Flume java.lang.NoSuchMethodError: org.apache.hadoop.hbase.client.Put.setWriteToWAL

本文主要是介绍Flume java.lang.NoSuchMethodError: org.apache.hadoop.hbase.client.Put.setWriteToWAL,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

之前我们的架构方式采用的是spark+hbase+oozie解析存储及调用算法模式,最近突然出现一个需求,会有很多小文件上传,而且要求达到伪实时处理,也就是秒级别,spark很显然不适合解析了,哪怕是几十行的文件, spark也基本是分钟级别。

我想过2个方案来处理,一个是使用纯JAVA来解析文件,另外一个就是使用flume来解析并直接存储到HBASE。

下载最新版本Flume1.8,通过spoolDir方式,配置文件如下:

a1.sources =  r1
a1.sinks =  k1
a1.channels  = c1a1.sources.r1.type = spooldir
a1.sources.r1.spoolDir = /data/flume/r1/data
a1.sources.r1.batchSize = 100
a1.sources.r1.channels = c1a1.channels.c1.type=file
a1.channels.c1.write-timeout=10
a1.channels.c1.keep-alive=10
a1.channels.c1.checkpointDir=/data/flume/c1/checkpoint
a1.channels.c1.dataDirs=/data/flume/c1/data
a1.channels.c1.maxFileSize= 268435456#a1.sinks.k1.type = logger
a1.sinks.k1.type = hbase
a1.sinks.k1.table = flume
a1.sinks.k1.columnFamily = cf
#a1.sinks.k1.serializer = org.apache.flume.sink.hbase.SimpleAsyncHbaseEventSerializer
a1.sinks.k1.serializer = org.apache.flume.sink.hbase.RegexHbaseEventSerializer
a1.sinks.k1.batchSize = 100
a1.sinks.k1.serializer.regex = (.*?)\\|\\|(.*?)\\|\\|(.*?)\\|\\|(.*?)\\|\\|(.*)
a1.sinks.k1.serializer.colNames = ROW_KEY,cnc_rdspmeter[0],cnc_rdsvmeter,cnc_statinfo[3],ext_toolno
a1.sinks.k1.serializer.regexIgnoreCase = true
a1.sinks.k1.serializer.depositHeaders = true
a1.sinks.hbaseSink.zookeeperQuorum = datanode01-ucloud.isesol.com:2181
a1.sinks.k1.channel = c1
然后启动flume:   
bin/flume-ng agent -n a1 -c conf -f conf/flume-conf.properties 

在消费文件的时候错误如下:

Exception in thread "SinkRunner-PollingRunner-DefaultSinkProcessor" java.lang.NoSuchMethodError: org.apache.hadoop.hbase.client.Put.setWriteToWAL(Z)Lorg/apache/hadoop/hbase/client/Put;at org.apache.flume.sink.hbase.HBaseSink$3.run(HBaseSink.java:380)at org.apache.flume.sink.hbase.HBaseSink$3.run(HBaseSink.java:375)at org.apache.flume.auth.SimpleAuthenticator.execute(SimpleAuthenticator.java:50)at org.apache.flume.sink.hbase.HBaseSink.putEventsAndCommit(HBaseSink.java:375)at org.apache.flume.sink.hbase.HBaseSink.process(HBaseSink.java:345)at org.apache.flume.sink.DefaultSinkProcessor.process(DefaultSinkProcessor.java:67)at org.apache.flume.SinkRunner$PollingRunner.run(SinkRunner.java:145)at java.lang.Thread.run(Thread.java:748)
^CAttempting to shutdown background worker.

setWriteWal在之前版本存在,但是1.0之后应该就没有了,我不知道为什么Flume的开发者在最新的1.8仍然在使用这个方法,很无奈,查询了一下网上,基本没什么解决方案,于是打开源代码,看看究竟怎么回事。

因为我使用的是type是hbase,因此找到hbaseSink.java, 通过find查找哪里有setWriteWAL, 发现有3个地方存在,

      public Void run() throws Exception {for (Row r : actions) {if (r instanceof Put) {// ((Put) r).setWriteToWAL(enableWal);}// Newer versions of HBase - Increment implements Row.if (r instanceof Increment) {//  ((Increment) r).setWriteToWAL(enableWal);}}table.batch(actions);return null;}
      public Void run() throws Exception {List<Increment> processedIncrements;if (batchIncrements) {processedIncrements = coalesceIncrements(incs);} else {processedIncrements = incs;}// Only used for unit testing.if (debugIncrCallback != null) {debugIncrCallback.onAfterCoalesce(processedIncrements);}for (final Increment i : processedIncrements) {//  i.setWriteToWAL(enableWal);table.increment(i);}return null;}});

上面3个被我注视掉的地方,就是setWriteWAL, 这个东西实际无所谓,因此我很暴力的直接注释,然后再重新打一个包进行替换,官方名字叫:flume-ng-hbase-sink-1.8.0.jar。重新启动Flume,查看结果:

hbase(main):001:0> scan 'flume'
ROW                                        COLUMN+CELL                                                                                                                 1529992556110-SzjikLv1LH-0                column=cf:ROW_KEY, timestamp=1529992556407, value=cnc_exeprgname:418                                                        1529992556110-SzjikLv1LH-0                column=cf:cnc_rdspmeter[0], timestamp=1529992556407, value=cnc_rdspmeter[0]:0                                               1529992556110-SzjikLv1LH-0                column=cf:cnc_rdsvmeter, timestamp=1529992556407, value=cnc_rdsvmeter:6,7,92,0                                              1529992556110-SzjikLv1LH-0                column=cf:cnc_statinfo[3], timestamp=1529992556407, value=cnc_statinfo[3]:3                                                 1529992556110-SzjikLv1LH-0                column=cf:ext_toolno, timestamp=1529992556407, value=ext_toolno:30                                                          1529992556125-SzjikLv1LH-1                column=cf:ROW_KEY, timestamp=1529992556407, value=cnc_exeprgname:418                                                        1529992556125-SzjikLv1LH-1                column=cf:cnc_rdspmeter[0], timestamp=1529992556407, value=cnc_rdspmeter[0]:0                                               1529992556125-SzjikLv1LH-1                column=cf:cnc_rdsvmeter, timestamp=1529992556407, value=cnc_rdsvmeter:6,7,93,0                                              1529992556125-SzjikLv1LH-1                column=cf:cnc_statinfo[3], timestamp=1529992556407, value=cnc_statinfo[3]:3                                                 1529992556125-SzjikLv1LH-1                column=cf:ext_toolno, timestamp=1529992556407, value=ext_toolno:30                                                          1529992556126-SzjikLv1LH-2                column=cf:ROW_KEY, timestamp=1529992556407, value=cnc_exeprgname:418                                                        1529992556126-SzjikLv1LH-2                column=cf:cnc_rdspmeter[0], timestamp=1529992556407, value=cnc_rdspmeter[0]:0                                               1529992556126-SzjikLv1LH-2                column=cf:cnc_rdsvmeter, timestamp=1529992556407, value=cnc_rdsvmeter:5,10,93,0                                             1529992556126-SzjikLv1LH-2                column=cf:cnc_statinfo[3], timestamp=1529992556407, value=cnc_statinfo[3]:3                                                 1529992556126-SzjikLv1LH-2                column=cf:ext_toolno, timestamp=1529992556407, value=ext_toolno:30                                                          1529992556127-SzjikLv1LH-3                column=cf:ROW_KEY, timestamp=1529992556407, value=cnc_exeprgname:418                                                        1529992556127-SzjikLv1LH-3                column=cf:cnc_rdspmeter[0], timestamp=1529992556407, value=cnc_rdspmeter[0]:0                                               1529992556127-SzjikLv1LH-3                column=cf:cnc_rdsvmeter, timestamp=1529992556407, value=cnc_rdsvmeter:7,8,93,0                                              1529992556127-SzjikLv1LH-3                column=cf:cnc_statinfo[3], timestamp=1529992556407, value=cnc_statinfo[3]:3                                                 1529992556127-SzjikLv1LH-3                column=cf:ext_toolno, timestamp=1529992556407, value=ext_toolno:30                                                          1529992556128-SzjikLv1LH-4                column=cf:ROW_KEY, timestamp=1529992556407, value=cnc_exeprgname:418                                                        1529992556128-SzjikLv1LH-4                column=cf:cnc_rdspmeter[0], timestamp=1529992556407, value=cnc_rdspmeter[0]:0                                               1529992556128-SzjikLv1LH-4                column=cf:cnc_rdsvmeter, timestamp=1529992556407, value=cnc_r
世界终于清静了。 这个ROWKEY的设置不符合我的需求,还需要修改源代码。


这篇关于Flume java.lang.NoSuchMethodError: org.apache.hadoop.hbase.client.Put.setWriteToWAL的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/909603

相关文章

SpringBoot集成XXL-JOB实现任务管理全流程

《SpringBoot集成XXL-JOB实现任务管理全流程》XXL-JOB是一款轻量级分布式任务调度平台,功能丰富、界面简洁、易于扩展,本文介绍如何通过SpringBoot项目,使用RestTempl... 目录一、前言二、项目结构简述三、Maven 依赖四、Controller 代码详解五、Service

Java中HashMap的用法详细介绍

《Java中HashMap的用法详细介绍》JavaHashMap是一种高效的数据结构,用于存储键值对,它是基于哈希表实现的,提供快速的插入、删除和查找操作,:本文主要介绍Java中HashMap... 目录一.HashMap1.基本概念2.底层数据结构:3.HashCode和equals方法为什么重写Has

Java 正则表达式的使用实战案例

《Java正则表达式的使用实战案例》本文详细介绍了Java正则表达式的使用方法,涵盖语法细节、核心类方法、高级特性及实战案例,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要... 目录一、正则表达式语法详解1. 基础字符匹配2. 字符类([]定义)3. 量词(控制匹配次数)4. 边

Java Scanner类解析与实战教程

《JavaScanner类解析与实战教程》JavaScanner类(java.util包)是文本输入解析工具,支持基本类型和字符串读取,基于Readable接口与正则分隔符实现,适用于控制台、文件输... 目录一、核心设计与工作原理1.底层依赖2.解析机制A.核心逻辑基于分隔符(delimiter)和模式匹

Java中的stream流分组示例详解

《Java中的stream流分组示例详解》Java8StreamAPI以函数式风格处理集合数据,支持分组、统计等操作,可按单/多字段分组,使用String、Map.Entry或Java16record... 目录什么是stream流1、根据某个字段分组2、按多个字段分组(组合分组)1、方法一:使用 Stri

Java+AI驱动实现PDF文件数据提取与解析

《Java+AI驱动实现PDF文件数据提取与解析》本文将和大家分享一套基于AI的体检报告智能评估方案,详细介绍从PDF上传、内容提取到AI分析、数据存储的全流程自动化实现方法,感兴趣的可以了解下... 目录一、核心流程:从上传到评估的完整链路二、第一步:解析 PDF,提取体检报告内容1. 引入依赖2. 封装

使用Spring Cache本地缓存示例代码

《使用SpringCache本地缓存示例代码》缓存是提高应用程序性能的重要手段,通过将频繁访问的数据存储在内存中,可以减少数据库访问次数,从而加速数据读取,:本文主要介绍使用SpringCac... 目录一、Spring Cache简介核心特点:二、基础配置1. 添加依赖2. 启用缓存3. 缓存配置方案方案

Java实现复杂查询优化的7个技巧小结

《Java实现复杂查询优化的7个技巧小结》在Java项目中,复杂查询是开发者面临的“硬骨头”,本文将通过7个实战技巧,结合代码示例和性能对比,手把手教你如何让复杂查询变得优雅,大家可以根据需求进行选择... 目录一、复杂查询的痛点:为何你的代码“又臭又长”1.1冗余变量与中间状态1.2重复查询与性能陷阱1.

深度剖析SpringBoot日志性能提升的原因与解决

《深度剖析SpringBoot日志性能提升的原因与解决》日志记录本该是辅助工具,却为何成了性能瓶颈,SpringBoot如何用代码彻底破解日志导致的高延迟问题,感兴趣的小伙伴可以跟随小编一起学习一下... 目录前言第一章:日志性能陷阱的底层原理1.1 日志级别的“双刃剑”效应1.2 同步日志的“吞吐量杀手”

Spring创建Bean的八种主要方式详解

《Spring创建Bean的八种主要方式详解》Spring(尤其是SpringBoot)提供了多种方式来让容器创建和管理Bean,@Component、@Configuration+@Bean、@En... 目录引言一、Spring 创建 Bean 的 8 种主要方式1. @Component 及其衍生注解