web-dev-qa-db-ja.com

Apache Kafka= Amazon S3に接続する方法は?

KafkaからのデータをKafka Connectを使用してバケットs3に保存します。すでにKafkaのトピックを実行していて、バケットs3を作成しました。私のトピックProtobufferにデータがあり、 https://github.com/qubole/streamx を試してみましたが、次のエラーが発生しました:

 [2018-10-04 13:35:46,512] INFO Revoking previously assigned partitions [] for group connect-s3-sink (org.Apache.kafka.clients.consumer.internals.ConsumerCoordinator:280)
 [2018-10-04 13:35:46,512] INFO (Re-)joining group connect-s3-sink (org.Apache.kafka.clients.consumer.internals.AbstractCoordinator:326)
 [2018-10-04 13:35:46,645] INFO Successfully joined group connect-s3-sink with generation 1 (org.Apache.kafka.clients.consumer.internals.AbstractCoordinator:434)
 [2018-10-04 13:35:46,692] INFO Setting newly assigned partitions [ssp.impressions-11, ssp.impressions-10, ssp.impressions-7, ssp.impressions-6, ssp.impressions-9, ssp.impressions-8, ssp.impressions-3, ssp.impressions-2, ssp.impressions-5, ssp.impressions-4, ssp.impressions-1, ssp.impressions-0] for Group connect-s3-sink(org.Apache.kafka.clients.consumer.internals.ConsumerCoordinator:219)
 [2018-10-04 13:35:47,193] ERROR Task s3-sink-0 threw an uncaught an unrecoverable exception (org.Apache.kafka.connect.runtime.WorkerTask:142)
 Java.lang.NullPointerException
    at io.confluent.connect.hdfs.HdfsSinkTask.close(HdfsSinkTask.Java:122)
    at org.Apache.kafka.connect.runtime.WorkerSinkTask.commitOffsets(WorkerSinkTask.Java:290)
    at org.Apache.kafka.connect.runtime.WorkerSinkTask.closePartitions(WorkerSinkTask.Java:421)
    at org.Apache.kafka.connect.runtime.WorkerSinkTask.execute(WorkerSinkTask.Java:146)
    at org.Apache.kafka.connect.runtime.WorkerTask.doRun(WorkerTask.Java:140)
    at org.Apache.kafka.connect.runtime.WorkerTask.run(WorkerTask.Java:175)
    at Java.util.concurrent.Executors$RunnableAdapter.call(Executors.Java:511)
    at Java.util.concurrent.FutureTask.run(FutureTask.Java:266)
    at Java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.Java:1142)
    at Java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.Java:617)
    at Java.lang.Thread.run(Thread.Java:745)
[2018-10-04 13:35:47,194] ERROR Task is being killed and will not recover until manually restarted (org.Apache.kafka.connect.runtime.WorkerTask:143)
[2018-10-04 13:35:51,235] INFO Reflections took 6844 ms to scan 259 urls, producing 13517 keys and 95788 values (org.reflections.Reflections:229)

私は次のステップを行いました:

  1. リポジトリのクローンを作成しました。
  2. mvn DskipTests package
  3. nano config/connect-standalone.properties

    bootstrap.servers=ip-myip.ec2.internal:9092
    key.converter=com.qubole.streamx.ByteArrayConverter
    value.converter=com.qubole.streamx.ByteArrayConverter
    
  4. nano config/quickstart-s3.properties

    name=s3-sink 
    connector.class=com.qubole.streamx.s3.S3SinkConnector
    format.class=com.qubole.streamx.SourceFormat tasks.max=1
    topics=ssp.impressions
    flush.size=3
    s3.url=s3://myaccess_key:mysecret_key@mybucket/demo
    
  5. connect-standalone /etc/kafka/connect-standalone.properties quickstart-s3.properties

私が行ったことが大丈夫か、またはKafkaからS3にデータを保持する別の方法かどうかを知りたいのですが。

8
Eric Bellet

Kafka Connect S3コネクタでKafka Connectを使用してこの統合を行うことができます。

Kafka Connect はApache Kafkaの一部であり、 S3コネクタstandalone または の一部として利用可能なオープンソースコネクタですConfluent Platform

Kafka Connectの一般的な情報と例については、この一連の記事が役立ちます。

免責事項:私はConfluentで働いており、上記のブログ記事を書きました

9
Robin Moffatt