

> ./sbt assembly-package-dependency Kafka

啟動及測試命令：

（1） start server

> bin/zookeeper-server-start.sh config/zookeeper.properties

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

（2）Create a topic
> bin/kafka-create-topic.sh –zookeeper localhost:2181 –replica 1 –partition 1 –topic test

> bin/kafka-list-topic.sh –zookeeper localhost:2181

（3）Send some messages

> bin/kafka-console-producer.sh –broker-list localhost:9092 –topic test

（4）Start a consumer

> bin/kafka-console-consumer.sh –zookeeper localhost:2181 –topic test –from-beginning

storm

Storm是一個分布式的、高容錯的實時計算系統。

Storm架構圖：

storm工作任務topology：

Storm 版本：0.9.0

Storm 下載：http://storm-project.net/

Storm安裝：

第一步，安裝Python2.7.2

# wget http://www.python.org/ftp/python/2.7.2/Python-2.7.2.tgz

# tar zxvf Python-2.7.2.tgz

# cd Python-2.7.2

# ./configure

# make

# make install

# vi /etc/ld.so.conf

第二步，安裝zookeeper（kafka自帶zookeeper，如果選用kafka的，該步可省略）

#wget http://ftp.meisei-u.ac.jp/mirror/apache/dist//zookeeper/zookeeper-3.3.3/zoo keeper-3.3.3.tar.gz

# tar zxf zookeeper-3.3.3.tar.gz

# ln -s /usr/local/zookeeper-3.3.3/ /usr/local/zookeeper

# vi ~./bashrc (設置ZOOKEEPER_HOME和ZOOKEEPER_HOME/bin)

第三步，安裝JAVA

$tar zxvf jdk-7u45-linux-x64.tar.gz /usr/local

如果使用storm0.9以下版本需要安裝zeromq及jzmq。

第四步，安裝zeromq以及jzmq

jzmq的安裝貌似是依賴zeromq的，所以應該先裝zeromq，再裝jzmq。

1）安裝zeromq（非必須）：

# wget http://download.zeromq.org/historic/zeromq-2.1.7.tar.gz

# tar zxf zeromq-2.1.7.tar.gz

# cd zeromq-2.1.7

# ./configure

# make

# make install

# sudo ldconfig (更新LD_LIBRARY_PATH)

缺少c++環境：yum install gcc-c++

之後遇到的問題是：Error:cannot link with -luuid, install uuid-dev

這是因為沒有安裝uuid相關的package。

解決方法是：# yum install uuid*

# yum install e2fsprogs*

# yum install libuuid*

2）安裝jzmq（非必須）

然後，jzmq就裝好了，這裡有個網站上參考到的問題沒有遇見，遇見的童鞋可以參考下。在./autogen.sh這步如果報錯：autogen.sh:error:could not find libtool is required to run autogen.sh，這是因為缺少了libtool，可以用#yum install libtool*來解決。

如果安裝的是storm0.9及以上版本不需要安裝zeromq和jzmq，但是需要修改storm.yaml來指定消息傳輸為netty：

storm.local.dir: 「/tmp/storm/data」

storm.messaging.transport: "backtype.storm.messaging.netty.Context"

storm.messaging.netty.server_worker_threads: 1

storm.messaging.netty.client_worker_threads: 1

storm.messaging.netty.buffer_size: 5242880

storm.messaging.netty.max_retries: 100

storm.messaging.netty.max_wait_ms: 1000

storm.messaging.netty.min_wait_ms: 100

第五步，安裝storm

$unzip storm-0.9.0-wip16.zip

備註：單機版不需要修改配置文件，分布式在修改配置文件時要注意：冒號後必須加空格。

測試storm是否安裝成功：

1. 下載strom starter的代碼 git clone https://github.com/nathanmarz/storm-starter.git

2. 使用mvn -f m2-pom.xml package 進行編譯

如果沒有安裝過maven，參見如下步驟安裝：
1.從maven的官網下載http://maven.apache.org/

tar zxvf apache-maven-3.1.1-bin.tar.gz /usr/local

配置maven環境變量

export MAVEN_HOME=/usr/local/maven

export PATH=$PATH:$MAVEN_HOME/bin

驗證maven是否安裝成功:mvn -v

修改Storm-Starter的pom文件m2-pom.xml ，修改dependency中twitter4j-core 和 twitter4j-stream兩個包的依賴版本，如下：

org.twitter4j
twitter4j-core
[2.2,)

org.twitter4j
twitter4j-stream
[2.2,)

編譯完後生成target文件夾

啟動zookeeper

zkServer.sh start

啟動nimbus supervisor ui

storm nimbus

storm supervisor

storm ui

jps查看啟動狀態

進入target目錄執行：

storm jar storm-starter-0.0.1-SNAPSHOT-jar-with-dependencies.jar storm.starter.WordCountTopology wordcountTop

然後查看http://localhost:8080

注釋：單機版 不用修改storm.yaml

kafka和storm整合

1.下載kafka-storm0.8插件：https://github.com/wurstmeister/storm-kafka-0.8-plus

2.該項目下載下來需要調試下，找到依賴jar包。然後重新打包，作為我們的storm項目的jar包。

3.將該jar包及kafka_2.9.2-0.8.0-beta1.jar metrics-core-2.2.0.jar scala-library-2.9.2.jar (這三個jar包在kafka-storm-0.8-plus項目依賴中能找到)

備註：如果開發的項目需要其他jar，記得也要放進storm的Lib中比如用到了mysql就要添加mysql-connector-java-5.1.22-bin.jar到storm的lib下

flume和kafka整合

1.下載flume-kafka-plus: https://github.com/beyondj2ee/flumeng-kafka-plugin

2.提取插件中的flume-conf.properties文件

修改該文件：#source section

producer.sources.s.type = exec
producer.sources.s.command = tail -f -n+1 /mnt/hgfs/vmshare/test.log
producer.sources.s.channels = c

修改所有topic的值改為test

將改後的配置文件放進flume/conf目錄下

在該項目中提取以下jar包放入環境中flume的lib下：

以上為單機版的flume+kafka+storm的配置安裝

flume+storm插件

https://github.com/xiaochawan/edw-Storm-Flume-Connectors

啟動步驟

安裝好storm，flume，kafka之後開始項目部署啟動（在部署啟動之前最好按照安裝文檔進行storm kafka flume各個組件測試）。

第一步
將編寫好的storm項目打成jar包放入伺服器上，假如放在/usr/local/project/storm.xx.jar

注:關於storm項目的編寫見安裝文檔中的 kafka和storm整合 。

第二步

啟動zookeeper(這裡可以啟動kafka自帶的zookeeper或者啟動單獨安裝的kafka，以下以kafka自帶為例)

cd /usr/local/kafka

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

第三步

啟動kafka

cd /usr/local/kafka

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

創建主題

> bin/kafka-create-topic.sh --zookeeper localhost:2181 --replica 1 --partition 1 --topic test

注:因為kafka消息的offset是由zookeeper記錄管理的，所以在此需指定zookeeper的ip,replica 表示該主題的消息被複製幾份，partition 表示每份主題被分割成幾部分。test表示主題名稱。

第四步

啟動storm

> storm nimbus

> storm supervisor

> storm ui

cd /usr/local/project/

> storm jar storm.xx.jar storm.testTopology test

註：storm.xx.jar 為我們編寫好的storm項目jar包，第一步完成的工作。 storm.testTopology 為storm項目中main方法所在的類路徑。test為此次topology的名字。

第五步

啟動flume

cd /usr/local/flume

bin/flume-ng agent --conf conf --conf-file conf/flume-conf.properties --name producer

註：flume.conf.properties為我們自定義的flume配置文件，flume安裝好後是沒有此文件的，需要我們自己編寫，編寫方式見flume安裝的文章。

至此需要啟動的程序已經全部啟動，storm項目已經開始運行，可以打開storm ui 觀察運行是否正常。

http://localhost:8080

注:此處ip為storm nimbus所在機器Ip 埠可在storm配置文件 storm/conf/storm.yaml中修改

點擊[閱讀原文] 報名數盟線下工作坊