apache-kafka - 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 flume agent，这样它就会脱离现有的设置；一个 Kafka 源，文件 channel 到 HDFS 接收器，使用 Kafka channel 。

我在 cloudera documentation 中读到仅使用 Kafka Channel 和 HDFS sink(没有水槽源)就可以实现这一点。(除非我弄错了。)所以我尝试创建此配置，但它不起作用。它甚至没有在盒子上启动水槽进程。

# 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 快速启动虚拟机 2.6.3
• Flume 版本 1.5.2
• HDFS 目录确实存在
• ps -ef | grep flume 只有在我添加了 kafka 源后才返回一个进程，但这是不对的，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。

是否可以仅使用 Kafka Channel 和 HDFS Sink，或者我是否需要使用 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

在仔细研究之后，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)，配置就在盒子上创建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。