在CDH5.14.4 中安装StreamSets与案例运行

大数据平台构建

• 一： Streamset 简介与系统环境介绍
• 二： 安装软件准备
• 三： 在CDH5.14.4 集成使用StreamSets
• 四： streamsets 基本使用案例运行

一： Streamset 简介与系统环境介绍

1.1: StreamSet 简介

StreamSets由Informatica前首席产品官Girish Pancha和Cloudera前开发团队负责人Arvind Prabhakar于2014年创立。他们成立该公司主要是应对来自动态数据（data in motion）的挑战 - 包括数据源，数据处理和数据本身，这是一个称为“数据漂移“（https://streamsets.com/reports/data-drift/）的问题。StreamSets设想从头开始管理数据流，避免已有产品和工具的缺陷，并启用一种管理动态数据（data in motion）的新方法。
最新的产品StreamSets Dataflow Performance Manager，也叫DPM，主要用于构建端到端的数据流。DPM是一个运行控制中心，可以让你映射（数据流），内置的测量和监测确保持续的数据传输和控制动态数据（data in motion）的性能。首先，它将你不同的数据流映射到支持你的每个关键业务流程的拓扑中。然后监测这些拓扑的日常运行情况，根据掌握的性能情况，以满足应用的SLA为目标，确保你始终提供及时和可信的数据。
StreamSet的架构处理数据流程

二：安装软件准备

2.1：下载StreamSets

下载：StreamSet
 https://archives.streamsets.com/index.html
 下载文件：
 STREAMSETS-3.0.0.0.jar
 STREAMSETS_DATACOLLECTOR-3.0.0.0-el7.parcel
 manifest.json

2.2: 配置httpd-server

yum install -y httpd* 
service httpd start 
chkconfig httpd on 
mkdir -p /var/www/html/streamsets
cp -p STREAMSETS-3.0.0.jar /opt/cloudera/csd/
chown cloudera-scm:cloudrea-scm -R /opt/cloudera/csd/
mv manifest.json /var/www/html/streamset/
mv STREAMSETS_DATACOLLECTOR-3.3.0-el7.parcel /var/www/html/streamset/
从启cdh的CM 服务器
service cloudera-scm-server restart 

三：在CDH5.14.4 集成使用StreamSets

3.1 分发，配置，激活StreamSets

3.2 安装 StreamSets

重启cloudera-scm-server 
cd /etc/init.d/
./cloudera-scm-server restart

四： streamsets 基本使用

4.1 登录到streamsets

默认用户名：admin
     密码：admin

4.2 下载官网测试数据

准备工作：
从官网下载测试数据
https://www.streamsets.com/documentation/datacollector/sample_data/tutorial/nyc_taxi_data.csv

创建测试目录并赋予权限：
mkdir -p /flyfish/test_stream
mkdir /flyfish/test_stream/data
mkdir /flyfish/test_stream/error
mkdir /flyfish/test_stream/out
chmod -R 777 /flyfish/test_stream

将测试数据拷贝到 /flyfish/test_stream/data 目录下
cp -p nyc_taxi_data.csv /flyfish/test_stream/data

4.3.创建第一个Pipelines

点击dataFormat 标签，修改选择如下选择

预览文件

添加流选择器
    ${record:value('/payment_type') == 'CRD'}

脚本放在 Jython >configuration>Jython>Script 中

try: 
  for record in records:
    cc = record.value['credit_card']
    if cc == '':
      error.write(record, "Payment type was CRD, but credit card was null")
      continue
    cc_type = ''
    if cc.startswith('4'):
      cc_type = 'Visa'
    elif cc.startswith(('51','52','53','54','55')):
      cc_type = 'MasterCard'
    elif cc.startswith(('34','37')):
      cc_type = 'AMEX'
    elif cc.startswith(('300','301','302','303','304','305','36','38')):
      cc_type = 'Diners Club'
    elif cc.startswith(('6011','65')):
      cc_type = 'Discover'
    elif cc.startswith(('2131','1800','35')):
      cc_type = 'JCB'
    else:
      cc_type = 'Other'
    record.value['credit_card_type'] = cc_type
    output.write(record)
except Exception as e:
  error.write(record, e.message)

使用Field Masker来屏蔽信用卡的信息

配置写入目的地

流程预览测试

添加Expression Evaluator处理器

编辑流运行与输出