数据采集-----案例

1）启动zookeper集群并查看集群状态

三台：

cd /opt/module/zookeeper/

bin/zkServer.sh start

bin/zkServer.sh status

（2）启动Hadoop集群并查看相应的进程

master:start-dfs.sh

slave1:start-yarn.sh

（3）启动kafka集群，并且开启kafka消费者消费指定主题

三台：

cd /opt/module/kafka/

bin/kafka-server-start.sh -daemon config/server.properties

kafka

消费主题

bin/kafka-console-consumer.sh --bootstrap-server=master:9092 --topic=BigData2403

（4）启动efak对kafka集群的监控平台

master:

cd /opt/module/efak/

bin/ke.sh start

（5）启动maxell数据采集工具

master:

cd /opt/module/maxwell/

bin/maxwell --user='maxwell' --password='123456' --host='master' --producer=kafka --kafka.bootstrap.servers=master:9092 --kafka_topic=BigData2403

（6）运行产生业务数据的脚本，向mysql数据库中注入数据，并且观察kafka消费者中消费到的数据。

产生数据

master:

cd /opt/module/db_data/

java -jar gmall2020-mock-db-2021-11-14.jar

（7）启动flume数据采集通道，将数据从kafka集群上的指定主题中采集到HDFS上。

脚本：

#定义组件
a1.sources = r1
a1.channels = c1
a1.sinks = k1

#对source进行配置
a1.sources.r1.type = org.apache.flume.source.kafka.KafkaSource
a1.sources.r1.kafka.bootstrap.servers = master:9092,slave1:9092,slave2:9092
a1.sources.r1.kafka.topics = BigData2403

#添加拦截器的配置对数据进行处理

a1.sources.r1.interceptors=i1
a1.sources.r1.interceptors.i1.type=com.BigData.TableNameInterceptor$Builder

a1.channels.c1.type = file
a1.channels.c1.dataDirs=/opt/module/flume/file/data
a1.channels.c1.checkpointDir=/opt/module/flume/file

a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path = hdfs://master:8020/gmall/db/%{table}/%Y-%m-%d

a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

运行flume脚本

cd /opt/module/kafka/

bin/kafka-console-consumer.sh --bootstrap-server=master:9092 --topic=BigData2403

（8）运行Datax采集工具，将HDFS上指定的数据内容到Mysql数。

master:

cd /opt/module/datax/

python bin/datax.py job/mysql_datax_hdfs.json

（9）启动FineBI报表工具，将mysql数据库中的数据进行展示\

master:

cd /opt/FineBI6.0/

bin/finebi

http://master:37799/webroot/decision(若内存太小，无法启动)（解决方法：停掉所有的集群，只启动这个）