做旅游网站图片哪里找,wordpress前台美化,公司网站建设费计入什么费用,网站建设公司怎么挖掘客户一、目的
在离线数仓中#xff0c;需要用Flume去采集Kafka中的数据#xff0c;然后写入HDFS中。
由于每种数据类型的频率、数据大小、数据规模不同#xff0c;因此每种数据的采集需要不同的Flume配置文件。玩了几天Flume#xff0c;感觉Flume的使用难点就是配置文件
二、…一、目的
在离线数仓中需要用Flume去采集Kafka中的数据然后写入HDFS中。
由于每种数据类型的频率、数据大小、数据规模不同因此每种数据的采集需要不同的Flume配置文件。玩了几天Flume感觉Flume的使用难点就是配置文件
二、使用场景
转向比数据是数据频率为5分钟的数据类型代表数据量很小、频率不高因此搞定了转向比数据的采集就搞定了这一类低频率数据的实时采集问题
1台设备每日的转向比数据规模是30KB25台设备的数据规模则是750KB
三、转向比数据ODS层建表
create external table if not exists ods_turnratio(turnratio_json string
)
comment 转向比数据外部表——静态分区
partitioned by (day string)
row format delimited fields terminated by \x001
lines terminated by \n
stored as SequenceFile
tblproperties(skip.header.line.count1);
四、转向比数据的配置文件
## agent a1 a1.sources s1 a1.channels c1 a1.sinks k1
## configure source s1 a1.sources.s1.type org.apache.flume.source.kafka.KafkaSource a1.sources.s1.kafka.bootstrap.servers 192.168.0.27:9092 a1.sources.s1.kafka.topics topic_b_turnratio a1.sources.s1.kafka.consumer.group.id turnratio_group a1.sources.s1.kafka.consumer.auto.offset.reset latest a1.sources.s1.batchSize 1000
## configure channel c1 ## a1.channels.c1.type memory ## a1.channels.c1.capacity 10000 ## a1.channels.c1.transactionCapacity 1000 a1.channels.c1.type file a1.channels.c1.checkpointDir /home/data/flumeData/checkpoint/turnratio a1.channels.c1.dataDirs /home/data/flumeData/flumedata/turnratio
## configure sink k1 a1.sinks.k1.type hdfs a1.sinks.k1.hdfs.path hdfs://hurys23:8020/user/hive/warehouse/hurys_dc_ods.db/ods_turnratio/day%Y-%m-%d/ a1.sinks.k1.hdfs.filePrefix turnratio a1.sinks.k1.hdfs.fileSuffix .loga1.sinks.k1.hdfs.round true a1.sinks.k1.hdfs.roundValue 10 a1.sinks.k1.hdfs.roundUnit second a1.sinks.k1.hdfs.rollSize 62500 a1.sinks.k1.hdfs.rollCount 0 a1.sinks.k1.hdfs.rollInterval 0 a1.sinks.k1.hdfs.idleTimeout 600 a1.sinks.k1.hdfs.minBlockReplicas 1
## Bind the source and sink to the channel a1.sources.s1.channels c1 a1.sinks.k1.channel c1 注意62500约为61KB
五、Flume写入HDFS结果
Flume根据时间戳按照ODS层表的分区将数据写入对应HDFS文件 25台设备50分钟1个文件文件大小66.18 KB
六、ODS表刷新分区后查验数据
一刷新表分区
MSCK REPAIR TABLE ods_turnratio;
二查看表数据
select * from ods_turnratio; 三验证数据完整性
--2023-11-19 数据基本完整 23时297条 标准300 少3条
--2023-11-20 数据基本完整 23时299条 标准300 少1条 数据基本完整尤其是调度文件大小之后
19日a1.sinks.k1.hdfs.rollSize 31250 数据基本完整 23时297条 标准300 少3条
20日a1.sinks.k1.hdfs.rollSize 62500 数据基本完整 23时299条 标准300 少1条
七、注意点
一配置文件中的重点是红色标记的几点
a1.sinks.k1.hdfs.round true a1.sinks.k1.hdfs.roundValue 10 a1.sinks.k1.hdfs.roundUnit second a1.sinks.k1.hdfs.rollSize 62500 a1.sinks.k1.hdfs.rollCount 0 a1.sinks.k1.hdfs.rollInterval 0 a1.sinks.k1.hdfs.idleTimeout 600 a1.sinks.k1.hdfs.minBlockReplicas 1
二任务配置文件中rollSize参数设置可大不可小
rollSize参数小的话数据会丢失大的话没问题 配置文件的参数还是不断调试中争取调到最优的状态。能够及时、完整的消费Kafka数据并且能够最大化的利用HDFS资源。
目前就先这样如果有问题的话后面再更新
