程序员的自我修养
Home » Apache Flume, Apache Spark » Flume+Spark Steaming初探

Flume+Spark Steaming初探

2条评论10,642次浏览

公司业务准备上流数据处理了。由于之前基础平台选用了CDH,而CDH自带Spark,且由于数据源是每隔几分钟发一组数据文件的形式来传送数据,所以最终选取用Spark Steaming来做流数据处理。

下面记录初步使用Spark Steaming和Flume的一些过程。

第一个测试:Flume(spooldir to hdfs)

原始数据通过ftp每隔几分钟拉取一批数据到本地某文件夹。于是测试了下flume监控文件夹并将新加入的文件写入hdfs的功能。

配置文件如下:

根据官方文档hdfs.fileType默认是SequenceFile,这里选用DataStream将不压缩输出文件。

若不设置hdfs.useLocalTimeStamptrue则会报下面的错误,暂时不知为何。

期间还遇到了下面这个错误,原因很简单,当时想把路径设置成为yyyy-MM-dd hh:mm:ss这样的形式,但HDFS不允许创建带有“:”符号的文件夹,所以报错。

启动命令:

第二个测试:执行Spark Steaming任务

测试程序:

打jar包后放在集群上跑,结果第一次报错VERSION版本号不对,然后看了看本机编译的时候采用的是JAVA 8,而集群都是JAVA 7,于是重新用JAVA 7打包。第二次报错,大概意思是找不到org.apache.spark.streaming下面的方法,这个就无语了,尝试了多次后突然想到可能是所下载的spark lib包是java 8编译的,于是尝试了用CDH集群的spark lib包,好使,果然是lib包的问题。

出现各种找不到方法的错误,如下:

解决方法1:启动命令里面添加缺少的各种jar包

解决方法2:程序中添加所需的各种jar包

终于在启动时加上各种各样的jar包后可以正常的运行且不在报错,此时ctrl+c无法取消任务,且用mapred job -kill jobid也无法杀死任务,只能用yarn application -kill jobid来干掉任务。

第三个测试:Flume发送数据给Spark Streaming程序

Spark Streaming接收Flume以avro形式发送的数据。Flume配置文件如下:

先启动Spark Steaming任务,在启动Flume-ng,否则会报以下错误:

尝试将一个文件复制到Flume监控的/root/data文件夹下,Spark任务就会在log日志中输出一行:

但看了下放进去的文件行数是74,这里不知道为啥会多一行,不知道是不是文件头信息还是时间戳信息什么的,待后续分析。

参考资料

后续

开始看Spark Streaming的官方文档了,发现可以直接使用Spark Streaming中的Basic Sources的File Streams即可,这个玩意就能监控文件夹。看来用Flume有点多此一举了,具体如何取舍看实际业务需求。

(转载本站文章请注明作者和出处 程序员的自我修养 – SelfUp.cn ,请勿用于任何商业用途)
标签:,
2条评论
  1. ggy说道:

    spark streaming 的File Streams监视只能监视文件名变动或整个文件增减,不能对文件行数进行监视,子文件夹也不行。所以flume还是得用啊~

发表评论给ggy


profile
  • 文章总数:81篇
  • 评论总数:247条
  • 分类总数:32个
  • 标签总数:45个
  • 运行时间:1250天

大家好,欢迎来到selfup.cn。

这不是一个只谈技术的博客,这里记录我成长的点点滴滴,coding、riding and everthing!

最新评论
  • Anonymous: :?: :razz: :sad:
  • Anonymous: 牛
  • Anonymous: 楼主你好,我偶尔也会 遇到Reconnect due to socket error: java.nio.channels.ClosedCha...
  • Anonymous: sdfs
  • Anonymous: :arrow: :neutral: :cry:
  • Anonymous: java.io.NotSerializableExcepti on: DStream checkpointing has been enabled but the DStreams with their...
  • wick: HI,请问一下,U,S,V得到 ,怎么得到近似矩阵 (用spark java),谢谢。
  • Michael Whitaker: Thank you for this blog, it was very helpful in troubleshooting my own issues. It seems that no...
  • Anonymous: :mad:
  • Anonymous: :???:
  • Anonymous: :mad: :mad: :mad:
  • 洋流: 哥们,我问个问题,你 把testOnborrow去掉了。。 如果得到的jedis资源...
  • 洋流: 哥们,我问个问题,你 把testOnborrow去掉了。。 如果得到的jedis资源...
  • Anonymous: :razz: :evil: :grin:
  • 张瑞昌: 有很多,比较常见的是 Jacob迭代法,一次迭代O (n^3),迭代次数不清楚 ...
  • Anonymous: :mrgreen:
  • lc277: 你好 我想问下一般删除节点 要多久,要删除的datano de大概用了1t,解除...
  • Anonymous: 你好 我想问下一般删除节点 要多久,要删除的datano de大概用了1t,解除...
  • Anonymous: :smile: :grin: :eek:
  • 李雪璇: 想要完整代码,可以帮 忙发给我吗