大數據Hadoop之EFAK和Confluent KSQL簡單使用

作者：liugp 2023-03-08 07:25:08

kafka 0.9.x以后的版本新增了advertised.listeners?配置，kafka 0.9.x以后的版本不要使用 advertised.host.name 和 advertised.host.port 已經deprecatedhost.name 和 port 為 deprecated，使用?listeners代替。

一、EFAK概述和安裝

關于EFAK的概述和安裝，可以參考我這篇文章：大數據Hadoop之——Kafka 圖形化工具 EFAK（EFAK環境部署）在講EFAK使用之前，這里先講一下listeners 和 advertised.listeners的用法，其實企業里還是會配置著兩個參數的。

二、listeners和advertised.listeners配置詳解

kafka 0.9.x以后的版本新增了advertised.listeners配置，kafka 0.9.x以后的版本不要使用 advertised.host.name 和 advertised.host.port 已經deprecatedhost.name 和 port 為 deprecated，使用listeners代替。

listeners：就是主要用來定義Kafka Broker的Listener的配置項，listeners是kafka真正bind的地址。
advertised.listeners：參數的作用就是將Broker的Listener信息發布到Zookeeper中，是暴露給外部的listeners，如果沒有設置，會用listeners。
listener.security.protocol.map：配置監聽者的安全協議的，主要有以下幾種協議：

PLAINTEXT => PLAINTEXT 不需要授權,非加密通道
SSL => SSL 使用SSL加密通道
SASL_PLAINTEXT => SASL_PLAINTEXT 使用SASL認證非加密通道
SASL_SSL => SASL_SSL 使用SASL認證并且SSL加密通道

inter.broker.listener.name：專門用于Kafka集群中Broker之間的通信。

listener.security.protocol.map=EXTERNAL:PLAINTEXT,INTERNAL:PLAINTEXT
# 外網訪問192.168.0.113:19092，內網訪問：192.168.0.113:19093，當kafka部署在k8s時候就很有用
listeners=EXTERNAL://192.168.0.113:19092,INTERNAL://192.168.0.113:19093
inter.broker.listener.name=INTERNAL
# 如果advertised.listeners沒配置就使用listeners的配置
#advertised.listeners=EXTERNAL://192.168.0.113:19092,INTERNAL://192.168.0.113:19093

使用場景

只有內網：比如在公司搭建的 kafka 集群，只有內網中的服務可以用，這種情況下，只需要用 listeners 就行。示例如下：

# listeners=<協議名稱>://<內網ip>:<端口>
listeners=EXTERNAL://192.168.0.113:19092

內外網：在 k8s 中或者在類似阿里云主機上部署 kafka 集群，這種情況下是需要用到 advertised_listeners。示例如下：

listeners=INSIDE://0.0.0.0:9092,OUTSIDE://<公網 ip>:端口(或者 0.0.0.0:端口)
advertised.listeners=INSIDE://localhost:9092,OUTSIDE://<宿主機ip>:<宿主機暴露的端口>
listener.security.protocol.map=INSIDE:SASL_PLAINTEXT,OUTSIDE:SASL_PLAINTEXT
kafka_inter_broker_listener_name:inter.broker.listener.name=INSIDE

三、KSQL使用

KSQL是一個用于Apache kafka的流式SQL引擎，KSQL在內部使用Kafka的Streams API，KSQL降低了進入流處理的門檻，提供了一個簡單的、完全交互式的SQL接口，用于處理Kafka的數據，可以讓我們在流數據上持續執行 SQL 查詢，KSQL支持廣泛的強大的流處理操作，包括聚合、連接、窗口、會話等等。官方文檔：https://www.rittmanmead.com/blog/2017/10/ksql-streaming-sql-for-apache-kafka/

1）KSQL架構

GitHub地址：https://github.com/confluentinc/ksql

2）Confluent安裝（ZK/KAFKA/KSQL）

ksql支持kafka0.11之后的版本，在confluent的V3和V4版本中默認并沒有加入ksql server程序，當然V3和V4是支持ksql的，在V5版本之后已經默認加入ksql了，這里選擇最新版本7.1。其實Confluent 就是kafka的增加版，包含了kafka和zk。

下載地址：https://packages.confluent.io/archive/

1、下載confluent

$ cd /opt/bigdata/hadoop/software
$ wget https://packages.confluent.io/archive/7.1/confluent-7.1.1.tar.gz
$ tar -xf confluent-7.1.1.tar.gz -C /opt/bigdata/hadoop/server/

2、配置環境變量

$ vi /etc/profile
export CONFLUENT_HOME=/opt/bigdata/hadoop/server/confluent-7.1.1
export PATH=$CONFLUENT_HOME/bin:$PATH

$ source /etc/profile

3、創建log和data目錄

$ mkdir $CONFLUENT_HOME/etc/kafka/zookeeper_data $CONFLUENT_HOME/etc/kafka/zookeeper_logs $CONFLUENT_HOME/etc/kafka/logs

4、配置zk和kafka

配置zk

$ cat > $CONFLUENT_HOME/etc/kafka/zookeeper.properties <<-EOF
# 配置主要修改如下：
#數據目錄
dataDir=/opt/bigdata/hadoop/server/confluent-7.1.1/etc/kafka/zookeeper_data
#日志目錄
# dataLogDir=/opt/bigdata/hadoop/server/confluent-7.1.1/etc/kafka/zookeeper_logs
#心跳間隔時間，zookeeper中使用的基本時間單位，毫秒值。每隔2秒發送一個心跳
tickTime=2000
#leader與客戶端連接超時時間。表示5個心跳間隔
initLimit=5
#Leader與Follower之間的超時時間，表示2個心跳間隔
syncLimit=2
#客戶端連接端口，默認端口2181
clientPort=12181
admin.enableServer=false
# admin.serverPort=8080
# zookeeper集群配置項，server.1，server.2，server.3是zk集群節點；hadoop-node1,hadoop-node2,hadoop-node3是主機名稱；2888是主從通信端口；3888用來選舉leader
server.1=hadoop-node1:2888:3888
server.2=hadoop-node2:2888:3888
server.3=hadoop-node3:2888:3888
EOF

配置kafka

$ cat > $CONFLUENT_HOME/etc/kafka/server.properties <<-EOF
#broker的全局唯一編號，不能重復
broker.id=0

listener.security.protocol.map=EXTERNAL:PLAINTEXT,INTERNAL:PLAINTEXT
# broker 服務器要監聽的地址及端口 . 默認是 localhost:9092 ,0.0.0.0的話 ,表示監聽本機的所有ip地址.本機配置:
# localhost : 只監聽本機的地址請求, 客戶端也只能用 localhost 來請求
# 127.0.0.1 : 同localhost, 在請求上可能有與區分 , 看client的請求吧 . 客戶端也只能用127.0.0.1來請求
# 192.168.0.1 : 你的局域網不一定是 192.168 段的.所以一般不選這個
# 0.0.0.0 : 本機的所有地址都監聽 , 包含 localhost , 127.0.0.1, 及不同網卡的所有ip地址 , 都監聽 .
listeners=EXTERNAL://0.0.0.0:19092,INTERNAL://0.0.0.0:19093

# 是暴露給外部的listeners，如果沒有設置，會用listeners，參數的作用就是將Broker的Listener信息發布到Zookeeper中，注意其它節點得修改成本身的hostnaem或者ip，不支持0.0.0.0
advertised.listeners=EXTERNAL://hadoop-node1:19092,INTERNAL://hadoop-node1:19093

inter.broker.listener.name=INTERNAL

#刪除topic功能使能
delete.topic.enable=true
#處理網絡請求的線程數量
num.network.threads=3
#用來處理磁盤IO的現成數量
num.io.threads=8
#發送套接字的緩沖區大小
socket.send.buffer.bytes=102400
#接收套接字的緩沖區大小
socket.receive.buffer.bytes=102400
#請求套接字的緩沖區大小
socket.request.max.bytes=104857600
#kafka數據的存儲位置
log.dirs=/opt/bigdata/hadoop/server/confluent-7.1.1/etc/kafka/logs
#topic在當前broker上的分區個數
num.partitinotallow=1
#用來恢復和清理data下數據的線程數量
num.recovery.threads.per.data.dir=1
#segment文件保留的最長時間，超時將被刪除
log.retention.hours=168
#配置連接Zookeeper集群地址
zookeeper.cnotallow=hadoop-node1:12181,hadoop-node2:12181,hadoop-node3:12181
#zookeeper連接超時時間
zookeeper.connection.timeout.ms=60000

EOF

3、把confluent copy到其它節點

$ scp -r $CONFLUENT_HOME hadoop-node2:/opt/bigdata/hadoop/server/
$ scp -r $CONFLUENT_HOME hadoop-node2:/opt/bigdata/hadoop/server/

【溫馨提示】其它幾點修改以下三點：

記得要修改broker.id，把hadoop-node2上的broker.id設置1，把hadoop-node2上的broker.id設置2；
設置環境變量

$ vi /etc/profile
export CONFLUENT_HOME=/opt/bigdata/hadoop/server/confluent-7.1.1
export PATH=$CONFLUENT_HOME/bin:$PATH

$ source /etc/profile

advertised.listeners地址修改成本機地址

4、設置zk myid

# 在hadoop-node1配置如下：
$ echo 1 > $CONFLUENT_HOME/etc/kafka/zookeeper_data/myid
# 在hadoop-node2配置如下：
$ echo 2 > $CONFLUENT_HOME/etc/kafka/zookeeper_data/myid
# 在hadoop-node3配置如下：
$ echo 3 > $CONFLUENT_HOME/etc/kafka/zookeeper_data/myid

5、修改ksql-server.properties文件

$ vi $CONFLUENT_HOME/etc/ksqldb/ksql-server.properties
#修改對應的kafka的bootstrap server
bootstrap.servers=hadoop-node1:19092,hadoop-node2:19092,hadoop-node3:19092

6、開啟Kafka JMX監控

# 在kafka-server-start文件中添加export JMX_PORT="9988"，端口自定義就行
$ vi $CONFLUENT_HOME/bin/kafka-server-start

7、啟動服務（zk，kafka，ksql）

先停掉之前的kafka和zk

$ $KAFKA_HOME/bin/zookeeper-server-stop.sh
$ $KAFKA_HOME/bin/kafka-server-stop.sh

啟動zk（必須先啟動zk再啟動kafka）

$ cd $CONFLUENT_HOME
$ bin/zookeeper-server-start -daemon etc/kafka/zookeeper.properties

啟動kafka

$ cd $CONFLUENT_HOME
$ bin/kafka-server-start -daemon etc/kafka/server.properties

啟動KSQL server

# 默認端口8088，可以修改listeners字段來修改port
$ cd $CONFLUENT_HOME
$ ./bin/ksql-server-start ./etc/ksqldb/ksql-server.properties
# 后臺啟動
$ ./bin/ksql-server-start -daemon ./etc/ksqldb/ksql-server.properties

啟動ksql cli端

$ cd $CONFLUENT_HOME
$ ./bin/ksql http://0.0.0.0:8088

【溫習提示】其實也可以使用外部的zk和kafka

3）KSQL簡單使用

1、table和stream概述

stream：stream是一個無序的數據結構，stream中發生的事件是不可改變的，已經被認定為事實，新的事件加入到這個stream中，現有的事實都不會改變。Streams可以從Kafka的topic創建出來，也可以從現有streams中派生出來。streams的基礎數據在Kafka的broker里的topic持久保存（持久化）。
table：table是stream的一個視圖，表示不斷變化的事實的集合。它相當于傳統的數據庫表，但通過流式語義（如窗口）進行了豐富。 table中的事實是可變的，這意味著可以將新事實插入表中，同時可以更新或刪除現有事實。可以從Kafka主題創建table，也可以從現有streams和tables中派生。在這兩種情況下，table的基礎數據都在Kafka的broker里的topic中持久存儲（持久化）。

2、通過ksql-datagen工具創建topic和data

confluent自帶了一個ksql-datagen工具，可以創建和產生相關的topic和數據，ksql-datagen可以指定的參數如下：

$ ksql-datagen

$ cd $CONFLUENT_HOME
$ ./bin/ksql-datagen quickstart=pageviews format=delimited topic=pageviews maxInterval=500 bootstrap-server=hadoop-node1:19092

ps：以上命令會源源不斷在stdin上輸出數據，就是工具自己產生的數據，如下樣例

[1653124249561L] --> ([ 1653124249561L | 'User_3' | 'Page_82' ]) ts:1653124249561
[1653124249561L] --> ([ 1653124249561L | 'User_9' | 'Page_24' ]) ts:1653124249561
[1653124249561L] --> ([ 1653124249561L | 'User_9' | 'Page_91' ]) ts:1653124249561
[1653124249561L] --> ([ 1653124249561L | 'User_2' | 'Page_61' ]) ts:1653124249561

ps：不過使用consumer消費出來的數據是如下樣式：

1653124249561L,User_3,Page_82
1653124249561L,User_9,Page_24
1653124249561L,User_9,Page_91
1653124249561L,User_2,Page_61

創建users，數據格式為json

$ cd $CONFLUENT_HOME
$ ./bin/ksql-datagen quickstart=users format=json topic=users maxInterval=100  bootstrap-server=hadoop-node1:19092

ps：以上命令會源源不斷在stdin上輸出數據，就是工具自己產生的數據，如下樣例：

['User_6'] --> ([ 1495933043739L | 'User_6' | 'Region_8' | 'OTHER' ]) ts:1653124467578
['User_3'] --> ([ 1489611795658L | 'User_3' | 'Region_7' | 'MALE' ]) ts:1653124467578
['User_5'] --> ([ 1496009798562L | 'User_5' | 'Region_2' | 'MALE' ]) ts:1653124467578

不過使用consumer消費出來的數據是如下樣式：

{"registertime":1495933043739L,"userid":"User_6","regionid":"Region_8","gender":"OTHER"}
{"registertime":1489611795658L,"userid":"User_3","regionid":"Region_7","gender":"MALE"}
{"registertime":1496009798562L,"userid":"User_5","regionid":"Region_2","gender":"MALE"}

3、創建stream和table

創建stream

根據topic pageviews創建一個stream pageviews_original，value_format為DELIMITED

$ cd $CONFLUENT_HOME
$ ./bin/ksql http://0.0.0.0:8088

# 【溫馨提示】value_format 有三種格式 JSON(json格式)、DELIMITED(原生格式)、AVRO(Avro 格式是 Hadoop 的一種基于行的存儲格式)
CREATE STREAM pageviews_original (viewtime bigint, userid varchar, pageid varchar) WITH (kafka_topic='pageviews', value_format='DELIMITED');

# 查看表詳情
DESCRIBE pageviews_original;
# 刪表
DROP  STREAM pageviews_original;
# 查看topic
SHOW topics;
# 查看STREAMS
SHOW STREAMS;

創建table

根據topic users創建一個table users_original，value_format為json，必須設置一個為主鍵，也可以指定副本很分區數，默認都是1，, PARTITIONS=1, REPLICAS=1

CREATE TABLE users_original (registertime BIGINT, gender VARCHAR, regionid VARCHAR, userid VARCHAR PRIMARY KEY) WITH (kafka_topic='users', value_format='JSON')

創建持久查詢

# 上面創建的表時不能直接查詢數據的
SELECT * FROM USERS_ORIGINAL LIMIT 3;
CREATE TABLE QUERYABLE_USERS_ORIGINAL AS SELECT * FROM USERS_ORIGINAL;

# 查詢數據
SELECT * FROM QUERYABLE_USERS_ORIGINAL LIMIT 5;

Kafka Connect 接收器

CREATE SINK CONNECTOR es_sink WITH (
  'connector.class' = 'io.confluent.connect.elasticsearch.ElasticsearchSinkConnector',
  'key.converter'   = 'org.apache.kafka.connect.storage.StringConverter',
  'topics'          = 'clicks_transformed',
  'key.ignore'      = 'true',
  'schema.ignore'   = 'true',
  'type.name'       = '',
  'connection.url'  = 'http://hadoop-node1:9200');

4、持久化查詢

持久化查詢可以源源不斷的把查詢出的數據發送到你指定的topic中去，查詢的時候在select前面添加create stream關鍵字即可創建持久化查詢。

# 生成數據
$ cd $CONFLUENT_HOME
$ ./bin/ksql-datagen quickstart=pageviews format=delimited topic=pageviews maxInterval=500 bootstrap-server=hadoop-node1:19092

# 先刪除
DROP STREAM pageviews_original;
# 創建查詢
CREATE STREAM pageviews_original (viewtime bigint, userid varchar, pageid varchar) WITH (kafka_topic='pageviews', value_format='DELIMITED');

# 直接查
select * from pageviews_original limit 10;

# 持久化查詢，PO會對應一個topic
CREATE STREAM PO AS SELECT userid FROM pageviews_original EMIT CHANGES;
# 查詢新stream
SHOW STREAMS;
# 查詢執行任務
SHOW QUERIES;

消費新數據

$ kafka-console-consumer --bootstrap-server 192.168.0.113:19092 --from-beginning --topic PO

終止查詢任務

SHOW QUERIES;
TERMINATE CSAS_PV_15;

四、Mock（生產者）

這個就是模擬測試的功能，就是推送數據到kafka topic，其實就是生產者。一般作為測試用。

消費數據

$ kafka-console-consumer.sh --bootstrap-server hadoop-node1:19092 --topic test001 --from-beginning

五、Manager

添加、查看、刪除topic配置等功能，操作也很簡單

六、Hub

topic數據遷移或是數據平衡

責任編輯：武曉燕來源：大數據與云原生技術分享