ip integrator

“ Lambda體系結(jié)構(gòu)是一種數(shù)據(jù)處理體系結(jié)構(gòu)，旨在通過利用批處理和流處理方法來處理大量數(shù)據(jù)。 這種體系結(jié)構(gòu)方法嘗試通過使用批處理提供批處理數(shù)據(jù)的全面而準(zhǔn)確的視圖，同時使用實時流處理提供在線數(shù)據(jù)的視圖來平衡延遲 ， 吞吐量和容錯 。 在演示之前，可以將兩個視圖輸出合并。 lambda體系結(jié)構(gòu)的興起與大數(shù)據(jù)的增長，實時分析以及減輕地圖縮減延遲的驅(qū)動力有關(guān)。” –維基百科

以前，我已經(jīng)寫了一些博客，涉及許多用例，這些用例是使用Oracle Data Integrator（ODI）在MapR分發(fā)之上進行批處理，以及使用Oracle GoldenGate（OGG）將事務(wù)數(shù)據(jù)流式傳輸?shù)組apR Streams和其他Hadoop組件中。 最新的ODI（12.2.1.2.6）結(jié)合了這兩種產(chǎn)品以完全適合lambda架構(gòu)，同時具有許多新的強大功能，包括能夠?qū)afka流作為ODI本身的源和目標(biāo)進行處理。 通過簡化我們在一種產(chǎn)品下以相同邏輯設(shè)計處理和處理批處理和快速數(shù)據(jù)的方式，此功能對已經(jīng)擁有或計劃擁有l(wèi)ambda架構(gòu)的任何人都具有巨大的優(yōu)勢。 現(xiàn)在，如果我們將OGG流傳輸功能和ODI批處理/流傳輸功能結(jié)合在一起，則可能性是無限的。

在本博客中，我將向您展示如何使用Spark Streaming在Oracle Data Integrator上配置MapR流（又名Kafka）以創(chuàng)建真正的lambda體系結(jié)構(gòu)：補充批處理和服務(wù)層的快速層。

在本文中，我將跳過ODI的“贊揚和稱贊”部分，但我只想強調(diào)一點：自從ODI首次發(fā)布以來，為該博客設(shè)計的映射就像您要設(shè)計的所有其他映射一樣，都是您可以立即使用Hadoop / Spark集群上的本機代碼運行100％的代碼，無需編寫零行代碼，也不必擔(dān)心如何以及在何處編碼。

我已經(jīng)在MapR上完成了此操作，因此我可以制作“兩只鳥一塊石頭”。 向您展示MapR Streams步驟和Kafka。 由于兩者在概念或API實現(xiàn)上并沒有太大差異，因此如果您使用的是Kafka，則可以輕松地應(yīng)用相同的步驟。

如果您不熟悉MapR Streams和/或Kafka概念，建議您花一些時間來閱讀它們。 以下內(nèi)容假定您知道什么是MapR Streams和Kafka（當(dāng)然還有ODI）。 否則，您仍然會對可能的功能有個好主意。

準(zhǔn)備工作

MapR Streams（aka Kafka）相關(guān)的準(zhǔn)備工作

顯然，我們需要創(chuàng)建MapR Streams路徑和主題。 與Kafka不同，MapR通過“ maprcli”命令行實用程序使用自己的API來創(chuàng)建和定義主題。 因此，如果您使用商品Kafka，則此步驟將略有不同。 Web上有很多有關(guān)如何創(chuàng)建和配置Kafka主題和服務(wù)器的示例，因此您并不孤單。

為了進行此演示，我創(chuàng)建了一個路徑和該路徑下的兩個主題。 我們將讓ODI從其中一個主題（注冊）進行消費，并生成另一個主題（registrations2）。 這樣，您將看到它如何通過ODI起作用。

創(chuàng)建一個名為“ users-stream”的MapR Streams路徑和一個名為“ registrations”的主題：

在我之前定義的相同路徑上創(chuàng)建第二個主題“ registrations2”：

Hadoop相關(guān)準(zhǔn)備

由于我正在使用已安裝并正在運行MapR的個人預(yù)配置VM，因此此處的準(zhǔn)備工作不多。 但是，需要一些步驟才能成功完成ODI映射。 如果您想知道我是如何使ODI從事MapR發(fā)行的，那么您可以參考此博客文章 。

• Spark：我已經(jīng)在Spark 1.6.1上進行了測試，您也應(yīng)該這樣做。 至少不要轉(zhuǎn)到任何較低版本。 此外，您需要針對Spark構(gòu)建具有特定的標(biāo)簽版本。 我從標(biāo)簽1605（這是MapR發(fā)布約定）開始測試，但是我的工作失敗了。 究其原因，我發(fā)現(xiàn)PySpark庫不是MapR Streams API的最新版本。 他們可以使用商品Kafka，但不能使用MapR。 這是我使用過的RPM的鏈接 。
• Spark日志記錄：在spark路徑下，有一個“ config”文件夾，其中包含不同的配置文件。 如果需要的話，我們只對其中一項感興趣。 文件名為“ log4j.properties”。 您需要確保將“ rootCategory”參數(shù)設(shè)置為INFO，否則，當(dāng)您運行提交到Spark的任何ODI映射時，都會出現(xiàn)異常：

• Hadoop憑證存儲：在提交的任何作業(yè)中需要特定密碼時，ODI將引用Hadoop憑證存儲。 這樣，我們就不會在參數(shù)/屬性文件或代碼本身中包含任何明確的密碼。 在此演示中，我們將在某個時候使用MySQL，因此我需要創(chuàng)建一個存儲并為MySQL密碼添加別名。 首先，您需要確保core-site.xml中存在憑證存儲的條目，然后實際上為密碼值創(chuàng)建別名：

上一張圖片是我的“ site-core.xml”的摘要，向您顯示了我添加的憑據(jù)存儲。 下一步將是驗證商店是否存在，然后為密碼值創(chuàng)建別名：

更改之后，即使在編輯core-site.xml之后，也無需重新啟動任何hadoop組件。

注意：如果遇到“操作系統(tǒng)異常”（例如137），請確保有足夠的可用內(nèi)存。

ODI相關(guān)準(zhǔn)備

您將在ODI中進行的常規(guī)準(zhǔn)備工作。 我將在此博客中顯示相關(guān)內(nèi)容。

Hadoop數(shù)據(jù)服務(wù)器

以下配置特定于MapR。 如果使用其他發(fā)行版，則需要輸入相關(guān)的端口號和路徑：

Spark-Python數(shù)據(jù)服務(wù)器

在此ODI版本12.2.1.2.6中，如果要使用Spark Streaming和常規(guī)Spark服務(wù)器/群集，則需要創(chuàng)建多個Spark數(shù)據(jù)服務(wù)器。 在此演示中，我僅創(chuàng)建了Spark Streaming服務(wù)器，并將其稱為Spark-Async。

您需要將“主群集”值更改為實際使用的值：yarn-client或yarn-cluster，然后選擇我們之前創(chuàng)建的Hadoop DataServer。

現(xiàn)在，這里配置的有趣部分是Spark-Async數(shù)據(jù)服務(wù)器的屬性：

我已經(jīng)強調(diào)了您需要注意的最重要的部分。 之所以使用ASYNC，是因為我們將使用Spark Streaming。 其余屬性與性能有關(guān)。

卡夫卡數(shù)據(jù)服務(wù)器

在這里，我們將定義MapR Streams數(shù)據(jù)服務(wù)器：

元數(shù)據(jù)代理具有一個“虛擬”地址，僅符合Kafka API。 MapR Streams客戶端將為您提供連接到MapR Streams所需的服務(wù)。 您不能在此處測試數(shù)據(jù)服務(wù)器，因為在MapR上沒有運行這樣的Kafka服務(wù)器。 因此，請安全地忽略此處的測試連接，因為它將失敗（這樣就可以了）。

對于屬性，您需要定義以下內(nèi)容：

您需要手動定義“ key.deserializer”和“ value.deserializer”。 MapR Streams都需要兩者，如果未定義作業(yè)，作業(yè)將失敗。

ODI映射設(shè)計

我已經(jīng)在這里進行了測試，涵蓋了五個用例。 但是，我將僅介紹一個完整的內(nèi)容，并突出顯示其他內(nèi)容，以免您閱讀多余和常識性的步驟。

1）MapR Streams（Kafka）=> Spark Streaming => MapR Streams（Kafka）：

在此映射中，我們將從先前創(chuàng)建的主題之一中讀取流數(shù)據(jù)，應(yīng)用一些函數(shù)（簡單的函數(shù)），然后將結(jié)果生成到另一個主題。 這是映射的邏輯設(shè)計：

我通過復(fù)制已經(jīng)為MySQL反向工程設(shè)計的模型之一（結(jié)構(gòu)相同）定義了MapR_Streams_Registrations1模型，但是在這種情況下，當(dāng)然選擇的技術(shù)是Kafka。 您將能夠選擇流數(shù)據(jù)的格式：Avro，JSON，Parquet或Delimited：

物理設(shè)計如下所示：

• SOURCE_GROUP：這是我們的MapR Streams主題“注冊”
• TRANS_GROUP：這是我們的Spark異步服務(wù)器
• TARGET_GROUP：這是我們的MapR Streams主題“ registrations2”

物理實現(xiàn)的屬性為：

您需要選擇暫存位置作為Spark Async并啟用“流式傳輸”。

要將主題（注冊）中的流數(shù)據(jù)加載到Spark Streaming，我們需要選擇合適的LKM，即LKM Kafka到Spark：

然后從Spark Streaming加載到MapR Stream目標(biāo)主題registrations2，我們需要選擇LKM Spark到Kafka：

2）MapR-FS（HDFS）=> Spark Streaming => MapR Streams（Kafka）：

除了使用的知識模塊之外，我在這里不會向您展示太多。 要將MapR-FS（HDFS）加載到Spark Streaming，我使用了LKM File來Spark：

為了從Spark Streaming加載到MapR Streams，我像以前的映射一樣使用LKM Spark到Kafka。

注意：LKM File to Spark將充當(dāng)一個流，一個文件流（顯然）。 ODI將僅接收任何更新/新文件，而不是靜態(tài)文件。

3）MapR Streams（Kafka）=> Spark Streaming => MySQL：

要將MapR Streams（Kafka）加載到Spark Streaming，就像在第一個映射中一樣，我使用了LKM Kafka到Spark。 然后從Spark Streaming加載到MySQL，我使用了LKM Spark到SQL：

4）MapR流（Kafka）=> Spark流=> MapR-FS（HDFS）

為了從MapR流加載到Spark流，我像以前一樣使用LKM Kafka到Spark，然后從Spark流加載到MapR-FS（HDFS），我已經(jīng)使用LKM Spark到File：

5）MapR Streams（Kafka）和Oracle DB => Spark Streaming => MySQL

這是另一個有趣的用例，您實際上可以在現(xiàn)場將Kafka流與SQL源一起加入。 這僅（當(dāng)前）適用于查找組件：

請注意，驅(qū)動程序源必須是Kafka（在我們的示例中為MapR流），而查找源必須是SQL數(shù)據(jù)庫。 我使用了與以前的映射幾乎相同的LKM：從LKM SQL到Spark，從LKM Kafka到Spark和從LKM Spark到SQL。

行刑

我將僅向您展示第一個用例的執(zhí)行步驟，即MapR Streams（Kafka）=> Spark Streaming => MapR Streams（Kafka）。 為了模擬這種情況，我創(chuàng)建了一個Kafka生產(chǎn)者控制臺和另一個Kafka消費者控制臺，以便可以監(jiān)視結(jié)果。 查看下面的生產(chǎn)者，我粘貼了一些記錄：

我已經(jīng)突出顯示了其中一個URL，以確保您注意到它是小寫的。 等待幾秒鐘，Spark將處理這些消息并將其發(fā)送到目標(biāo)MapR Streams主題：

請注意，所有URL均大寫。 成功！

通過映射，結(jié)果與預(yù)期的一樣。 我不會為他們展示測試步驟，因為它們很簡單。 這里的想法是向您展示如何使用MapR Streams（Kafka）配置ODI。

最后的話

值得一提的是，在執(zhí)行任何映射時，您都可以深入查看日志并查看正在發(fā)生的事情（生成的代碼等）。 此外，您將獲得指向工作歷史URL的鏈接，以在Spark UI上進行訪問：

打開鏈接將帶我們到Spark UI：

如果要控制流作業(yè)可以生存多長時間，則需要增加Spark-Async數(shù)據(jù)服務(wù)器的“ spark.streaming.timeout”屬性，或從映射配置本身覆蓋它。 您可能還需要創(chuàng)建一個ODI程序包，該程序包具有一個循環(huán)和其他有用的組件來滿足您的業(yè)務(wù)需求。

結(jié)論

ODI可以處理lambda架構(gòu)中的兩個層：批處理層和快速層。 這不僅是ODI在其非常長的綜合功能列表中添加的一項重要功能，而且還將提高從一個統(tǒng)一，易于使用的界面設(shè)計數(shù)據(jù)管道的生產(chǎn)率和效率。 顯然，ODI可以像使用商品Kafka一樣輕松地與MapR Streams一起使用，這要感謝MapR的二進制文件與Kafka API兼容，以及ODI不需要依賴于一個框架。 這向您保證ODI是與眾不同的真正開放和模塊化的E-LT工具。

其他一些相關(guān)職位：

• Oracle Data Integrator和MapR融合數(shù)據(jù)平臺：請檢查！
• 使用Oracle GoldenGate將事務(wù)數(shù)據(jù)流式傳輸?shù)組apR流中
• 使用Oracle GoldenGate進行MapR-FS實時事務(wù)數(shù)據(jù)提取
• 帶有ODI的逆向工程師MapR-DB

免責(zé)聲明

這里表達的思想，實踐和觀點僅是作者的觀點，不一定反映Oracle的觀點。

翻譯自: https://www.javacodegeeks.com/2017/02/perfecting-lambda-architecture-oracle-data-integrator-kafka-mapr-streams.html

ip integrator

總結(jié)

以上是生活随笔為你收集整理的ip integrator_使用Oracle Data Integrator（和Kafka / MapR流）完善Lambda体系结构的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。