如何在不指定源的情况下使用 Flume 的 Kafka Channel

Question

我有一个现有的 Kafka 主题和一个从那里读取并写入 HDFS 的水槽代理。我想重新配置我的水槽代理，使其远离现有设置； Kafka Source，文件 Channel 到 HDFS Sink，以使用 Kafka Channel。

我在cloudera documentation 中读到，可以通过仅使用 Kafka 通道和 HDFS 接收器（没有水槽源）来实现这一点。（除非我弄错了。）所以我试着创建此配置，但它不起作用。它甚至没有启动盒子上的水槽进程。

# Test
test.channels = kafka-channel
test.sinks = hdfs-sink

test.channels.kafka-channel.type = 
org.apache.flume.channel.kafka.KafkaChannel
test.channels.kafka-channel.kafka.bootstrap.servers = localhost:9092
test.channels.kafka-channel.kafka.topic = test
test.channels.kafka-channel.parseAsFlumeEvent = false

test.sinks.hdfs-sink.channel = kafka-channel
test.sinks.hdfs-sink.type = hdfs
test.sinks.hdfs-sink.hdfs.path = hdfs://localhost:8082/data/test/

我正在使用：

• HDP 快速入门 VM 2.6.3
• Flume 版本 1.5.2
• HDFS 目录确实存在
• ps -ef | grep flume 仅在我添加了 kafka 源后才返回一个进程，但这不可能是正确的，因为这样做会为发布到该主题的任何消息创建一个无限循环。

是否可以只使用 Kafka Channel 和 HDFS Sink，还是我需要使用 kafka-source 但更改一些其他配置以防止消息无限循环？

Kafka-source -> kafka-channel -> HDFS Sink - 这对我来说似乎不对。

Answer 1

经过一番挖掘后，我注意到 Ambari 没有为指定的代理创建任何 Flume conf 文件。如果我指定test.sources = kafka-source，Ambari 似乎只会创建/更新水槽配置。一旦我将它添加到水槽配置中（通过 ambari），就会在盒子上创建配置，并且水槽代理成功启动。

最终的水槽配置如下所示：

test.sources=kafka-source
test.channels = kafka-channel
test.sinks = hdfs-sink

test.channels.kafka-channel.type = org.apache.flume.channel.kafka.KafkaChannel
test.channels.kafka-channel.kafka.bootstrap.servers = localhost:9092
test.channels.kafka-channel.kafka.topic = test
test.channels.kafka-channel.parseAsFlumeEvent = false

test.sinks.hdfs-sink.channel = kafka-channel
test.sinks.hdfs-sink.type = hdfs
test.sinks.hdfs-sink.hdfs.path = hdfs:///data/test

请注意，我没有在源上设置任何属性（这会导致我在问题中提到的无限循环问题），只需要提及它，以便 Ambari 创建水槽配置并启动代理。

Answer 2

这并不能直接回答您关于 Flume 的问题，但总的来说，由于您已经在使用 Apache Kafka，因此最好使用 Kafka Connect（它是 Apache Kafka 的一部分）来解决此模式。 根据this guide here，有一个简单易用的 Kafka Connect HDFS 连接器。