0
0

Kafka——Kafka Connect详解

目录

Kafka Connect

1、概要介绍

Kafka Connect是一个高伸缩性、高可靠性的数据集成工具，用于在Apache Kafka与其他系统间进行数据搬运以及执行ETL操作，比如Kafka Connect能够将文件系统中某些文件的内容全部灌入Kafka topic中或者是把Kafka topic中的消息导出到外部的数据库系统，如图所示。

在这里插入图片描述

如图所示，Kafka Connect主要由source connector和sink connector组成。事实上，几乎大部分的ETL框架都是由这两大类逻辑组件组成的，如Apache Flume、Kettle等。source connector负责把输入数据从外部系统中导入到Kafka中，而sink connector则负责把输出数据
导出到其他外部系统。

根据Kafka Connect官网的介绍，目前其主要的设计特点如下。

  • 通用性：依托底层的Kafka核心系统封装了connector接口，方便开发、部署和管理。
  • 兼具分布式(distributed)和单体式(standalone)两种模式：既可以以standalone单进程的方式运行，也可以扩展到多台机器成为分布式ETL系统。
  • REST接口：提供常见的REST API方便管理和操作，只适用于分布式模式。
  • 自动位移管理：connector自动管理位移，无须开发人员干预，降低开发成本。
  • 集成性：方便与流/批处理系统对接。

显然，一个ETL框架或connector系统是否好用的主要标志之一就是，看source connector和sink connector的种类是否丰富。默认提供的connector越多，我们就能集成越多的外部系统，免去了用户自行开发的成本。

2、standalone Connect

在standalone模式下所有的操作都是在一个进程中完成的。这种模式非常适合运行在测试或功能验证环境，抑或是必须是单线程才能完成的场景（比如收集日志文件）。由于是单进程，standalone模式无法充分利用Kafka天然提供的负载均衡和高容错等特性。

2.1、数据抽取与加载示例

下面我们在一个单节点的Kafka集群上运行standalone模式的Kafka Connect,把输入文件foo.txt中的数据通过Kafka传输到输出文件bar.txt中。首先我们制作配置文件。Kafka Connectstandalone模式下通常有3类配置文件：connect配置文件，若干source connector配置文件和若干sink connector配置文件。由于本例分别启动一个source connector读取foo.txt和一个sink connector写入bar.txt,故source和sink配置文件都只有一个，所以总共有如下3个配置文件。

  • connect-standalone.properties:connect standalone模式下的配置文件。
  • connect--file-source.properties:file source connector配置文件。
  • connect-file-sink.properties:file sink connector配置文件。

首先来编辑connect-standalone.properties文件。实际上，Kafka已经在config目录下为我们提供了一个该文件的模板。我们直接使用该模板并修改对应的字段即可，如下：

# connect-standalone.propertiesbootstrap.servers=localhost:9092
key.converter=org.apache.kafka.connect.json.JsonConverter
value.converter=org.apache.kafka.connect.json.JsonConverter
key.converter.schemas.enable=true
value.converter.schemas.enable=true
offset.storage.file.filename=/tmp/connect.offsets
  • bootstrap.servers:指定Connect要连接的Kafka集群主机名和端口号。本例使用localhost::9092。
  • key/value.converter:设置Kafka消息key/value的格式转化类，本例使用JsonConverter,即把每条Kafka消息转化成一个JSON格式。
  • key/value.converter.schemas.enable:设置是否需要把数据看成纯JSON字符串或者JSON格式的对象。本例设置为tue,即把数据转换成JSON对象。
  • offset.storage.file.filename:connector会定期地将状态写入底层存储中。该参数设定了状态要被写入的底层存储文件的路径。本例使用/tmp/connect.offsets保存connector的 状态。

下面编辑connect-file-source.properties,它在Kafka的config目录下也有一份模板，本例直接在该模板的基础上进行修改：

# connect-file-source.propertiesname=test-file-source
connector.class=FileStreamSource
tasks.max=1file=foo.txt
topic=connect-file-test
  • name:设置该file source connector的名称。
  • connector.class:设置source connector类的全限定名。有时候设置为类名也是可以的，Kafka Connect可以在classpath中自动搜寻该类并加载。
  • tasks.max:每个connector下会创建若干个任务（task)执行connector逻辑以期望增加并行度，但对于从单个文件读/写数据这样的操作，任意时刻只能有一个ask访问文件，故这里设置最大任务数为1。
  • file:输入文件全路径名。本例为foo.txt,即表示该文件位于Kafka目录下。实际使用时最好使用绝对路径。
  • topic:设置source connector把数据导入到Kafka的哪个topic,若该topic之前不存在，则source connector会自动创建。最好提前手工创建出该topic。.本例使用connect-file-test.

最后，我们编辑connect-file-sink.properties。同理，直接修改位于config目录下的connect-file-sink.properties模板文件：

# connect-file-sink.propertiesname=test-file-sink
connector.class=FileStreamSink
tasks.max=1file=bar.txt
topics=connect-file-test
  • name:设置该sink connector名称。
  • connector.class:设置sink connector类的全限定名。有时候设置为类名也是可以的，Kafka Connect可以在classpath中自动搜寻该类并加载。
  • tasks.max:依然设置为l,原理与source connector中配置设置相同。
  • file:输出文件全路径名。本例为bar.txt,即表示该文件位于Kafka目录下。实际使用时最好使用绝对路径。
  • topic:设置sink connector导出Kafka中的哪个topic的数据。

启动Kafka Connect的standalone模式：

./connect-standalone.sh ../config/connect-standalone.properties ../config/connect-file-source.properties ../config/connect-file-sink.properties

启动之后，应该可以看到控制台不断地打印“Couldn’t find file foo.txt for FileStreamSourceTask,sleeping to wait for it to be created”之类的日志。这是正常的，因为我们尚未创建输入文件foo.txt。
在这里插入图片描述

下面我们在Kafka的目录下创建foo.txt并写入一些文本行：

echo 'hello'>>./foo.txt
echo 'kafka connect test exaple'>>./foo.txt
echo 'this is a file connector test.'>>./foo.txt

如果一切正常，可以看到在当前目录下生成一个名为bar.txt的文件：

hello
kafka connect test exaple
this is a file connector test.

在这里插入图片描述

可见，foo.txt文件的内容已经成功地被file connector通过Kafka搬运到bar.txt文件中了。

为了验证数据的确是通过Kafka topic进行转移的，我们读取一下topic(connect-file-test)的数据，如：

./kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic connect-file-test --from-beginning

{"schema":{"type":"string","optional":false},"payload":"hello"}{"schema":{"type":"string","optional":false},"payload":"kafka connect test exaple"}{"schema":{"type":"string","optional":false},"payload":"this is a file connector test."}

在这里插入图片描述

2.2、数据抽取、转换与加载示例

上面的例子只涉及ETL中的E和L,即数据抽取(extract.)与加载(load)。作为一个ETL框架，Kafka Connect也支持相当程度的数据转换操作。下面演示在将文件数据导出到目
标文件之前为每条消息增加一个IP字段。如果要插入P静态字段，我们必须修改source connector的配置文件，增加以下这些行：

transforms=WrapMap,InsertHost
transforms.WrapMap.type=org.apache.kafka.connect.transforms.HoistField$Valuetransforms.WrapMap.field=line
transforms.InsertHost.type=org.apache.kafka.connect.transforms.InsertField$Valuetransforms.InsertHost.static.field=ip
transforms.InsertHost.static.value=com.connector.machinel

然后重启kafka Connect，然后写入foo.txt文件：

./connect-standalone.sh ../config/connect-standalone.properties ../config/connect-file-source.properties ../config/connect-file-sink.properties

echo'this is a transformation test'>> ./foo.txt

然后查看bar.txt：

hello
kafka connect test exaple
this is a file connector test.
Struct{line=this is a transformation test,ip=com.connector.machinel}

在这里插入图片描述

显然，新增的数据被封装成一个结构体（Struct)，并增加了ip字段。这就是上面WrapMap和InsertHost的作用。

3、distributed Connect

和standalone模式不同，distributed Connect天然地结合了Kafka提供的负载均衡和故障转移功能，能够自动地在多节点机器上平衡负载。用户可以增减机器来实现整体系统的高伸缩性。用户需要执行下列命令来启动distributed模式的Connect,假设我们依然使用Kafka config目录下的配置文件模板：

bin/connect-distributed.sh config/connect-distributed.properties

和standalone模式不同的是，在distributed模式中我们不需要指定source和sink的配置文件。distributed模式中的connector只能通过REST API来创建和管理。

3.1、示例

依然以FileStreamSourceConnector/FileStreamSinkConnector为例来演示如何在distributed模式下运行Kafka Connect。上述命令启动成功后，我们可以执行以下命令来获取当
前所有connector:

curl http://localhost:8083/connectors
[]

在这里插入图片描述

值得注意的是，distributed模式下默认的REST端口是8083，用户可以修改connect-distributed.properties文件中的rest.port属性来变更这一端口。如上可见，当前集群中没有创建任何的connector。

下面分别创建file source connector和file sink connector,命令如下：

curl-i-X POST -H"Content-type:application/json"-H"Accept:application/json"-d'{"name":"test-file-source","config":{"connector.class":"FileStreamSource","tasks.max":"1","topic":"connect-file-test","file":"foo.txt"}}' http://localhost:8083/connectors

在这里插入图片描述

curl-i-X POST -H"Content-type:application/json"-H"Accept:application/json"-d'{"name":"test-file-sink","config":{"connector.class":"FileStreamSink","tasks.max":"1","topics":"connect-file-test","file":"bar.txt"}}' http://localhost:8083/connectors

在这里插入图片描述

本例中使用curl工具给Kafka Connect发送POST请求。当前REST API只支持application/json作为请求(request)和响应(response)的内容类型(content type),因此在发送POST请求时必须显式指定HTTP的Accept头部为application/json,以设置response的content type。另外，我们还需要设置Content-Type头部信息为application/json,以指定request
的content type。在上面命令中我们只是把standalone模式下配置文件中的所有属性封装成JSON字符串传递给curl工具。注意，connector的name字段和其他字段是分开的，即其他字段首先要被封装到config下，然后和name一起做成JSON串。

下面再次获取当前所有connector以检查之前的两个connector是否已被创建出来：
在这里插入图片描述

这次我们可以看到两个connector都已经被创建出来了。REST API还提供了

/connectors//{name}/config

,允许用户查询某个connector的具体配置信息，我们使用这个endpoint来查询file sink connector的信息：

在这里插入图片描述

同时使用GET

/connectors//{name}/status

查询两connector的运行状态：
在这里插入图片描述

在这里插入图片描述

目前两个connector都正常工作。下面开始写入输入文件foo.txt:

echo'one'>> ./foo.txt
echo'two'>> ./foo.txt
echo'three'>> ./foo.txt

查看bar.txt：
在这里插入图片描述

做完这些之后，我们删除这两个connector把系统还原回初始状态。若要删除connector,可以使用REST API–

DELETE/connectors/.{name}

,如下：

curl-i-X DELETE http://localhost:8083/connectors/test-file-source

curl-i-X DELETE http://localhost:8083/connectors/test-file-sink

3.2、REST API

我们可以通过Kafka Connect提供的基于REST风格的API接口来管理连接器，默认端口号为8083，可以通过Worker进程的配置文件中的rest,port参数来修改端口号。Kafka ConnectREST API接口如表所示。
REST API描述GET /查看Kafka集群版本信息GET /connectors查看当前活跃的连接器列表，显示连接器的名字POST /connectors根据指定配置，创建一个新的连接器GET /connectors/{name}查看指定连接器的信息GET /connectors/{name}/config查看指定连接器的配置信息PUT /connectors/{name}/config修改指定连接器的配置信息GET /connectors/{name}/status查看指定连接器的状态POST /connectors/{name}/restart重启指定的连接器PUT /connectors/{name}/pause暂停指定的连接器GET /connectors/{name}/tasks查看指定连接器正在运行的TaskPOST /connectors/{name}/tasks修改Task的配置GET /connectors/{name}/tasks/{taskId}/status查看指定连接器中指定Task的状态POST /connectors/{name}/tasks/{tasked}/restart重启指定连接器中指定的TaskDELETE /connectors/{name}/删除指定的连接器

3.3、其它连接器类

connector.class用来设置连接器类的全限定名称，有时候设置为类名也是可以的，Kafka Connect会在classpath中自动搜索这个类并加载。Kafka中默认只提供了与文件相关的连接器，如果要实现与其他数据存储系统相连接，那么可以参考文件连接器的具体实现来自定义一套连接器，或者搜寻开源的实现，比如Confluent公司提供的
一些产品：

4、示例MySQL数据同步到Redis

4.1、准备连接器

下载连接器

MySQL连接器：https://www.confluent.io/hub/confluentinc/kafka-connect-jdbc

Redis连接器：https://www.confluent.io/hub/jcustenborder/kafka-connect-redis

安装插件

在kafka目录下新建connect文件夹：

cd /usr/local/kafka_2.12-3.1.0
mkdir connect

将下载的插件移动到connect文件夹中：

cp confluentinc-kafka-connect-jdbc-10.7.4 /usr/local/kafka_2.12-3.1.0/confluentinc-kafka-connect-jdbc-10.7.4

cp jcustenborder-kafka-connect-redis-0.0.4 /usr/local/kafka_2.12-3.1.0/jcustenborder-kafka-connect-redis-0.0.4

下载mysql对应的驱动，放到confluentinc-kafka-connect-jdbc-10.7.4/lib目录下

mv mysql-connector-java-8.0.20.jar /usr/local/kafka_2.12-3.1.0/confluentinc-kafka-connect-jdbc-10.7.4/lib/mysql-connector-java-8.0.20.jar

修改distributed配置：

vim /usr/local/kafka_2.12-3.1.0/config/connect-distributed.properties

指定插件位置：

plugin.path=../connect

启动Connect，查看插件是否加载成功：

./connect-distributed.sh ../config/connect-distributed.properties

在这里插入图片描述

4.2、准备MySQL

创建表及数据

CREATETABLE`login`(`id`bigint(20)NOTNULLAUTO_INCREMENTPRIMARYKEY,`username`varchar(30)DEFAULTNULL,`login_time`datetime);INSERTINTO`login`VALUES(1,'aaa',NOW());INSERTINTO`login`VALUES(2,'bbb',NOW());INSERTINTO`login`VALUES(3,'ccc',NOW());INSERTINTO`login`VALUES(4,'ddd',NOW());INSERTINTO`login`VALUES(5,'eee',NOW());INSERTINTO`login`VALUES(6,'fff',NOW());INSERTINTO`login`VALUES(7,'ggg',NOW());INSERTINTO`login`VALUES(8,'hhh',NOW());INSERTINTO`login`VALUES(9,'iii',NOW());INSERTINTO`login`VALUES(10,'jjj',NOW());

创建连接器，新建source.json

{"name":"example-source","config":{"connector.class":"io.confluent.connect.jdbc.JdbcSourceConnector","tasks.max":"1","connection.url":"jdbc:mysql://127.0.0.1:3306/kafka_db","connection.user":"root","connection.password":"123456","table.whitelist":"login","mode":"incrementing","incrementing.column.name":"id"}}

向Worker发送请求，创建连接器：

curl-i-X POST -H"Accept:application/json"-H"Content-Type:application/json" http://localhost:8083/connectors -d @source.json

确认数据是否写入kafka

./kafka-topics.sh --bootstrap-server localhost:9092 --list

在这里插入图片描述

__consumer_offsets: 记录所有Kafka Consumer Group的Offset
connect-configs: 存储连接器的配置，对应Connect 配置文件中config.storage.topic
connect-offsets: 存储Source 的Offset，对应Connect 配置文件中offset.storage.topic
connect-status: 连接器与Task的状态，对应Connect 配置文件中status.storage.topic

./kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic login --from-beginning

在这里插入图片描述

4.3、准备redis

创建sink.json

{"name":"example-sink",
    "config":{"connector.class":"com.github.jcustenborder.kafka.connect.redis.RedisSinkConnector",
        "topics":"login",
        "key.converter":"org.apache.kafka.connect.storage.StringConverter",
        "value.converter":"org.apache.kafka.connect.storage.StringConverter",
        "tasks.max":"1",
        "redis.client.mode":"Standalone",
        "redis.database":"1",
        "redis.hosts":"localhost:6379",
        "redis.password":"123456"}}

启动：

curl-i-X POST -H"Accept:application/json"-H"Content-Type:application/json" http://localhost:8083/connectors -d @sink.json
标签： kafka 分布式 Connect
本文转载自: https://blog.csdn.net/cold___play/article/details/132332031
版权归原作者 吴声子夜歌 所有， 如有侵权，请联系我们删除。
登录后发布评论

“Kafka——Kafka Connect详解”的评论:

还没有评论
关于作者
...
overfit同步小助手
文章同步
相关阅读

大数据新视界 -- 大数据大厂之 Hive 数据导入：多源数据集成的策略与实战（上）（3/ 30）

华三防火墙开启web登录访问配置

PostgreSQL内核源码分析 逻辑复制基本流程，发布订阅创建背后的故事

MySQL系列之远程管理（安全）

自己服务器上搭建虚拟专用网络(超级详细图文并茂,从安装到连接，PS：本文章仅作学术交流使用)

Django测试工具项目常见问题解决方案

【idea技巧篇】idea的类注释和方法注释模版自定义设置

文章导航