如何在已有CM集群环境中添加kafka组件

参考

kafka升级
CDH5与CM5环境搭建

场景

怎么局部升级当前cm集群呢，比如添加kafka组件、spark组件等

分析

一、升级原因

1、 现有集群组件只能做一些离线类统计分析，无法满足当前实时类业务计算的需求。
2、 现有集群计算引擎是基于MR2,计算能力相对较弱。

综合以上因素，决定在已有的集群组件中添加 : flume、kafka 与 spark 组件，以期提升集群的计算能力，满足当前实时计算的业务需求。

二、升级过程

1 、spark组件的添加

在集群的每个节点上安装 spark 组件，以YARN模式管理计算资源

1.1 在 CM主页选择添加服务

1.2 添加spark组件

1.3 选择要安装spark服务的节点

1.4 安装完毕

2、 kafka组件的添加

kafka组件的安装，可分为在线与离线安装，这里采用在线安装的方式进行，具体安装步骤如下：

2.1 进入 Parcel 主页

2.2 与 2.3 进入 Parcel配置界面

2.4 在Parcel主界面点击 ‘检查更新Parcel’

2.5 激活 kafka 组件

2.6 在CM主页添加 kafka服务

2.7 选择需要安装kafka组件的集群节点 ，相关配置都选择默认的

2.8 启动 kafka 集群

注意: 启动kafka集群的时候，可能出现如下异常 ：

在CM 界面中查看 broker的异常日志后，发现：OutofMemeryException

这是因为 Java Heap size of Broker这个选项默认配置是 50M ，需要将其修改成 256M 或者 更多，这里修改成 1G ，保存配置后，在启动kafka集群即可：

三、升级后的集群组件配置状况

     生产环境 5 台 32核 256G ，处理一般复杂度的spark作业，能处理的最大数据规模是多大呢？ 这个没法量化，以后遇到具体性能问题，再具体分析、优化。
以往的经验：5台8核16G的集群资源，编写一般复杂度的spark作业，处理 10G(大概一亿行数据量)级别的数据量，处理时间是 10分钟级别。

总结

开启集群资源管理之路，漫长啊 。。。