温馨提示：要看高清无码套图，请使用手机打开并单击图片放大查看。
Fayson的github： https://github.com/fayson/cdhproject
提示：代码块部分可以左右滑动查看噢
1.文档编写目的
在前面的文章Fayson介绍了在Kerberos环境下《Spark2Streaming读Kerberos环境的Kafka并写数据到Kudu》，本篇文章Fayson主要介绍如何使用Spark2Streaming访问Kerberos环境的Kafka并将接收到的Kafka数据写入HBase，在介绍本篇文章前，你可能需要知道：
《如何在CDH集群启用Kerberos》
《如何通过Cloudera Manager为Kafka启用Kerberos及使用》
示例架构图如下：
示例详细流程图如下：
- 内容概述：
1.环境准备
2.Spark2Streaming示例开发
3.示例运行
4.总结
- 测试环境：
1.CM5.14.3/CDH5.14.2
2.CDK2.2.0（Apache Kafka0.10.2）
3.SPARK2.2.0
4.操作系统版本为Redhat7.3
5.采用root用户进行操作
6.集群已启用Kerberos
2.环境准备
1.准备访问Kafka的Keytab文件，使用xst命令导出keytab文件
代码语言：javascript复制[root@cdh01 ~]# kadmin.local
Authenticating as principal hbase/admin@FAYSON.COM with password.
kadmin.local: xst -norandkey -k fayson.keytab fayson@FAYSON.COM（可左右滑动）
使用klist命令检查导出的keytab文件是否正确
代码语言：javascript复制[root@cdh01 ~]# klist -ek fayson.keytab
2. 准备jaas.cof文件内容如下：
代码语言：javascript复制KafkaClient {
com.sun.security.auth.module.Krb5LoginModule required
useKeyTab=true
keyTab="/data/disk1/0286-kafka-shell/conf/fayson.keytab"
principal="fayson@FAYSON.COM";
};
Client {
com.sun.security.auth.module.Krb5LoginModule required
useKeyTab=true
storeKey=true
keyTab="/data/disk1/0286-kafka-shell/conf/fayson.keytab"
principal="fayson@FAYSON.COM";
};（可左右滑动）
将fayson.keytab和jaas.conf文件拷贝至集群的所有节点统一的/data/disk1/0286-kafka-shell/conf目录下。
3. 准备向Kerberos环境发送数据的脚本，关于脚本这里就不在过多的介绍前面很多文章都有介绍，具体可以参考Fayson的GitHub：
https://github.com/fayson/cdhproject/tree/master/kafkademo/0286-kafka-shell
根据需要将conf下面的配置文件修改为自己集群的环境即可，发送至Kafka的JSON数据示例如下：
代码语言：javascript复制{
"occupation": "生产工作、运输工作和部分体力劳动者",
"address": "台东东二路16号-8-8",
"city": "长治",
"marriage": "1",
"sex": "1",
"name": "仲淑兰",
"mobile_phone_num": "13607268580",
"bank_name": "广州银行31",
"id": "510105197906185179",
"child_num": "1",
"fix_phone_num": "15004170180"
}（可左右滑动）
4.登录CM进入SPARK2服务的配置项将spark_kafka_version的kafka版本修改为0.10
5.通过CM下载HBase客户端配置文件
6.将Spark2访问HBase的依赖包添加到集群的/opt/cloudera/parcels/SPARK2/lib/spark2/jars目录下，依赖的jar包如下:
代码语言：javascript复制hbase-client-1.2.0-cdh5.14.2.jar
hbase-common-1.2.0-cdh5.14.2.jar
hbase-protocol-1.2.0-cdh5.14.2.jar
htrace-core-3.2.0-incubating.jar（可左右滑动）
注意：需要将依赖包拷贝至集群所有节点。
3.Spark2Streaming示例开发
1.使用maven创建scala语言的spark2demo工程，pom.xml依赖如下
代码语言：javascript复制<dependency>
<groupId>org.apache.hbase</groupId>
<artifactId>hbase-client</artifactId>
<version>1.2.0-cdh5.14.2</version>
</dependency>（可左右滑动）
具体需要的依赖包，可以参考Fayson前面的文章《Spark2Streaming读Kerberos环境的Kafka并写数据到Kudu》
2.添加访问HBase的集群配置信息hdfs-site.xml/core-stie.xml/hbase-site.xml文件
3.在resources下创建0289.properties配置文件，内容如下：
代码语言：javascript复制kafka.brokers=cdh02.fayson.com:9092,cdh03.fayson.com:9092,cdh04.fayson.com:9092
kafka.topics=kafka_hbase_topic
principal.account=fayson@FAYSON.COM
keytab.filepath=/data/disk1/spark2streaming-kafka-hbase/conf/fayson.keytab（可左右滑动）
4.创建HBaseUtils.scala类，主要用于创建HBase的Connection
代码语言：javascript复制package utils
import java.io.File
import java.security.PrivilegedAction
import org.apache.hadoop.hbase.{HBaseConfiguration}
import org.apache.hadoop.hbase.client.{Connection, ConnectionFactory}
import org.apache.hadoop.security.UserGroupInformation
/**
* package: utils
* describe: 访问Kerberos环境下的HBase
* creat_user: Fayson
* email: htechinfo@163.com
* creat_date: 2018/6/25
* creat_time: 下午10:46
* 公众号：Hadoop实操
*/
object HBaseUtil {
/**
* HBase 配置文件路径
* @param confPath
* @return
*/
def getHBaseConn(confPath: String, principal: String, keytabPath: String): Connection = {
val configuration = HBaseConfiguration.create
val coreFile = new File(confPath File.separator "core-site.xml")
if(!coreFile.exists()) {
val in = HBaseUtil.getClass.getClassLoader.getResourceAsStream("hbase-conf/core-site.xml")
configuration.addResource(in)
}
val hdfsFile = new File(confPath File.separator "hdfs-site.xml")
if(!hdfsFile.exists()) {
val in = HBaseUtil.getClass.getClassLoader.getResourceAsStream("hbase-conf/hdfs-site.xml")
configuration.addResource(in)
}
val hbaseFile = new File(confPath File.separator "hbase-site.xml")
if(!hbaseFile.exists()) {
val in = HBaseUtil.getClass.getClassLoader.getResourceAsStream("hbase-conf/hbase-site.xml")
configuration.addResource(in)
}
UserGroupInformation.setConfiguration(configuration)
UserGroupInformation.loginUserFromKeytab(principal, keytabPath)
val loginUser = UserGroupInformation.getLoginUser
loginUser.doAs(new PrivilegedAction[Connection] {
override def run(): Connection = ConnectionFactory.createConnection(configuration)
})
}
}（可左右滑动）
5.创建Kafka2Spark2HBase.scala文件，内容如下：
代码语言：javascript复制package com.cloudera.streaming
import java.io.{File, FileInputStream}
import java.util.Properties
import org.apache.commons.lang.StringUtils
import org.apache.hadoop.hbase.TableName
import org.apache.hadoop.hbase.client.Put
import org.apache.hadoop.hbase.util.Bytes
import org.apache.kafka.common.serialization.StringDeserializer
import org.apache.log4j.{Level, Logger}
import org.apache.spark.SparkConf
import org.apache.spark.sql.SparkSession
import org.apache.spark.streaming.kafka010.{ConsumerStrategies, KafkaUtils, LocationStrategies}
import org.apache.spark.streaming.{Seconds, StreamingContext}
import utils.HBaseUtil
import scala.util.Try
import scala.util.parsing.json.JSON
/**
* package: com.cloudera.streaming
* describe: Kerberos环境中Spark2Streaming应用实时读取Kafka数据，解析后存入HBase
* 使用spark2-submit的方式提交作业
* spark2-submit --class com.cloudera.streaming.Kafka2Spark2Hbase
--master yarn
--deploy-mode client
--executor-memory 2g
--executor-cores 2
--driver-memory 2g
--num-executors 2
--queue default
--principal fayson@FAYSON.COM
--keytab /data/disk1/spark2streaming-kafka-hbase/conf/fayson.keytab
--files "/data/disk1/spark2streaming-kafka-hbase/conf/jaas.conf#jaas.conf"
--driver-java-options "-Djava.security.auth.login.config=/data/disk1/spark2streaming-kafka-hbase/conf/jaas.conf"
--conf "spark.executor.extraJavaOptions=-Djava.security.auth.login.config=/data/disk1/spark2streaming-kafka-hbase/conf/jaas.conf"
spark2-demo-1.0-SNAPSHOT.jar
* creat_user: Fayson
* email: htechinfo@163.com
* creat_date: 2018/6/25
* creat_time: 下午10:40
* 公众号：Hadoop实操
*/
object Kafka2Spark2Hbase {
Logger.getLogger("com").setLevel(Level.ERROR) //设置日志级别
var confPath: String = System.getProperty("user.dir") File.separator "conf"
def main(args: Array[String]): Unit = {
//加载配置文件
val properties = new Properties()
val file = new File(confPath File.separator "0288.properties")
if(!file.exists()) {
val in = Kafka2Spark2Kudu.getClass.getClassLoader.getResourceAsStream("0289.properties")
properties.load(in);
} else {
properties.load(new FileInputStream(confPath))
}
val brokers = properties.getProperty("kafka.brokers")
val topics = properties.getProperty("kafka.topics")
val principal = properties.getProperty("principal.account")
val keytabFilePath = properties.getProperty("keytab.filepath")
println("kafka.brokers:" brokers)
println("kafka.topics:" topics)
if(StringUtils.isEmpty(brokers)|| StringUtils.isEmpty(topics) || StringUtils.isEmpty(principal) || StringUtils.isEmpty(keytabFilePath)) {
println("未配置Kafka和Kerberos信息")
System.exit(0)
}
val topicsSet = topics.split(",").toSet
val spark = SparkSession.builder().appName("Kafka2Spark2HBase-kerberos").config(new SparkConf()).getOrCreate()
val ssc = new StreamingContext(spark.sparkContext, Seconds(5)) //设置Spark时间窗口，每5s处理一次
val kafkaParams = Map[String, Object]("bootstrap.servers" -> brokers
, "auto.offset.reset" -> "latest"
, "security.protocol" -> "SASL_PLAINTEXT"
, "sasl.kerberos.service.name" -> "kafka"
, "key.deserializer" -> classOf[StringDeserializer]
, "value.deserializer" -> classOf[StringDeserializer]
, "group.id" -> "testgroup"
)
val dStream = KafkaUtils.createDirectStream[String, String](ssc,
LocationStrategies.PreferConsistent,
ConsumerStrategies.Subscribe[String, String](topicsSet, kafkaParams))
dStream.foreachRDD(rdd => {
rdd.foreachPartition(partitionRecords => {
val connection = HBaseUtil.getHBaseConn(confPath, principal, keytabFilePath) // 获取Hbase连接
partitionRecords.foreach(line => {
//将Kafka的每一条消息解析为JSON格式数据
val jsonObj = JSON.parseFull(line.value())
println(line.value())
val map:Map[String,Any] = jsonObj.get.asInstanceOf[Map[String, Any]]
val rowkey = map.get("id").get.asInstanceOf[String]
val name = map.get("name").get.asInstanceOf[String]
val sex = map.get("sex").get.asInstanceOf[String]
val city = map.get("city").get.asInstanceOf[String]
val occupation = map.get("occupation").get.asInstanceOf[String]
val mobile_phone_num = map.get("mobile_phone_num").get.asInstanceOf[String]
val fix_phone_num = map.get("fix_phone_num").get.asInstanceOf[String]
val bank_name = map.get("bank_name").get.asInstanceOf[String]
val address = map.get("address").get.asInstanceOf[String]
val marriage = map.get("marriage").get.asInstanceOf[String]
val child_num = map.get("child_num").get.asInstanceOf[String]
val tableName = TableName.valueOf("user_info")
val table = connection.getTable(tableName)
val put = new Put(Bytes.toBytes(rowkey))
put.addColumn(Bytes.toBytes("info"), Bytes.toBytes("name"), Bytes.toBytes(name))
put.addColumn(Bytes.toBytes("info"), Bytes.toBytes("sex"), Bytes.toBytes(sex))
put.addColumn(Bytes.toBytes("info"), Bytes.toBytes("city"), Bytes.toBytes(city))
put.addColumn(Bytes.toBytes("info"), Bytes.toBytes("occupation"), Bytes.toBytes(occupation))
put.addColumn(Bytes.toBytes("info"), Bytes.toBytes("mobile_phone_num"), Bytes.toBytes(mobile_phone_num))
put.addColumn(Bytes.toBytes("info"), Bytes.toBytes("fix_phone_num"), Bytes.toBytes(fix_phone_num))
put.addColumn(Bytes.toBytes("info"), Bytes.toBytes("bank_name"), Bytes.toBytes(bank_name))
put.addColumn(Bytes.toBytes("info"), Bytes.toBytes("address"), Bytes.toBytes(address))
put.addColumn(Bytes.toBytes("info"), Bytes.toBytes("marriage"), Bytes.toBytes(marriage))
put.addColumn(Bytes.toBytes("info"), Bytes.toBytes("child_num"), Bytes.toBytes(child_num))
Try(table.put(put)).getOrElse(table.close())//将数据写入HBase，若出错关闭table
table.close()//分区数据写入HBase后关闭连接
})
connection.close()
})
})
ssc.start()
ssc.awaitTermination()
}
}（可左右滑动）
6.使用mvn命令编译工程，注意由于是scala工程编译时mvn命令要加scala:compile
代码语言：javascript复制mvn clean scala:compile package7.将编译好的spark2-demo-1.0-SNAPSHOT.jar包上传至服务器
7.将编译好的spark2-demo-1.0-SNAPSHOT.jar包上传至服务器
将Spark2应用的配置文件放在conf目录下，内容如下：
0289.properties配置文件内容如下：
jaas.conf文件内容如下：
将spark2streaming-kafka-hbase目录拷贝至集群的所有节点
4.示例运行
1.使用spark2-submit命令向集群提交Spark2Streaming作业
代码语言：javascript复制spark2-submit --class com.cloudera.streaming.Kafka2Spark2Hbase
--master yarn
--deploy-mode client
--executor-memory 2g
--executor-cores 2
--driver-memory 2g
--num-executors 2
--queue default
--principal fayson@FAYSON.COM
--keytab /data/disk1/spark2streaming-kafka-hbase/conf/fayson.keytab
--files "/data/disk1/spark2streaming-kafka-hbase/conf/jaas.conf#jaas.conf"
--driver-java-options "-Djava.security.auth.login.config=/data/disk1/spark2streaming-kafka-hbase/conf/jaas.conf"
--conf "spark.executor.extraJavaOptions=-Djava.security.auth.login.config=/data/disk1/spark2streaming-kafka-hbase/conf/jaas.conf"
spark2-demo-1.0-SNAPSHOT.jar（可左右滑动）
通过CM查看作业是否提交成功
Spark2的UI界面
2.运行脚本向Kafka的Kafka_hbase_topic生产消息
3.使用hbase shell命令查看数据是否入库成功
5.总结
1.本示例中SparkStreaming读取Kerberos环境的Kafka集群，使用的是spark-streaming-kafka0.10.0版本的依赖包，在Spark中提供两个的另外一个版本的为0.8.0版本，在选择依赖包时需要注意与Spark版本的兼容性问题，具体可以参考官网地址：
代码语言：javascript复制http://spark.apache.org/docs/2.2.0/streaming-kafka-integration.html（可左右滑动）
2.在前面的文章Fayson也有介绍Java访问Kerberos环境的Kafka，需要使用到jaas.conf文件，这里的jaas.conf文件Fayson通过spark2-submit的方式指定，注意我们的jaas.conf文件及keytab需要在集群的所有节点存在，因为Driver和Executor是随机在集群的节点上启动的。
3.同样在scala代码中访问Kafka是也一样需要添加Kerberos相关的配置security.protocol和sasl.kerberos.service.name参数。
4.Spark2默认的kafka版本为0.9需要通过CM将默认的Kafka版本修改为0.10
5.注意在0289.properties配置文件中，指定了keytab文件的绝对路径，如果指定的为相对路径可能会出现Kerberos认证失败。
6.在访问Kerberos环境的HBase，需要加载HBase的客户端配置文件，因为在访问HBase时需要使用Hadoop的UserGroupInformation对象登录Kerberos账号，为了方便直接将三个配置文件加载。
GitHub地址如下：
https://github.com/fayson/cdhproject/blob/master/spark2demo/src/main/scala/com/cloudera/streaming/Kafka2Spark2Hbase.scala
https://github.com/fayson/cdhproject/blob/master/spark2demo/src/main/scala/utils/HBaseUtil.scala
