Flume集群安装部署、Kafka集群安装部署以及Maxwell安装部署实战

1、Flume集群安装部署

1.1、安装地址

1. Flume官网地址：http://flume.apache.org/
2. 文档查看地址：http://flume.apache.org/FlumeUserGuide.html
3. 下载地址：http://archive.apache.org/dist/flume/

1.2、安装部署

1. 将apache-flume-1.9.0-bin.tar.gz上传到linux的/opt/software目录下

2. 解压apache-flume-1.9.0-bin.tar.gz到/opt/model/目录下

[song@hadoop102 software]$ tar -zxf /opt/software/apache-flume-1.9.0-bin.tar.gz -C /opt/model/

1. 修改apache-flume-1.9.0-bin的名称为flume

[song@hadoop102 model]$ mv/opt/model/apache-flume-1.9.0-bin /opt/model/flume

1. 将lib文件夹下的guava-11.0.2.jar删除以兼容Hadoop 3.1.3

[song@hadoop102 model]$ rm/opt/model/flume/lib/guava-11.0.2.jar

注意：删除guava-11.0.2.jar的服务器节点，一定要配置hadoop环境变量。否则会报如下异常。

Caused by:java.lang.ClassNotFoundException:com.google.common.collect.Lists
        at java.net.URLClassLoader.findClass(URLClassLoader.java:382)
        at java.lang.ClassLoader.loadClass(ClassLoader.java:424)
        at sun.misc.Launcher$AppClassLoader.loadClass(Launcher.java:349)
        at java.lang.ClassLoader.loadClass(ClassLoader.java:357)...1 more

1. 修改conf目录下的log4j.properties配置文件，配置日志文件路径

[song@hadoop102 conf]$ vim log4j.properties

flume.log.dir=/opt/module/flume/logs

2、Kafka集群安装部署

2.1、集群规划

2.2、集群部署

1. 官方下载地址：http://kafka.apache.org/downloads.html
2. 解压安装包

[song@hadoop102 software]$ tar -zxvf kafka_2.12-3.0.0.tgz -C /opt/model/

1. 修改解压后的文件名称

[song@hadoop102 model]$ mv kafka_2.12-3.0.0/ kafka

1. 进入到/opt/model/kafka目录，修改配置文件

[song@hadoop102 kafka]$ cd config/
[song@hadoop102 config]$ vim server.properties
#输入以下内容：#broker的全局唯一编号，不能重复，只能是数字。
broker.id=0
#处理网络请求的线程数量
num.network.threads=3
#用来处理磁盘IO的线程数量
num.io.threads=8
#发送套接字的缓冲区大小
socket.send.buffer.bytes=102400
#接收套接字的缓冲区大小
socket.receive.buffer.bytes=102400
#请求套接字的缓冲区大小
socket.request.max.bytes=104857600
#kafka运行日志(数据)存放的路径，路径不需要提前创建，kafka自动帮你创建，可以配置多个磁盘路径，路径与路径之间可以用"，"分隔
log.dirs=/opt/model/kafka/datas
#topic在当前broker上的分区个数
num.partitions=1
#用来恢复和清理data下数据的线程数量
num.recovery.threads.per.data.dir=1
# 每个topic创建时的副本数，默认时1个副本
offsets.topic.replication.factor=1
#segment文件保留的最长时间，超时将被删除
log.retention.hours=168
#每个segment文件的大小，默认最大1G
log.segment.bytes=1073741824
# 检查过期数据的时间，默认5分钟检查一次是否数据过期
log.retention.check.interval.ms=300000
#配置连接Zookeeper集群地址（在zk根目录下创建/kafka，方便管理）
zookeeper.connect=hadoop102:2181,hadoop103:2181,hadoop104:2181/kafka

1. 分发安装包

[song@hadoop102 model]$ xsync kafka/

1. 分别在hadoop103和hadoop104上修改配置文件/opt/model/kafka/config/server.properties中的broker.id=1、broker.id=2

注：broker.id不得重复，整个集群中唯一。

[song@hadoop103 model]$ vim kafka/config/server.properties

修改:

# The id of the broker. This must be set to a unique integer for each broker.
broker.id=1

[atguigu@hadoop104 model]$ vim kafka/config/server.properties
修改:
# The id of the broker. This must be set to a unique integer for each broker.
broker.id=2

1. 配置环境变量 （1）在/etc/profile.d/my_env.sh文件中增加kafka环境变量配置

[song@hadoop102 module]$ sudo vim /etc/profile.d/my_env.sh

增加如下内容：

#KAFKA_HOME
export KAFKA_HOME=/opt/model/kafka
export PATH=$PATH:$KAFKA_HOME/bin

（2）刷新一下环境变量。

[song@hadoop102 model]$ source /etc/profile

（3）分发环境变量文件到其他节点，并source。

[song@hadoop102 model]$ sudo /home/atguigu/bin/xsync /etc/profile.d/my_env.sh
[song@hadoop103 model]$ source /etc/profile
[song@hadoop104 model]$ source /etc/profile

1. 启动集群

（1）先启动Zookeeper集群，然后启动Kafka。

[song@hadoop102   kafka]$ zk.sh start

（2）依次在hadoop102、hadoop103、hadoop104节点上启动Kafka。

[song@hadoop102 kafka]$ bin/kafka-server-start.sh -daemon config/server.properties
[song@hadoop103 kafka]$ bin/kafka-server-start.sh -daemon config/server.properties
[song@hadoop104 kafka]$ bin/kafka-server-start.sh -daemon config/server.properties

注意：配置文件的路径要能够到server.properties。

1. 关闭集群

[song@hadoop102 kafka]$ bin/kafka-server-stop.sh 
[song@hadoop103 kafka]$ bin/kafka-server-stop.sh 
[song@hadoop104 kafka]$ bin/kafka-server-stop.sh 

2.3、集群启停脚本

1. 在/home/song/bin目录下创建文件mykafka.sh脚本文件

[song@hadoop102 bin]$ vim kf.sh

#! /bin/bash

case $1 in
"start"){for i in hadoop102 hadoop103 hadoop104
    doecho" --------启动 $i Kafka-------"
        ssh $i"/opt/module/kafka/bin/kafka-server-start.sh -daemon /opt/module/kafka/config/server.properties"
    done
};;"stop"){for i in hadoop102 hadoop103 hadoop104
    doecho" --------停止 $i Kafka-------"
        ssh $i"/opt/module/kafka/bin/kafka-server-stop.sh "
    done
};;
esac

1. 添加执行权限

[song@hadoop102 bin]$ chmod +x kf.sh

1. 启动集群命令

[song@hadoop102 ~]$ kf.sh start

1. 停止集群命令

[song@hadoop102 ~]$ kf.sh stop

注意：停止Kafka集群时，一定要等Kafka所有节点进程全部停止后再停止Zookeeper集群。因为Zookeeper集群当中记录着Kafka集群相关信息，Zookeeper集群一旦先停止，Kafka集群就没有办法再获取停止进程的信息，只能手动杀死Kafka进程了。

3、Maxwell安装部署

3.1、Maxwell简介

3.1.1、Maxwell概述

Maxwell 是由美国Zendesk公司开源，用Java编写的MySQL变更数据抓取软件。它会实时监控Mysql数据库的数据变更操作（包括insert、update、delete），并将变更数据以 JSON 格式发送给 Kafka、Kinesi等流数据处理平台。官网地址：http://maxwells-daemon.io/

3.1.2、Maxwell输出数据格式

注：Maxwell输出的json字段说明：

3.2、Maxwell原理

Maxwell的工作原理是实时读取MySQL数据库的二进制日志（Binlog），从中获取变更数据，再将变更数据以JSON格式发送至Kafka等流处理平台。

3.2.1、MySQL二进制日志

二进制日志（Binlog）是MySQL服务端非常重要的一种日志，它会保存MySQL数据库的所有数据变更记录。Binlog的主要作用包括主从复制和数据恢复。Maxwell的工作原理和主从复制密切相关。

3.2.2、MySQL主从复制

MySQL的主从复制，就是用来建立一个和主数据库完全一样的数据库环境，这个数据库称为从数据库。

• 主从复制的应用场景如下： 1. 做数据库的热备：主数据库服务器故障后，可切换到从数据库继续工作。2. 读写分离：主数据库只负责业务数据的写入操作，而多个从数据库只负责业务数据的查询工作，在读多写少场景下，可以提高数据库工作效率。
• 主从复制的工作原理如下： 1. Master主库将数据变更记录，写到二进制日志(binary log)中2. Slave从库向mysql master发送dump协议，将master主库的binary log events拷贝到它的中继日志(relay log)3. Slave从库读取并回放中继日志中的事件，将改变的数据同步到自己的数据库。

3.2.3、Maxwell原理

将自己伪装成slave，并遵循MySQL主从复制的协议，从master同步数据。

3.3、Maxwell部署

3.3.1、安装Maxwell

1. 下载安装包 - 地址：https://github.com/zendesk/maxwell/releases/download/v1.29.2/maxwell-1.29.2.tar.gz 注：Maxwell-1.30.0及以上版本不再支持JDK1.8。- 将安装包上传到hadoop102节点的/opt/software目录 注：此处使用教学版安装包，教学版对原版进行了改造，增加了自定义Maxwell输出数据中ts时间戳的参数，生产环境请使用原版。
2. 将安装包解压至/opt/model

[song@hadoop102 maxwell]$ tar -zxvf maxwell-1.29.2.tar.gz -C /opt/model/

1. 修改名称

[song@hadoop102 model]$ mv maxwell-1.29.2/ maxwell

3.3.2、配置MySQL

3.3.2.1、启用MySQL Binlog

MySQL服务器的Binlog默认是未开启的，如需进行同步，需要先进行开启

1. 修改MySQL配置文件/etc/my.cnf

[song@hadoop102 ~]$ sudo vim /etc/my.cnf

1. 增加如下配置

[mysqld]#数据库id
server-id = 1
#启动binlog，该参数的值会作为binlog的文件名
log-bin=mysql-bin
#binlog类型，maxwell要求为row类型
binlog_format=row
#启用binlog的数据库，需根据实际情况作出修改
binlog-do-db=gmall

注：MySQL Binlog模式

• Statement-based：基于语句，Binlog会记录所有写操作的SQL语句，包括insert、update、delete等。 优点： 节省空间 缺点： 有可能造成数据不一致，例如insert语句中包含now()函数。
• Row-based：基于行，Binlog会记录每次写操作后被操作行记录的变化。 优点：保持数据的绝对一致性。 缺点：占用较大空间。
• mixed：混合模式，默认是Statement-based，如果SQL语句可能导致数据不一致，就自动切换到Row-based。

注意：Maxwell要求Binlog采用Row-based模式。

1. 重启MySQL服务

[song@hadoop102 ~]$ sudo systemctl restart mysqld

3.3.2.2、创建Maxwell所需数据库和用户

Maxwell需要在MySQL中存储其运行过程中的所需的一些数据，包括binlog同步的断点位置（Maxwell支持断点续传）等等，故需要在MySQL为Maxwell创建数据库及用户。

1. 创建数据库

msyql> CREATE DATABASE maxwell;

1. 调整MySQL数据库密码级别

mysql> set global validate_password_policy=0;
mysql> set global validate_password_length=4;

1. 创建Maxwell用户并赋予其必要权限

mysql> CREATE USER 'maxwell'@'%' IDENTIFIED BY 'maxwell';
mysql> GRANT ALL ON maxwell.* TO 'maxwell'@'%';
mysql> GRANT SELECT, REPLICATION CLIENT, REPLICATION SLAVE ON *.* TO 'maxwell'@'%';

3.3.2.2、配置Maxwell

1. 修改Maxwell配置文件名称

[song@hadoop102 maxwell]$ cd /opt/model/maxwell
[song@hadoop102 maxwell]$ cp config.properties.example config.properties

1. 修改Maxwell配置文件

[song@hadoop102 maxwell]$ vim config.properties

#Maxwell数据发送目的地，可选配置有stdout|file|kafka|kinesis|pubsub|sqs|rabbitmq|redis
producer=kafka
#目标Kafka集群地址
kafka.bootstrap.servers=hadoop102:9092,hadoop103:9092
#目标Kafka topic，可静态配置，例如:maxwell，也可动态配置，例如：%{database}_%{table}
kafka_topic=maxwell

#MySQL相关配置
host=hadoop102
user=maxwell
password=maxwell
jdbc_options=useSSL=false&serverTimezone=Asia/Shanghai

4、Maxwell使用

4.1、启动Kafka集群

若Maxwell发送数据的目的地为Kafka集群，则需要先确保Kafka集群为启动状态。

4.2、Maxwell启停

1. 启动Maxwell

[song@hadoop102 ~]$ /opt/model/maxwell/bin/maxwell --config /opt/model/maxwell/config.properties --daemon

1. 停止Maxwell

[song@hadoop102 ~]$ ps-ef | grep maxwell | grep -v grep | grep maxwell | awk '{print $2}'| xargs kill-9

1. Maxwell启停脚本

• 创建并编辑Maxwell启停脚本

[song@hadoop102 bin]$ vim mxw.sh

• 脚本内容如下

#!/bin/bash

MAXWELL_HOME=/opt/module/maxwell

status_maxwell(){
    result=`ps-ef | grep com.zendesk.maxwell.Maxwell | grep -v grep | wc -l`
    return$result}

start_maxwell(){
    status_maxwell
    if[[ $? -lt 1 ]]; then
        echo"启动Maxwell"$MAXWELL_HOME/bin/maxwell --config $MAXWELL_HOME/config.properties --daemon
    elseecho"Maxwell正在运行"
    fi
}

stop_maxwell(){
    status_maxwell
    if[[ $? -gt 0 ]]; then
        echo"停止Maxwell"ps-ef | grep com.zendesk.maxwell.Maxwell | grep -v grep | awk '{print $2}'| xargs kill-9
    elseecho"Maxwell未在运行"
    fi
}

case $1 in
    start)
        start_maxwell
    ;;
    stop )
        stop_maxwell
    ;;
    restart )
       stop_maxwell
       start_maxwell
    ;;
esac

4.3、增量数据同步

1. 启动Kafka消费者

[atguigu@hadoop102 kafka]$ bin/kafka-console-consumer.sh --bootstrap-server hadoop102:9092 --topic maxwell

1. 模拟生成数据

[atguigu@hadoop102 db_log]$ java -jar gmall2020-mock-db-2021-01-22.jar

1. 观察Kafka消费者

{"database":"gmall","table":"comment_info","type":"insert","ts":1634023510,"xid":1653373,"xoffset":11998,"data":{"id":1447825655672463369,"user_id":289,"nick_name":null,"head_img":null,"sku_id":11,"spu_id":3,"order_id":18440,"appraise":"1204","comment_txt":"评论内容：12897688728191593794966121429786132276125164551411","create_time":"2020-06-16 15:25:09","operate_time":null}}{"database":"gmall","table":"comment_info","type":"insert","ts":1634023510,"xid":1653373,"xoffset":11999,"data":{"id":1447825655672463370,"user_id":774,"nick_name":null,"head_img":null,"sku_id":25,"spu_id":8,"order_id":18441,"appraise":"1204","comment_txt":"评论内容：67552221621263422568447438734865327666683661982185","create_time":"2020-06-16 15:25:09","operate_time":null}}

4.4、历史数据全量同步

使用Maxwell实时增量同步MySQL变更数据的功能。但有时只有增量数据是不够的，我们可能需要使用到MySQL数据库中从历史至今的一个完整的数据集。这就需要我们在进行增量同步之前，先进行一次历史数据的全量同步。这样就能保证得到一个完整的数据集。

4.4.1、Maxwell-bootstrap

Maxwell提供了bootstrap功能来进行历史数据的全量同步，命令如下：

[song@hadoop102 maxwell]$ /opt/model/maxwell/bin/maxwell-bootstrap --database gmall --table user_info --config /opt/model/maxwell/config.properties

4.4.2、boostrap数据格式

采用bootstrap方式同步的输出数据格式如下：

{"database": "fooDB","table": "barTable","type": "bootstrap-start","ts": 1450557744,"data": {}}{"database": "fooDB","table": "barTable","type": "bootstrap-insert","ts": 1450557744,"data": {"txt": "hello"}}{"database": "fooDB","table": "barTable","type": "bootstrap-insert","ts": 1450557744,"data": {"txt": "bootstrap!"}}{"database": "fooDB","table": "barTable","type": "bootstrap-complete","ts": 1450557744,"data": {}}

注意事项：

• 第一条type为bootstrap-start和最后一条type为bootstrap-complete的数据，是bootstrap开始和结束的标志，不包含数据，中间的type为bootstrap-insert的数据才包含数据。
• 一次bootstrap输出的所有记录的ts都相同，为bootstrap开始的时间。