kafka数据定时导入hive便于后续做数据清洗
16lz
2021-04-15
文章目录
- 问题背景
- 解决过程
- 注意事项
问题背景
kafka数据定时导入到hive,后续做数据清洗:
flume,confulent都需要单独部署服务,比较繁琐。调查其他可选方案,参考以下文章:参考资料
综合比较,camus 简单,比较方便接入。主要分两步:
1、采用mapreduce过程处理数据从kafka导入hadoop
2、hadoop数据接入hive管理。
解决过程
1、下载源码,本地构建jar包。
参考文章
camus源码
2、查看camus.properties配置文件,支持的功能选项
期间需要自定义input,output encoder,
需要配置Reader,Writer类,具体参考源码实现。
3、修改camus.properties配置项,最终结果如下:
camus.job.name=Camus-Job-Testetl.destination.path=/tmp/escheduler/root/resources/topicsetl.execution.base.path=/tmp/escheduler/root/resources/camus/execetl.execution.history.path=/tmp/escheduler/root/resources/camus/exec/history# 新增的自定义decodercamus.message.decoder.class=com.linkedin.camus.etl.kafka.coders.StringMessageDecoder# 修改写入hadoop的writeretl.record.writer.provider.class=com.linkedin.camus.etl.kafka.common.StringRecordWriterProviderkafka.client.name=camus# brokerkafka.brokers=....# topickafka.whitelist.topics=topic_exec_servicecheck_prod_calConfigId_177log4j.configuration=false# 禁用压缩,deflate,snappymapred.output.compress=falseetl.output.codec=deflateetl.deflate.level=6etl.default.timezone=Asia/Shanghai
4、上传jar,properties文件,执行如下命令:实现kafka数据到hadoop的功能:
cd /home/app/transform/libs/hadoop jar camus-example-0.1.0-SNAPSHOT-shaded.jar com.linkedin.camus.etl.kafka.CamusJob -P camus.properties
数据导入到hadoop,
5、数据从hadoop到hive,执行如下脚本:
date_string=$(date '+%Y/%m/%d/%H') partion=$(date '+%Y-%m-%d_%H')topic='topic_exec_servicecheck_prod_calConfigId_177'table_name='dwd.test_exec_servicecheck'filePath="/tmp/escheduler/root/resources/topics/$topic/hourly/"$date_string"/"hive<<EOFcreate table if not exists $table_name( date TIMESTAMP, node STRING, status STRING)PARTITIONED BY(dt STRING)row format delimited fields terminated by '|' STORED AS TEXTFILE;load data inpath '$filePath' into table $table_name partition (dt='$partion');EOF
6、配置定时调度,按小时执行。
注意事项
附自定义decoder
public class StringMessageDecoder extends MessageDecoder<Message, String> {private static final org.apache.log4j.Logger log = Logger.getLogger(JsonStringMessageDecoder.class);@Overridepublic CamusWrapper<String> decode(Message message) {//log.info(message.getTopic());return new CamusWrapper<String>(new String(message.getPayload()));}}
hive input/output 支持自定义数据格式,这个是很有意义的,通常来说文本文件,分隔符分割一行,纯文本解析,最简单,但是可读性,可维护性差。
支持json格式数据写入,json处理相关jar文件 放到${HIVE_HOME}/lib目录。
更多相关文章
- Nodejs 源码阅读指南
- [原创干货]Oracle Sharding实施教程来袭!!!
- Facebook是如何通过Android应用程序跟踪非注册用户
- 【DB笔试面试223】在Oracle中,如果丢失一个数据文件而且没有备份,
- 【DB笔试面试842】在Oracle中,如何启动Oracle数据库的监听日志?
- Greenplum6 数据库数据库学习_外部表
- 【DB笔试面试219】在Oracle中,如果发现有坏块,那么如何检索其它未
- 【DB笔试面试497】Oracle使用哪个包可以生成并传递数据库告警信
- 【DB笔试面试844】在Oracle中,tnsnames.ora文件的作用是什么?