Flume-0.9.4和Hbase-0.96整合

这几天由于项目的需要，需要将Flume收集到的日志插入到Hbase中，有人说，这不很简单么？Flume里面自带了Hbase sink，可以直接调用啊，还用说么？是的，我在本博客的《Flume-1.4.0和Hbase-0.96.0整合》文章中就提到如何用Flume和Hbase整合，从文章中就看出整个过程不太复杂，直接做相应的配置就行了。那么为什么今天还要特意提一下Flume-0.9.4和Hbase-0.96整合？这是因为Flume-0.9.4和Hbase-0.96整合比Flume-1.4.0和Hbase-0.96整合麻烦多了！不是随便几个配置就能搞定的，里面涉及到修改Flume和Hadoop的源码！
　　先看下我公司的Hadoop、Hbase、Flume等的配置吧。2013年10月末，公司的Hadoop升级到2.2.0，Hbase升级到0.96,Zookeeper升级到3.4.5，但是Flume版本由于各种原因没有升级，还是用Flume-0.9.4，而Flume-0.9.4源码是基于Hadoop-0.20.2-CDH3B4、Hbase-0.90.1-cdh3u0开发的，Hadoop-0.20.2-CDH3B4和现在的Hadoop-2.2.0完全不一样的设计，而且直接用Hadoop-0.20.2-CDH3B4会使得Flume-0.9.4不能和Hbase-0.96.0通信，都不能通信了，何谈整合！但是经过几天的奋战，我们终于通过修改Flume和Hadoop的部分源码达到了Flume-0.9.4和Hbase-0.96整合，今天就分享一下我们是怎么修改的。

　　1、修改Flume-src根目录下的pom.xml文件中的部分依赖版本
　　（1）、Hadoop2x里面已经没有hadoop-core jar包，所以修改Hadoop的依赖包的版本：

<dependency>

        <groupId>org.apache.hadoop</groupId>

        <artifactId>hadoop-core</artifactId>

        <version>${cdh.hadoop.version}</version>

</dependency>

 

修改为

 

<dependency>

            <groupId>org.apache.hadoop</groupId>

            <artifactId>hadoop-mapreduce-client-core</artifactId>

            <version>2.2.0</version>

</dependency>

<dependency>

            <groupId>org.apache.hadoop</groupId>

            <artifactId>hadoop-common</artifactId>

            <version>2.2.0</version>

</dependency>

<dependency>

            <groupId>org.apache.hadoop</groupId>

            <artifactId>hadoop-mapreduce-client-common</artifactId>

            <version>2.2.0</version>

</dependency>

<dependency>

            <groupId>org.apache.hadoop</groupId>

            <artifactId>hadoop-mapreduce-client-jobclient</artifactId>

            <version>2.2.0</version>

</dependency>

　　（2）、修改Guava的版本

<dependency>

        <groupId>com.google.guava</groupId>

        <artifactId>guava</artifactId>

        <version>r07</version>

</dependency>

 

修改为

 

<dependency>

        <groupId>com.google.guava</groupId>

        <artifactId>guava</artifactId>

        <version>10.0.1</version>

</dependency>

　　（3）、修改flume-src\flume-core\pom.xml里面的以下配置

<dependency>

      <groupId>org.apache.hadoop</groupId>

      <artifactId>hadoop-core</artifactId>

</dependency>

 

修改为

 

<dependency>

            <groupId>org.apache.hadoop</groupId>

            <artifactId>hadoop-mapreduce-client-core</artifactId>

            <version>2.2.0</version>

</dependency>

<dependency>

            <groupId>org.apache.hadoop</groupId>

            <artifactId>hadoop-common</artifactId>

            <version>2.2.0</version>

</dependency>

<dependency>

            <groupId>org.apache.hadoop</groupId>

            <artifactId>hadoop-mapreduce-client-common</artifactId>

            <version>2.2.0</version>

</dependency>

<dependency>

            <groupId>org.apache.hadoop</groupId>

            <artifactId>hadoop-mapreduce-client-jobclient</artifactId>

            <version>2.2.0</version>

</dependency>

　　（4）、修改flume-src\plugins\flume-plugin-hbasesink\pom.xml里面的以下配置

<dependency>

      <groupId>org.apache.hbase</groupId>

      <artifactId>hbase</artifactId>

      <version>${cdh.hbase.version}</version>

</dependency>

 

<dependency>

      <groupId>org.apache.hbase</groupId>

      <artifactId>hbase</artifactId>

      <version>${cdh.hbase.version}</version>

      <classifier>tests</classifier>

      <scope>test</scope>

</dependency>

 

<dependency>

      <groupId>org.apache.hadoop</groupId>

      <artifactId>hadoop-test</artifactId>

      <version>${cdh.hadoop.version}</version>

      <scope>test</scope>

</dependency>

 

修改为

 

<dependency>

          <groupId>org.apache.hbase</groupId>

          <artifactId>hbase-it</artifactId>

          <version>0.96.0-hadoop2</version>

</dependency>

　2，修改flume-core \ src \ main \ java \ org \ apache \ hadoop \ io \ FlushingSequenceFileWriter.java和RawSequenceFileWriter.java两个java类，
　　因为步骤一中我们用新版本的Hadoop替换了旧版本的Hadoop，而新版本Hadoop中的org.apache.hadoop.io.SequenceFile.Writer类和旧版本的org.apache.hadoop.io.SequenceFile.Writer类有些不一样。所以导致了FlushingSequenceFileWriter.java和RawSequenceFileWriter.java两个java类出现了部分的错误，解决方法如下：
　　（1），需要修改Hadoop-2.2.0源码中的hadoop-2.2.0-src \ hadoop-common-project \ hadoop-common \ src \ main \ java \ org \ apache \ hadoop \ io \ SequenceFile.java类，在Writer类里面添加替换的构造函数：

Writer(){

    this.compress = CompressionType.NONE;

}

然后重新编译hadoop-common-project工程，将编译后的hadoop-common-2.2.0.jar替换为hadoop-common-2.2.0.jar
　　（2），修改FlushingSequenceFileWriter.java和RawSequenceFileWriter.java
　　这两个类中有错误，请使用新版本的Hadoop的相应API替换掉旧版本的Hadoop的API，具体如何修改，由此不不说了，如有需要的同学，可以邮件联系我（wyphao.2007@163.com ）
　　（3），修改com.cloudera.flume.handlers.seqfile中的SequenceFileOutputFormat类修改如下：

this(SequenceFile.getCompressionType(FlumeConfiguration.get()),

        new DefaultCodec());

 

修改为

 

this(SequenceFile.getDefaultCompressionType(FlumeConfiguration.get()),

              new DefaultCodec());

 

CompressionType compressionType = SequenceFile.getCompressionType(conf);

 

修改为

 

CompressionType compressionType = SequenceFile.getDefaultCompressionType(conf);

　　3，重新编译Flume源码
　　重新编译Flume源码（如何编译Flume源码？请参见本博客的《 Flume-0.9.4内核编译及一些编译错误解决方法》），并用编译之后的flume-core-0.9.4- cdh3u3.jar替换$ {FLUME_HOME} / lib中的flume-core-0.9.4-cdh3u3.jar类。删除掉$ {FLUME_HOME} /lib/hadoop-core-0.20.2-cdh3u3.jar等有关Hadoop旧版本的包。
　　4，修改$ {} FLUME_HOME /斌/水槽脚本启动
仔细分析$ {} FLUME_HOME /斌/水槽脚本，你会发现如下代码：

# put hadoop conf dir in classpath to include Hadoop

 # core-site.xml/hdfs-site.xml

 if [ -n "${HADOOP_CONF_DIR}" ]; then

     CLASSPATH="${CLASSPATH}:${HADOOP_CONF_DIR}"

 elif [ -n "${HADOOP_HOME}" ] ; then

     CLASSPATH="${CLASSPATH}:${HADOOP_HOME}/conf"

 elif [ -e "/usr/lib/hadoop/conf" ] ; then

     # if neither is present see if the CDH dir exists

     CLASSPATH="${CLASSPATH}:/usr/lib/hadoop/conf";

     HADOOP_HOME="/usr/lib/hadoop"

 fi  # otherwise give up

 

 # try to load the hadoop core jars

 HADOOP_CORE_FOUND=false

 while true; do

     if [ -n "$HADOOP_HOME" ]; then

         HADCOREJARS=`find ${HADOOP_HOME}/hadoop-core*.jar ||  \

               find ${HADOOP_HOME}/lib/hadoop-core*.jar ||  true`

         if [ -n "$HADCOREJARS" ]; then

             HADOOP_CORE_FOUND=true

             CLASSPATH="$CLASSPATH:${HADCOREJARS}"

             break;

         fi

     fi

 

     HADCOREJARS=`find ./lib/hadoop-core*.jar 2> /dev/null || true`

     if [ -n "$HADCOREJARS" ]; then

         # if this is the dev environment then hadoop jar will

         # get added as part of ./lib (below)

         break

     fi

 

     # core jars may be missing, we'll check for this below

     break

 done

　　你会发现，这是Flume加载Hadoop旧版本的依赖包，在新版本的Hadoop根本就没有$ {HADOOP_HOME} / conf等文件夹，所以会出现Flume不能加载对新版本Hadoop的依赖。这里教你用最简单的方法来实现对新版本的Hbase和Hadoop的依赖，在$ {FLUME_HOME} / bin / flume脚本里面加入下面的CLASSPATH依赖：

CLASSPATH="/home/q/hbase/hbase-0.96.0-hadoop2/lib/*"

请注意，hbase-0.96.0-hadoop2里面对hadoop的依赖，hbase-0.96.0-hadoop2里面对Hadoop的依赖包是2.1.0，用上面编译好的hadoop-common-2.2.0.jar替换$ { HBASE_HOME} / lib里面的hadoop-common-2.1.0.jar

　　5，如何和Hbase-0.96整合
　　在flume- src \ plugins \ flume-plugin-hbasesink \ src \ main \ java里面的添加自己的类（当然你完全可以自己创建一个新的maven工程）。如果需要和Hbase整合，必须继承EventSink.Base类，改写里面的方法（可以参照flume-src \ plugins \ flume-plugin-hbasesink \ src \ main \ java \ com \ cloudera \ flume \ hbase \ Attr2 HBase EventSink.java），写完之后需要重新编译flume-src \ plugins \ flume-plugin-hbasesink底下的类，打包成jar文件。然后将您写好的HBase接收器注册到Flume中，关于如何注册，请参见本博客的《 Flume -0.9.4配置Hbase sink》。。
　　6，结束
　　经过上面几步的配置，你的水槽-0.9.4就可以和Hbase-0.96整合了，祝你成功。