一小时搭建实时数据分析平台

实时数据分析门槛较高，我们如何用极少的开发工作就完成实时数据平台的搭建，做出炫酷的图表呢？

如何快速的搭建实时数据分析平台，首先我们需要实时数据的接入端，我们选择高扩展性、容错性、速度极快的消息系统Kafka，而实时数据仓库，由于 Druid提供了非常方便快捷配置方式，如果不想编写负责的Flink和Spark代码，Druid绝对是一个不错的选择，有了数据仓库，我们必须需要一个可视化和交互式分析的平台，对druid支持最好的无疑是Superset了。

请注意，druid目前并不支持windows，所以我们将kafka 与 druid部署于我们的centos服务器中，而superset，可以在本地安装。

最终我们通过Kafka的实时数据接入能力，Druid的实时数据仓库存储，聚合能力，Superset的数据可视化与交互式分析能力，快速的搭建一套实时数据分析平台。

注：对于本教程需要的所有安装包，如果需要请在公众号回复 “实时数仓安装包” 下载

​ 如果已有安装包，文中的Download安装包内容可以跳过~

一、CentOS下安装Kafka

Kafka是由Apache软件基金会开发的一个开源流处理平台，由Scala和Java编写。Kafka是一种高吞吐量的分布式发布订阅消息系统。

下载安装包

查看centos版本 cat /etc/redhat-release 我的是7.6

访问Kafka官网 http://kafka.apache.org/

选择左下方Download按钮

最新的版本已经是2.5 为了与公司版本统一 我们下滑选择1.0.0 注意选择二进制安装包

启动

上传包到服务器 进入所在目录

解压安装包：

tar -zxvf kafka_2.11-1.0.0.tgz

进入kafka目录 cd kafka_2.11-1.0.0

目录结构如下：

如果需要用自己的 zookeeper 多集群配置 需要修改 vi config/server.properties

我们这里启动kafka自带zk：-daemon 为后台启动

./bin/zookeeper-server-start.sh -daemon config/zookeeper.properties

启动Kafka

./bin/kafka-server-start.sh -daemon config/server.properties

不报错的话 查看进程是否正常运行 zk运行端口2181 kafka运行端口 9092

netstat -tunlp|egrep "(2181|9092)"

Kafka安装成功！

我们用命令行感受一下kafka

用一个生产者向test里发消息

./bin/kafka-console-producer.sh --broker-list localhost:9092 --topic test

再开启一个终端：

进入kafka的目录

开启消费者监听消息

./bin/kafka-console-consumer.sh --zookeeper localhost:2181 --topic test --from-beginning

回到刚才的生产者 发送消息

再看消费者一端 消息收到了

二、CentOS安装Druid

Druid是一个分布式的支持实时分析的数据存储系统。通俗一点：高性能实时分析数据库。它由美国广告技术公司MetaMarkets于2011年创建，并且于2012年开源。MetaMarkets是一家专门为在线媒体公司提供数据服务的公司，主营是DSP广告运营推送平台，由于对实时性要求非常高，公司不得不放弃原始的大数据方案，Druid也就应运而生。

下载安装包

Druid官网地址 https://druid.apache.org/

选择Download

进入Download页

其他版本下载地址：https://archive.apache.org/dist/druid/

我们使用的版本是0.17.0

上传包到服务器

解压

tar -zxvf apache-druid-0.17.0-bin.tar.gz

进入目录

cd apache-druid-0.17.0

目录结构如下

我们选择最轻量的而服务器配置：

启动

单服务器参考配置

Nano-Quickstart：1个CPU，4GB RAM

启动命令： bin/start-nano-quickstart

配置目录： conf/druid/single-server/nano-quickstart

cd apache-druid-0.17.0/conf/druid/single-server/nano-quickstart/
vi _common/common.runtime.properties

修改zk地址
#
# Zookeeper，大概在46~55行中间，对zk进行配置
#
druid.zk.service.host=localhost:2181

修改默认端口验证

vi bin/verify-default-ports

把这行的2181去掉

my @ports = @ARGV;
if (!@ports) {
  @ports = (1527,  8083, 8090,  8100, 8200, 8888);
}

我们也可以自定义端口 都要在这里修改

随后我们启动

bin/start-nano-quickstart

启动成功！！

访问页面localhost:8888

druid已经成功启动！

导入Kafka数据

在kafka目录中运行命令 {PATH_TO_DRUID}替换为druid目录 这些是druid的测试数据

export KAFKA_OPTS="-Dfile.encoding=UTF-8"
./bin/kafka-console-producer.sh --broker-list localhost:9092 --topic wikipedia < {PATH_TO_DRUID}/quickstart/tutorial/wikiticker-2015-09-12-sampled.json

载入kafka数据到Druid

请将localhost替换为安装服务器的地址！

进入localhost:8888 点击load data

选择Apache Kafka并单击Connect data

输入kafka服务器localhost:9092

输入topic wikipedia 可以预览数据 然后下一步

解析数据

解析时间戳 设置转换 设置过滤

这步比较重要 确定统计的范围

发布！

等待任务完成

去查询页面查看，我们的数据已经实时写入Druid了

三、本地安装Superset

Superset 是一款由 Airbnb 开源的“现代化的企业级 BI（商业智能） Web 应用程序”，其通过创建和分享 dashboard，为数据分析提供了轻量级的数据查询和可视化方案。

win10安装python 3.7

下载

Python官网,点击进入https://www.python.org/

点击Python官网的Downloads,然后在下拉菜单中点Windows,进入版本选择页面

进入版本选择页面,可以在最上面看到有Python3的最新版和Python2的最新版,在这里点击Python3.7.3进入下载页面 进入下载页面后,向下滚动鼠标,找到"Files",这里列出了Python3.7.3版本的不同操作系统的安装包或相关文件,我们是在Windows10里面安装,选择对应版本的安装包下载,点击下载,等待一会就可以下载完成了

安装

将下载完成的Python3.7.3安装包剪切到电脑桌面(不放桌面也可以,只是这样更方便),双击打开,然后将下方的两个选项框都打钩,再点击Customize installation进入下一步

这个界面默认所有选项都是打钩的,保持默认即可,点击Next进入下一步

将Install for all users选项打钩,其他的选项保持默认,此时下方的默认安装路径为C:Program FilesPython37,这里可以点击Browse,根据自己的需求选择安装目录,但是目录名中最好不要包含中文.

如果C盘有很多空间,可以不更改,或者有固态硬盘的,可以选择将Python3.7.3装在固态盘中.

确认好安装位置后,点击Install进行安装

现在Python3.7.3开始安装,可以看到安装的进度条在读条,什么也不用做,稍等一会就安装完成了

进度条完成,会显示下面的菜单,表示已经安装成功了,现在点击Close即可,Python3.7.3已经安装成功了

验证

在安装完成Python3.7.3后,已经自动帮我们配好了环境变量(非常省事),我们直接在命令行里面使用python命令,就会进入Python3.7.3的交互界面.

按Win+R进入运行界面,在里面输入cmd回车,进入Windows的命令行,在命令行输入python37可以进入Python3.7.3的命令行模式,(输入a = 1,然后输入a,控制台输出1)测试成功,说明Python3.7.3安装成功

win10安装superset

安装

使用pip 需要下载一会~ 网不好可能下载失败，需要重新执行，之前下载的会缓存，网速不好的话可能很难~ 耐心一点

pip install apache-superset

成功！！

记录一下superset的安装位置 进入该目录

初始化

# 初始化数据库
python superset db upgrade

这个过程中会提示缺少包，初始化失败

依次安装即可 比如这里缺少 flask_migrate

我们就

pip install flask_migrate

# 创建管理员账号
python superset fab create-admin

提示输入用户名 密码

# 载入案例数据 也会有点慢 服务器在国外 也可以多试几次 不行可以跳过
python superset load_examples

# 初始化角色和权限
python superset init

# 启动服务，默认端口号 5000，使用 -p 更改端口号
python superset run

成功！！

浏览器访问http://localhost:5000/

superset查询 展示druid数据

这时候还不能连Druid

需要安装pydruid

pip install pydruid

重启superset

新建数据源

成功！！ 保存

新建刚才的表

进入表 设置展示效果

这里根据数据情况 进行各种展示设置

选择sqlLite 进行sql查询

至此实时数据分析平台已经搭建完成，可以进行实时数据的接入，展示，分析等等工作。

java 向kafka中发送数据demo

依赖

            org.apache.kafka
            kafka-clients
            1.0.0
        

demo

public class ProducerTestDemo {
    public static void main(String[] args) throws Exception {

        Properties properties = new Properties();
        properties.put("bootstrap.servers", "localhost:9092");
        properties.put("acks", "all");
        properties.put("retries", 0);
        properties.put("batch.size", 16384);
        properties.put("linger.ms", 1);
        properties.put("buffer.memory", 33554432);
        properties.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
        properties.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
        KafkaProducer kafkaProducer = new KafkaProducer(properties);
            try{
                BufferedReader br = new BufferedReader(new FileReader(new File("C:\aaa.csv")));
                String s = null;
                while((s = br.readLine())!=null){
                    kafkaProducer.send(new ProducerRecord("topic", s));
                }
                br.close();
            }catch(Exception e){
                e.printStackTrace();
            }
        kafkaProducer.close();
    }
}

更多实时数据分析相关博文与科技资讯，欢迎关注 “实时流式计算”