隨著公司業(yè)務(wù)發(fā)展，對大數(shù)據(jù)的獲取和實時處理的要求就會越來越高，日志處理、用戶行為分析、場景業(yè)務(wù)分析等等，傳統(tǒng)的寫日志方式根本滿足不了業(yè)務(wù)的實時處理需求，所以本人準備開始著手改造原系統(tǒng)中的數(shù)據(jù)處理方式，重新搭建一個實時流處理平臺，主要是基于hadoop生態(tài)，利用Kafka作為中轉(zhuǎn)，SparkStreaming框架實時獲取數(shù)據(jù)并清洗，將結(jié)果多維度的存儲進HBase數(shù)據(jù)庫。

整個平臺大致的框架如下：

操作系統(tǒng)：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(fā)環(huán)境是基于JDK1.8以上以及Scala，所以得提前把java和Scala的環(huán)境給準備好，接下來就開始著手搭建基礎(chǔ)平臺：

一、配置開發(fā)環(huán)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(huán)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(guān)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(huán)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(chuàng)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(guān)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(zhí)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(shù);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(fā)消息，開兩個終端，一個用來做producer發(fā)消息一個用來做consumer收消息，首先，先創(chuàng)建一個topic

如果不出一下會看到如下輸出：

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(jiān)聽狀態(tài)，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(guān)參數(shù)，這里要說明一下HBASE_MANAGES_ZK這個參數(shù)，因為采用了自己的zookeeper，所以這里設(shè)置為false，否則hbase會自己啟動一個zookeeper

然后修改hbase-site.xml，我們設(shè)置hbase的文件放在hdfs中，所以要設(shè)置hdfs地址，其中tsk1是我安裝hadoop的機器的hostname，hbase.zookeeper.quorum參數(shù)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(guān)文件已經(jīng)載hadoop的文件系統(tǒng)中。

六、安裝spark

下載spark并解壓

七、測試

至此，環(huán)境基本搭建完成，以上搭建的環(huán)境僅是服務(wù)器生產(chǎn)環(huán)境的一部分，涉及服務(wù)器信息、具體調(diào)優(yōu)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(chǎn)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(wù)器，執(zhí)行命令：

沒報錯的話執(zhí)行kafka的producer，輸入幾行數(shù)據(jù)在HBase內(nèi)就能看到結(jié)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(shù)據(jù)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(huán)境

寫一個Flume的配置文件在flume的conf目錄下：

kafka創(chuàng)建一個名為flumeKafka的topic用來接收，然后啟動flume：

如果沒有報錯，F(xiàn)lume將開始采集opt/data/nginxLog/nginxLog.log中產(chǎn)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(yīng)的處理就好。

OK!全部搞定，然而~~~~就這樣就搞定了?NO!!!這只是萬里長征的第一步!呵呵!