Druid 大数据分析之快速应用（单机模式）

阅读更多

1、概述

   本节快速安装基于单机服务器，很多配置可以默认不需要修改，数据存储在操作系统级别的磁盘。推出快速安装的目的，便于了解并指导基于Druid进行大数据分析的开发流程。本节主要讲Druid的安装、实例数据加载、查询及使用问题解决。

 

2、安装要求

    1. Java 7 及以上
    2. Linux, Mac OS X, or other Unix-like OS (Windows不支持)
    3. VMware
    4. 2CPU ++; 内存2G ++

 

3、Zookeeper 安装

   本次采单机版安装，如果采用分布式安装，则需要修改Druid相应配置，反之不需要。 Zookeeper默认启用2181端口监听。

 

curl http://www.gtlib.gatech.edu/pub/apache/zookeeper/zookeeper-3.4.6/zookeeper-3.4.6.tar.gz -o zookeeper-3.4.6.tar.gz
tar -xzf zookeeper-3.4.6.tar.gz
cd zookeeper-3.4.6
cp conf/zoo_sample.cfg conf/zoo.cfg
./bin/zkServer.sh start

     zookeeper 安装验证

cd zookeeper-3.4.6 // 切换至Zookeeper根目录
bin/zkCli.sh       // 启动Zookeeper客户端
ls /               // 查看根节点

 

4、Druid 安装

curl -O http://static.druid.io/artifacts/releases/druid-0.9.1.1-bin.tar.gz
tar -xzf druid-0.9.1.1-bin.tar.gz
cd druid-0.9.1.1

 

解压后 Druid 相关目录说明

 

• LICENSE - 许可证文件。
• bin/ - 快速启动脚本。
• conf/* - 集群安装配置（包括Hadoop）。
• conf-quickstart/* - 快速启动相关配置。
• extensions/* - Druid扩展。
• hadoop-dependencies/* - Druid hadoop依赖。
• lib/* - Druid核心软件包。
• quickstart/* - 快速启动示例文件及数据。

 

5、启动 Druid 准备

    启动Druid相关服务之前，我们需要做两件事：
   1. 启动Zookeeper
   2. 切换到Druid根目录，执行 bin/init

 

6、启动 Druid 相关服务

    启动5个Druid进程在不同远程终端窗口，因为是单机模式，所有进程在同一服务器上；在大的分布式集群中，很多Druid进程可以在同一服务器，我们需要启动的5个Druid进程：Historical、Broker、coordinator、overlord、middleManager。overlord与middleManager对应Indexer节点，节点相关介绍请查看《http://yangyangmyself.iteye.com/blog/2320502》，后续将会详细介绍节点工作机制。

    

    切换至Druid安装目录，在不同远程终端窗口依次执行以命令

java `cat conf-quickstart/druid/historical/jvm.config | xargs` -cp "conf-quickstart/druid/_common:conf-quickstart/druid/historical:lib/*" io.druid.cli.Main server historical
java `cat conf-quickstart/druid/broker/jvm.config | xargs` -cp "conf-quickstart/druid/_common:conf-quickstart/druid/broker:lib/*" io.druid.cli.Main server broker
java `cat conf-quickstart/druid/coordinator/jvm.config | xargs` -cp "conf-quickstart/druid/_common:conf-quickstart/druid/coordinator:lib/*" io.druid.cli.Main server coordinator
java `cat conf-quickstart/druid/overlord/jvm.config | xargs` -cp "conf-quickstart/druid/_common:conf-quickstart/druid/overlord:lib/*" io.druid.cli.Main server overlord
java `cat conf-quickstart/druid/middleManager/jvm.config | xargs` -cp "conf-quickstart/druid/_common:conf-quickstart/druid/middleManager:lib/*" io.druid.cli.Main server middleManager

 

Druid 控制台 

    如果上述服务启动成功，则可以访问如下控制台
   1. 访问http://localhost:8090/console.html 可以查看数据批量导入Druid的任务执情况，间隔一段时间刷新一下控制台，如果看到SUCCESS任务状态，说明任务执行成功，如下图所示：


 
    2. 访问http://localhost:8081/ 查看任完成进度、数据分片情况、索引创建等

 
 

 

7、Druid 加文件数据

    以上Druid相关服务启动后，我们需要加载相关业务数据到Druid，Druid根据数据加载的配置文件，将我们的原始业务数据做相应的预处理后进行存储，以便后续查询统计。数据加载有两种方式：一是实时加载；二、加载批文件，本节讲如何加载Json批数据文件。
   Linux环境下加载数据文件，执行方式如下：

 

{"gcxh":"430000002745468976","license":"测AZ6LUL","licenseType":"02","hpys":"5","csys":null,"cllx":"0","clpp":null,"gateId":"430186000347","fxlx":"8","cdbh":"1","passTime":"2016-07-03T20:23:17.000Z","carPassDate":"2016-07-04","carPassTime":"04:23:17","carLoc":"测A","province":"43","city":"4301","region":"430186"}

{
  "type" : "index_hadoop",
  "spec" : {
    "ioConfig" : {
      "type" : "hadoop",
      "inputSpec" : {
        "type" : "static",
        "paths" : "/opt/data/pass.json" /**指定数据*/
      }
    },
    "dataSchema" : {
      "dataSource" : "kakou",  /**数据源名，类似表名*/
      "granularitySpec" : {
        "type" : "uniform",
        "segmentGranularity" : "day", /**数据分片粒度，按天*/
        "queryGranularity" : "none",
        "intervals" : ["2016-07-04/2016-07-05"] /**时间跨度*/
      },
      "parser" : {
        "type" : "string",
        "parseSpec" : {
          "format" : "json",  /**数据文件类型*/
          "dimensionsSpec" : {
            "dimensions" : [  /**数据列*/
			  "license",
			  "carLoc",
              "licenseType",
			  "hpys",
			  "cllx",
			  "clpp",
              "gateId",
			  "fxlx",
              "passTime",
			  "carPassDate",
			  "carPassTime",
			  "province",
			  "city",
              "region"
            ]
          },
          "timestampSpec" : { 
            "format" : "auto",
            "column" : "passTime"  /**指定时间分段*/
          }
        }
      },
      "metricsSpec" : [   
        {
          "name" : "count",
          "type" : "count"  /**按count聚合*/
        }
      ]
    },
    "tuningConfig" : {
      "type" : "hadoop",
      "partitionsSpec" : {
        "type" : "hashed",
        "targetPartitionSize" : 5000000
      },
	  "maxRowsInMemory":500000,
      "jobProperties" : {}
    }
  }
}

 

将上述Json示例数据保存为pass.json的文件，接下来定义一个数据配置文件pass-index.json，在pass-index.json中引用数据pass.json、指定数据源名（类似表名）、数据维度列、聚合粒度、时间间隔等。

 

/**执行如下命令进行导入操作*/
curl -X 'POST' -H 'Content-Type:application/json' -d @/opt/data/pass-index.json 192.168.121.200:8090/druid/indexer/v1/task

 

8、Druid 数据导入问题及解决办法

1. 中文乱码：Json规范这里不再阐述，讲一下生成Json数据文件注意的情况，目前发现Json中含有中文情况下，将Json数据加载到Druid时出现乱码。生成Json指文件编码为UTF-8。
2. 时间序列值：Druid按时间进序列值进行数据分片，按时间字段进行数据分片的字段值需要标准化（UTC）处理。
3. 任务挂起或等待：Druid将任务提交给Hadoop中的Map-Reduce执行，导入时任务可会因为某种原因导致任务挂起或停止。

 

   中文乱码解决办法：

 

try{
	OutputStream out = new FileOutputStream(new File("E:\\study\\druid\\rpass_20150801.json"),true);
	Writer write = new OutputStreamWriter(out,"utf-8");
	write.write(json.toString()+"\n");
	write.flush();
	write.close();
	out.close();
}catch(){
	e.printStackTrace();
}

   

    时间序列值UTC标准化：

 

/**引用Joda类库*/
DateTimeFormatter dtFormatter=DateTimeFormat.forPattern("yyyy-MM-dd hh:mm:ss");  
/**输出结果 2016-08-29T22:58:20.000Z*/
String result = dtFormatter.parseDateTime('2016-08-29 22:58:20').withZone(DateTimeZone.UTC).toString();

 

 

    任务挂起或停止解决办法：可以通过下述命将挂起任务删除，重新执行导入。

 

/**taskId可以从控制台获取或在执行Curl导入命令时返回值*/
http://:/druid/indexer/v1/task/{taskId}/shutdown

 

9、Druid 请求接口

1. 查询请求接口对应Broker，默认8082端口 http://:/druid/v2/?pretty
2. 数据导入接口对应Indexing，默认8090端口 http://:/druid/indexer/v1/task

• 
• 大小: 108.3 KB

• 
• 大小: 64.2 KB

• 查看图片附件