我已经创建了一个示例管道,用于从MySQL轮询数据并写入HDFS(也包括蜂巢表)。
由于我的要求,我需要为每个数据库表创建Source + Connector对。 接下来,我发布了源连接器和接收器连接器的配置设置。
我可以看到一个主题创建有一个分区,复制因子为1。
主题创建应该是自动的,这意味着在创建Source + Sink对之前,我无法手动创建主题。
我的问题:
1)创建源连接器时是否可以配置分区数和复制因子?
2)如果可以创建多个分区,则源连接器将使用哪种分区策略?
3)应该为源连接器和接收器连接器创建多少个正确的工人?
源连接器:
{
"connector.class": "io.confluent.connect.jdbc.JdbcSourceConnector",
"mode": "timestamp+incrementing",
"timestamp.column.name": "modified",
"incrementing.column.name": "id",
"topic.prefix": "jdbc_var_cols-",
"tasks.max": "1",
"poll.interval.ms": "1000",
"query": "SELECT id,name,email,department,modified FROM test",
"connection.url": "jdbc:mariadb://127.0.0.1:3306/connect_test?user=root&password=confluent"
}
接收器连接器:
{
"connector.class": "io.confluent.connect.hdfs.HdfsSinkConnector",
"topics.dir": "/user/datalake/topics-hive-var_cols3",
"hadoop.conf.dir": "/tmp/quickstart/hadoop/conf",
"flush.size": "5",
"schema.compatibility": "BACKWARD",
"connect.hdfs.principal": "datalake@MYREALM.LOCAL",
"connect.hdfs.keytab": "/tmp/quickstart/datalake.keytab",
"tasks.max": "3",
"topics": "jdbc_var_cols-",
"hdfs.url": "hdfs://mycluster:8020",
"hive.database": "kafka_connect_db_var_cols3",
"hdfs.authentication.kerberos": "true",
"rotate.interval.ms": "1000",
"hive.metastore.uris": "thrift://hive_server:9083",
"hadoop.home": "/tmp/quickstart/hadoop",
"logs.dir": "/logs",
"format.class": "io.confluent.connect.hdfs.avro.AvroFormat",
"hive.integration": "true",
"hdfs.namenode.principal": "nn/_HOST@MYREALM.LOCAL",
"hive.conf.dir": "/tmp/quickstart/hadoop/conf"
}
答案 0 :(得分:1)
1)创建源连接器时是否可以配置分区数和复制因子?
不是来自Connect,不是。
听起来像在代理上启用了自动主题创建,所以它正在使用默认值。理想情况下,应在生产环境中禁用此功能,因此您必须提前创建主题。
源连接器使用哪种分区策略?
取决于哪个连接器以及如何编写代码(即是否/如何生成记录的密钥)。例如,假设使用JDBC连接器,则该键可能是数据库表的主键。它将使用DefaultPartitioner进行哈希处理。我不认为Connect允许您在每个连接器级别指定自定义分区程序。如果键为空,则消息将分布在所有分区上。
3)应该为源连接器和接收器连接器创建多少个正确的工人?
再次,取决于来源。对于JDBC,每个表只有一个任务。
但是对于接收器,任务只能达到所接收主题的分区数(与所有消费者组一样)。
此外,通常将Connect群集与数据库(和Hadoop群集)分开运行