Druid 大数据分析之快速应用（单机模式）

一、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。

 

二、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 ++

 

三、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

 

四、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。

 

五、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

 

六、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

 
 

 

七、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。
    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。

 

 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();
 }

 {"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"}

 

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

 

   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。

 

 {
   "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" : {}
     }
   }
 }

 

 /**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

 

    执行上述命后，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，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