我正在使用 kafka connect 发行版。 命令是:bin/connect-distributed etc/schema-registry/connect-avro-distributed.properties
worker配置为:
bootstrap.servers = kafka1:9092,kafka2:9092,kafka3:9092 group.id=连接集群 key.converter=org.apache.kafka.connect.json.JsonConverter value.converter=org.apache.kafka.connect.json.JsonConverter key.converter.schemas.enable=false value.converter.schemas.enable=false
kafka 连接重新启动,没有错误!
主题 connect-configs,connect-offsets,connect-statuses 已创建。 主题 mysiteview 已创建。
然后我使用 RESTful API 创建 kafka 连接器,如下所示:
curl -X POST -H "Content-Type: application/json" --data '{"name":"hdfs-sink-mysiteview","config":{"connector.class":"io.confluence.connect. hdfs.HdfsSinkConnector","tasks.max":"3","topics":"mysiteview","hdfs.url":"hdfs://master1:8020","topics.dir":"/kafka/topics ","logs.dir":"/kafka/logs","format.class":"io.confluence.connect.hdfs.avro.AvroFormat","flush.size":"1000","旋转.间隔。 ms":"1000","partitioner.class":"io.confluence.connect.hdfs.partitioner.DailyPartitioner","path.format":"YYYY-MM-dd","schema.compatibility":"向后" ,"locale":"zh_CN","timezone":"亚洲/上海"}}' http://kafka1:8083/connectors
当我向主题“mysiteview”生成数据时,如下所示:
{"f1":"192.168.1.1","f2":"aa.example.com"}
java代码如下:
Properties props = new Properties();
props.put("bootstrap.servers","kafka1:9092");
props.put("acks","all");
props.put("retries",3);
props.put("batch.size", 16384);
props.put("linger.ms",30);
props.put("buffer.memory",33554432);
props.put("key.serializer","org.apache.kafka.common.serialization.StringSerializer");
props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
Producer<String, String> producer = new KafkaProducer<String,String>(props);
Random rnd = new Random();
for(long nEvents = 0; nEvents < events; nEvents++) {
long runtime = new Date().getTime();
String site = "www.example.com";
String ipString = "192.168.2." + rnd.nextInt(255);
String key = "" + rnd.nextInt(255);
User u = new User();
u.setF1(ipString);
u.setF2(site+" "+rnd.nextInt(255));
System.out.println(JSON.toJSONString(u));
producer.send(new ProducerRecord<String,String>("mysiteview",JSON.toJSONString(u)));
Thread.sleep(50);
}
producer.flush();
producer.close();
Properties props = new Properties();
props.put("bootstrap.servers","kafka1:9092");
props.put("acks","all");
props.put("retries",3);
props.put("batch.size", 16384);
props.put("linger.ms",30);
props.put("buffer.memory",33554432);
props.put("key.serializer","org.apache.kafka.common.serialization.StringSerializer");
props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
Producer<String, String> producer = new KafkaProducer<String,String>(props);
Random rnd = new Random();
for(long nEvents = 0; nEvents < events; nEvents++) {
long runtime = new Date().getTime();
String site = "www.example.com";
String ipString = "192.168.2." + rnd.nextInt(255);
String key = "" + rnd.nextInt(255);
User u = new User();
u.setF1(ipString);
u.setF2(site+" "+rnd.nextInt(255));
System.out.println(JSON.toJSONString(u));
producer.send(new ProducerRecord<String,String>("mysiteview",JSON.toJSONString(u)));
Thread.sleep(50);
}
producer.flush();
producer.close();
奇怪的事情发生了。 我从 kafka-logs 获取数据,但 hdfs 中没有数据(没有主题目录)。 我尝试连接器命令:
卷曲-X GET http://kafka1:8083/connectors/hdfs-sink-mysiteview/status
输出为:
{“名称”:“hdfs-sink-mysiteview”,“连接器”:{“状态”:“正在运行”,“worker_id”:“10.255.223.178:8083”},“任务”:[{“状态”: "RUNNING","id":0,"worker_id":"10.255.223.178:8083"},{"state":"RUNNING","id":1,"worker_id":"10.255.223.178:8083"} ,{"state":"正在运行","id":2,"worker_id":"10.255.223.178:8083"}]}
但是当我使用以下命令检查任务状态时:
curl -X GET http://kafka1:8083/connectors/hdfs-sink-mysiteview/hdfs-sink-siteview-1
我得到的结果是:“Error 404”。三个任务都是同样的错误!
出了什么问题?
在没有看到工作人员日志的情况下,我不确定当您使用上面描述的设置时,您的 HDFS 连接器实例到底是因哪种异常而失败。不过,我可以发现配置中的一些问题:
。这些属性默认将键和值转换器设置为 bin/connect-distributed etc/schema-registry/connect-avro-distributed.properties
,并要求您运行 AvroConverter
服务。如果您确实编辑了 schema-registry
中的配置以使用 connect-avro-distributed.properties
,那么在将 Kafka 记录转换为 Connect 的 JsonConverter
数据类型期间(就在尝试将数据导出到 HDFS 之前),您的 HDFS 连接器可能会失败。 SinkRecord
。最近添加了将记录导出为 JSON 文本文件的功能,并将出现在连接器的 AvroConverter
版本中(您可以通过从源代码签出并构建连接器来尝试此功能)。 此时,我的第一个建议是尝试使用
4.0.0
导入数据。定义其架构,使用 bin/kafka-avro-console-producer
确认数据已成功导入,然后将 HDFS 连接器设置为使用 bin/kafka-avro-console-consumer
,如上所述。连接器页面上的quickstart描述了一个非常相似的过程,也许这将是您的用例的一个很好的起点。
也许您只是错误地使用了 REST-Api。 根据文档,调用应该是
AvroFormat