如何搭建Hadoop生態SparkStreaming平臺

本篇內容介紹了“如何搭建Hadoop生態SparkStreaming平臺”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

操作系統：Centos7

用到的框架：

1. Flume1.8.0

2. Hadoop2.9.0

3. kafka2.11-1.0.0

4. Spark2.2.1

5. HBase1.2.6

6. ZooKeeper3.4.11

7. maven3.5.2

整體的開發環境是基于JDK1.8以上以及Scala，所以得提前把java和Scala的環境給準備好，接下來就開始著手搭建基礎平臺：

一、配置開發環境

下載并解壓JDK1.8,、下載并解壓Scala，配置profile文件：

二、配置zookeeper、maven環境

下載并解壓zookeeper以及maven并配置profile文件

然后配置一下zoo.cfg里面的相關配置，指定一下dataDir目錄等等

啟動zookeeper:

/usr/local/zookeeper-3.4.11/bin/zkServer.sh start

如果不報錯，jps看一下是否啟動成功

三、安裝配置Hadoop

Hadoop的安裝配置在之前文章中有說過(傳送門)，為了下面的步驟方便理解，這里只做一個單機版的簡單配置說明：

下載hadoop解壓并配置環境：

首先配置hadoop-env.sh、yarn-env.sh，修改JAVA_HOME到指定的JDK安裝目錄/usr/local/java/jdk1.8.0_144

創建hadoop的工作目錄

mkdir /opt/data/hadoop

編輯core-site.xml、hdfs-site.xml、yarn-site.xml等相關配置文件，具體配置不再闡述請看前面的文章，配置完成之后記得執行hadoop  namenode -format，否則hdfs啟動會報錯，啟動完成后不出問題瀏覽器訪問50070端口會看到hadoop的頁面。

四、安裝配置kafka

還是一樣，先下載kafka，然后配置：

進入kafka的config目錄，配置server.properties,指定log.dirs和zookeeper.connect參數;配置zookeeper.properties文件中zookeeper的dataDir，配置完成后啟動kafka

kafka-server-start.sh -daemon $KAFKA_HOME/config/server.properties

可以用jps查看有沒有kafka進程，然后測試一下kafka是否能夠正常收發消息，開兩個終端，一個用來做producer發消息一個用來做consumer收消息，首先，先創建一個topic

然后在第一個終端中輸入命令：

kafka-console-producer.sh –broker-list localhost:9092 –topic testTopic

在第二個終端中輸入命令：

kafka-console-consumer.sh –zookeeper 127.0.0.1:2181 –topic testTopic

如果啟動都正常，那么這兩個終端將進入阻塞監聽狀態，在第一個終端中輸入任何消息第二個終端都將會接收到。

五、安裝配置HBase

下載并解壓HBase：

修改hbase下的配置文件,首先修改hbase-env.sh，主要修改JAVA_HOME以及相關參數，這里要說明一下HBASE_MANAGES_ZK這個參數，因為采用了自己的zookeeper，所以這里設置為false，否則hbase會自己啟動一個zookeeper

然后修改hbase-site.xml，我們設置hbase的文件放在hdfs中，所以要設置hdfs地址，其中tsk1是我安裝hadoop的機器的hostname，hbase.zookeeper.quorum參數是安裝zookeeper的地址，這里的各種地址最好用機器名

配置完成后啟動hbase，輸入命令：

start-hbase.sh

完成后查看日志沒有報錯的話測試一下hbase，用hbase shell進行測試：

至此，hbase搭建成功，訪問以下hadoop的頁面，查看file system(菜單欄Utilities->Browse the file  system)，這時可以看見base的相關文件已經載hadoop的文件系統中。

六、安裝spark

下載spark并解壓

七、測試

至此，環境基本搭建完成，以上搭建的環境僅是服務器生產環境的一部分，涉及服務器信息、具體調優信息以及集群的搭建就不寫在這里了，下面我們寫一段代碼整體測試一下從kafka生產消息到spark  streaming接收到，然后處理消息并寫入HBase。先寫一個HBase的連接類HBaseHelper:

再寫一個測試類KafkaRecHbase用來做spark-submit提交

編譯提交到服務器，執行命令：

沒報錯的話執行kafka的producer，輸入幾行數據在HBase內就能看到結果了!

八、裝一個Flume實時采集Nginx日志寫入Kafka

Flume是一個用來日志采集的框架，安裝和配置都比較簡單，可以支持多個數據源和輸出，具體可以參考Flume的文檔，寫的比較全 傳送門

下載Flume并配置環境

寫一個Flume的配置文件在flume的conf目錄下：

kafka創建一個名為flumeKafka的topic用來接收，然后啟動flume：

如果沒有報錯，Flume將開始采集opt/data/nginxLog/nginxLog.log中產生的日志并實時推送給kafka，再按照上面方法寫一個spark  streaming的處理類進行相應的處理就好。

“如何搭建Hadoop生態SparkStreaming平臺”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！