业务数据采集_零点漂移处理方法(Flume+Kafka+HDFS)

本人双非在校大学生一枚,励志毕业能找个大数据岗,虽然是大数据专业,但是基本靠自学,你懂的~

有不对的地方欢迎批评指正

最近做了一个用户行为采集平台的一个小实战,总体架构就是

Flume-taildir source + kafka channel =>

Kafka =>

Flume-kafka source + memory channel + hdfs sink (标红的地方就是我们处理零点漂移的位置)

需求:采集用户行为数据到HDFS,以天为单位分文件.

分析:因为传输数据需要时间,可能23:59:58的日志,到hdfs已经第二天了.所以一不小心,就漂移了.

如果不考虑零点漂移,可以不使用kafka souce + memory channel的组合,直接使用kafka channel.

但是使用kafka channel有一个缺陷,就是没法写拦截器!

因为kafka channel读取数据,不需要有source端,但是拦截器是绑在source端上的,没有source就写不了拦截器.

在这里我就使用了一个拦截器,在每条event的Head上加上时间标记.

这样做有什么依据吗? 这合理吗?

那又要使用秘籍了! 直接flume.apache.org看看

这是flume官网上hdfs sink中的一行note.可以看到,要在header上加个时间戳!!!

ok,有官方撑腰,这我就不怕了,直接IDEA 启动!!!

先来说一下flume拦截器的书写点

首先实现Interceptor接口,然后重写其中方法,别忘记还要写一个静态内部类Builder!!

@Override
    public Event intercept(Event event) {

        Map<String, String> headers = event.getHeaders();
        String log = new String(event.getBody(), StandardCharsets.UTF_8);

        JSONObject jsonObject = JSONObject.parseObject(log);

        String ts = jsonObject.getString("ts");
        headers.put("timestamp", ts);

        return event;
    }

重要的就是这个单个Event的intercept方法,毕竟另一个对List<Event>的方法其实就是反复调用这个

首先要先拿到event的header,然后将json格式的日志文件解析出来,将名为"ts"(timestamp)对应的数据添加到header中,即可!

现在来一个完整的拦截器代码~~

import com.alibaba.fastjson.JSONObject;
import org.apache.flume.Context;
import org.apache.flume.Event;
import org.apache.flume.interceptor.Interceptor;

import java.nio.charset.StandardCharsets;
import java.util.List;
import java.util.Map;

public class TimeStampInterceptor implements Interceptor {
    @Override
    public void initialize() {

    }
    @Override
    public Event intercept(Event event) {

        Map<String, String> headers = event.getHeaders();
        String log = new String(event.getBody(), StandardCharsets.UTF_8);

        JSONObject jsonObject = JSONObject.parseObject(log);

        String ts = jsonObject.getString("ts");
        headers.put("timestamp", ts);

        return event;
    }
    @Override
    public List<Event> intercept(List<Event> events) {

        for (Event event : events) {
            intercept(event);
        }

        return events;
    }
    @Override
    public void close() {

    }
    public static class Builder implements Interceptor.Builder {
        @Override
        public Interceptor build() {
            return new TimeStampInterceptor();
        }
        @Override
        public void configure(Context context) {
        }
    }
}

ok!这样就解决了咱零点漂移的问题!