我已经从MySQL创建了一个样本管道轮询数据并写入HDFS(hive表)。
由于我的要求,我需要为每个db表创建Source + Connector对。我发布了源和接收器连接器的配置设置。
我可以看到一个主题是用一个分区创建的,复制因子为1。
主题创建应该是自动的,这意味着我无法在创建Source + Sink对之前手动创建主题。
我的问题:
1)创建源连接器时是否有办法配置分区数和复制因子?
2)如果可以创建多个分区,源连接器使用什么样的分区策略?
3)是否应为源和接收器连接器创建正确数量的工作器?
源连接器:
{
"connector.class": "io.confluent.connect.jdbc.JdbcSourceConnector",
"mode": "timestamp+incrementing",
"timestamp.column.name": "modified",
"incrementing.column.name": "id",
"topic.prefix": "jdbc_var_cols-",
"tasks.max": "1",
"poll.interval.ms": "1000",
"query": "SELECT id,name,email,department,modified FROM test",
"connection.url": "jdbc:mariadb://127.0.0.1:3306/connect_test?user=root&password=confluent"
}
水槽连接器:
{
"connector.class": "io.confluent.connect.hdfs.HdfsSinkConnector",
"topics.dir": "/user/datalake/topics-hive-var_cols3",
"hadoop.conf.dir": "/tmp/quickstart/hadoop/conf",
"flush.size": "5",
"schema.compatibility": "BACKWARD",
"connect.hdfs.principal": "[email protected]",
"connect.hdfs.keytab": "/tmp/quickstart/datalake.keytab",
"tasks.max": "3",
"topics": "jdbc_var_cols-",
"hdfs.url": "hdfs://mycluster:8020",
"hive.database": "kafka_connect_db_var_cols3",
"hdfs.authentication.kerberos": "true",
"rotate.interval.ms": "1000",
"hive.metastore.uris": "thrift://hive_server:9083",
"hadoop.home": "/tmp/quickstart/hadoop",
"logs.dir": "/logs",
"format.class": "io.confluent.connect.hdfs.avro.AvroFormat",
"hive.integration": "true",
"hdfs.namenode.principal": "nn/[email protected]",
"hive.conf.dir": "/tmp/quickstart/hadoop/conf"
}
1)创建源连接器时是否有办法配置分区数和复制因子?
不是来自Connect,没有。
听起来你在代理上启用了自动主题创建,所以它使用的是默认值。理想情况下,这应该在生产环境中禁用,因此您必须提前创建主题。
Source Connector使用什么样的分区策略?
取决于哪个连接器以及代码的编写方式(即它是否/如何生成Record的密钥)。例如,假设使用JDBC连接器,密钥可能是数据库表的主键。它将使用DefaultPartitioner进行哈希处理。我不相信Connect允许您在每个连接器级别指定自定义分区程序。如果键为null,则消息将分布在所有分区上。
3)是否应为源和接收器连接器创建正确数量的工作器?
再次,取决于来源。对于JDBC,每个表只有一个任务。
但是,对于接收器,任务只能达到被接收主题的分区数(与所有使用者组一样)。
此外,您通常会分别从数据库(和Hadoop集群)运行Connect集群