Kafka在行動：7步實現從RDBMS到Hadoop的實時流傳輸
對于尋找方法快速吸收數據到Hadoop數據池的企業， Kafka是一個偉大的選擇。Kafka是什么? 它是一個分布式，可擴展的可靠消息系統，把采取發布-訂閱模型的應用程序/數據流融為一體。 這是Hadoop的技術堆棧中的關鍵部分，支持實時數據分析或物聯網數據貨幣化。
本文目標讀者是技術人員。 繼續讀，我會圖解Kafka如何從關系數據庫管理系統(RDBMS)里流輸數據到Hive， 這可以提供一個實時分析使用案例。 為了參考方便，本文使用的組件版本是Hive 1.2.1，Flume 1.6和Kafka 0.9。
如果你想看一下Kafka是什么和其用途的概述， 看看我 在Datafloq 上發布的一篇早期博客。
Kafka用武之地：整體解決方案架構
下圖顯示了在整體解決方案架構中，RDBMS的業務數據傳遞到目標 Hive 表格結合了 Kafka ， Flume和Hive交易功能。
7步實時流傳輸到Hadoop
現在深入到解決方案的詳細信息，我會告訴你如何簡單幾步實時流輸數據到Hadoop。
1. 從關系數據庫管理系統(RDBMS)提取數據
所有關系數據庫都有一個記錄最近交易的日志文件。 我們的傳輸流解決方案的***步是，在能夠傳到Hadoop的信息格式中獲得這些交易。 講完提取機制得單獨占用一篇博文–所以 如果你想了解更多此過程的信息， 請聯系我們。
2. 建立Kafka Producer
發布消息到Kafka主題的過程被稱為“生產者”。“主題”是Kafka保存的分類消息。 RDBMS的交易將被轉換為Kafka話題。 對于該例，讓我們想一想銷售團隊的數據庫，其中的交易是作為Kafka主題發表的。 建立Kafka生產者需要以下步驟：
3. 設置 Hive
接下來，我們將在Hive中創建一張表，準備接收銷售團隊的數據庫事務。 在這個例子中，我們將創建一個客戶表：
為了讓Hive能夠處理交易， 配置中需要以下設置：
hive.txn.manager = org.apache.hadoop.hive.ql.lockmgr.dbtxnmanager
4.設置Flume Agent，從Kafka到Hive流傳輸
現在讓我們來看看如何創建Flume代理，實現從Kafka主題中獲取數據，發送到Hive表。
遵循步驟來設置環境，然后建立Flume代理：
接著，如下創建一個log4j屬性文件：
然后為Flume代理使用下面的配置文件：
5.開啟Flume代理
使用如下命令開啟Flume代理：
$ /usr/hdp/apache-flume-1.6.0/bin/flume-ng agent -n flumeagent1 -f ~/streamingdemo/flume/conf/flumetohive.conf
6.開啟Kafka Stream
如下示例，是一個模擬交易消息， 在實際系統中需要由源數據庫生成。 例如，以下可能來自重復SQL交易的Oracle數據流，這些交易已提交到數據庫， 也可能來自GoledenGate。
7.接收Hive數據
以上所有完成， 現在從Kafka發送數據， 你會看到，幾秒之內，數據流就發送到Hive表了。
