Druid 大数据分析之快速应用（单机模式）

一、概述

   本节快速安装基于单机服务器，很多配置可以默认不需要修改，数据存储在操作系统级别的磁盘。推出快速安装的目的，便于了解并指导基于Druid进行大数据分析的开发流程。本节主要讲Druid的安装、实例数据加载、查询及使用问题解决。

 

二、安装要求

   1. Java 7 及以上

   2. Linux, Mac OS X, or other Unix-like OS (Windows不支持)

   3. VMware

   4. 2CPU ++; 内存2G ++

 

三、Zookeeper 安装

   本次采单机版安装，如果采用分布式安装，则需要修改Druid相应配置，反之不需要。 Zookeeper默认启用2181端口监听。

 

Linux代码  


curl http://www.gtlib.gatech.edu/pub/apache/zookeeper/zookeeper-3.4.6/zookeeper-3.4.6.tar.gz -o zookeeper-3.4.6.tar.gz  

tar -xzf zookeeper-3.4.6.tar.gz  

cd zookeeper-3.4.6  

cp conf/zoo_sample.cfg conf/zoo.cfg  

./bin/zkServer.sh start  

     zookeeper 安装验证

Linux和zookeeper命令代码  


cd zookeeper-3.4.6 // 切换至Zookeeper根目录  

bin/zkCli.sh       // 启动Zookeeper客户端  

ls /               // 查看根节点  

 

四、Druid 安装

Java代码  


curl -O http://static.druid.io/artifacts/releases/druid-0.9.1.1-bin.tar.gz  

tar -xzf druid-0.9.1.1-bin.tar.gz  

cd druid-0.9.1.1  

 

解压后 Druid 相关目录说明

 

LICENSE

 -
许可证文件。

bin/

 -
快速启动脚本。

conf/*

 -
集群安装配置（包括Hadoop）。

conf-quickstart/*

 -
快速启动相关配置。

extensions/*

 -
Druid扩展。

hadoop-dependencies/*

 -
Druid hadoop依赖。

lib/*

 -
Druid核心软件包。

quickstart/*

 -
快速启动示例文件及数据。

 

五、启动 Druid 准备

   启动Druid相关服务之前，我们需要做两件事：

   1. 启动Zookeeper

   2. 切换到Druid根目录，执行 bin/init

 

六、启动 Druid 相关服务

   启动5个Druid进程在不同远程终端窗口，因为是单机模式，所有进程在同一服务器上；在大的分布式集群中，很多Druid进程可以在同一服务器，我们需要启动的5个Druid进程：Historical、Broker、coordinator、overlord、middleManager。overlord与middleManager对应Indexer节点，节点相关介绍请查看《http://yangyangmyself.iteye.com/blog/2320502》，后续将会详细介绍节点工作机制。

    

    切换至Druid安装目录，在不同远程终端窗口依次执行以命令

Java代码  


java `cat conf-quickstart/druid/historical/jvm.config | xargs` -cp "conf-quickstart/druid/_common:conf-quickstart/druid/historical:lib/*" io.druid.cli.Main server historical  

java `cat conf-quickstart/druid/broker/jvm.config | xargs` -cp "conf-quickstart/druid/_common:conf-quickstart/druid/broker:lib/*" io.druid.cli.Main server broker  

java `cat conf-quickstart/druid/coordinator/jvm.config | xargs` -cp "conf-quickstart/druid/_common:conf-quickstart/druid/coordinator:lib/*" io.druid.cli.Main server coordinator  

java `cat conf-quickstart/druid/overlord/jvm.config | xargs` -cp "conf-quickstart/druid/_common:conf-quickstart/druid/overlord:lib/*" io.druid.cli.Main server overlord  

java `cat conf-quickstart/druid/middleManager/jvm.config | xargs` -cp "conf-quickstart/druid/_common:conf-quickstart/druid/middleManager:lib/*" io.druid.cli.Main server middleManager  

 

Druid 控制台 

   如果上述服务启动成功，则可以访问如下控制台

   1. 访问http://localhost:8090/console.html 可以查看数据批量导入Druid的任务执情况，间隔一段时间刷新一下控制台，如果看到SUCCESS任务状态，说明任务执行成功，如下图所示：



 

    2. 访问http://localhost:8081/ 查看任完成进度、数据分片情况、索引创建等

 


 

 

七、Druid 加文件数据

   以上Druid相关服务启动后，我们需要加载相关业务数据到Druid，Druid根据数据加载的配置文件，将我们的原始业务数据做相应的预处理后进行存储，以便后续查询统计。数据加载有两种方式：一是实时加载；二、加载批文件，本节讲如何加载Json批数据文件。

   1. 中文乱码：Json规范这里不再阐述，讲一下生成Json数据文件注意的情况，目前发现Json中含有中文情况下，将Json数据加载到Druid时出现乱码。生成Json指文件编码为UTF-8。

   2. 时间序列值：Druid按时间进序列值进行数据分片，按时间字段进行数据分片的字段值需要标准化（UTC）处理。

 

编码代码  


try{  

    OutputStream out = new FileOutputStream(new File("E:\\study\\druid\\rpass_20150801.json"),true);  

    Writer write = new OutputStreamWriter(out,"utf-8");  

    write.write(json.toString()+"\n");  

    write.flush();  

    write.close();  

    out.close();  

}catch(){  

    e.printStackTrace();  

}  

Json示例数据代码  


{"gcxh":"430000002745468976","license":"测AZ6LUL","licenseType":"02","hpys":"5","csys":null,"cllx":"0","clpp":null,"gateId":"430186000347","fxlx":"8","cdbh":"1","passTime":"2016-07-03T20:23:17.000Z","carPassDate":"2016-07-04","carPassTime":"04:23:17","carLoc":"测A","province":"43","city":"4301","region":"430186"}  

 

时间序列标准化代码  


/**引用joda类库*/  

DateTimeFormatter dtFormatter=DateTimeFormat.forPattern("yyyy-MM-dd hh:mm:ss");    

String result = dtFormatter.parseDateTime('2016-08-29 22:58:20').withZone(DateTimeZone.UTC).toString(); /**输出结果 2016-08-29T22:58:20.000Z*/  

 

   将上述Json示例数据保存为pass.json的文件，接下来定义一个数据配置文件pass-index.json，在pass-index.json中引用数据pass.json、指定数据源名（类似表名）、数据维度列、聚合粒度、时间间隔等。

 

Java代码  


{  

  "type" : "index_hadoop",  

  "spec" : {  

    "ioConfig" : {  

      "type" : "hadoop",  

      "inputSpec" : {  

        "type" : "static",  

        "paths" : "/opt/data/pass.json" /**指定数据*/  

      }  

    },  

    "dataSchema" : {  

      "dataSource" : "kakou",  /**数据源名，类似表名*/  

      "granularitySpec" : {  

        "type" : "uniform",  

        "segmentGranularity" : "day", /**数据分片粒度，按天*/  

        "queryGranularity" : "none",  

        "intervals" : ["2016-07-04/2016-07-05"] /**时间跨度*/  

      },  

      "parser" : {  

        "type" : "string",  

        "parseSpec" : {  

          "format" : "json",  /**数据文件类型*/  

          "dimensionsSpec" : {  

            "dimensions" : [  /**数据列*/  

              "license",  

              "carLoc",  

              "licenseType",  

              "hpys",  

              "cllx",  

              "clpp",  

              "gateId",  

              "fxlx",  

              "passTime",  

              "carPassDate",  

              "carPassTime",  

              "province",  

              "city",  

              "region"  

            ]  

          },  

          "timestampSpec" : {   

            "format" : "auto",  

            "column" : "passTime"  /**指定时间分段*/  

          }  

        }  

      },  

      "metricsSpec" : [     

        {  

          "name" : "count",  

          "type" : "count"  /**按count聚合*/  

        }  

      ]  

    },  

    "tuningConfig" : {  

      "type" : "hadoop",  

      "partitionsSpec" : {  

        "type" : "hashed",  

        "targetPartitionSize" : 5000000  

      },  

      "maxRowsInMemory":500000,  

      "jobProperties" : {}  

    }  

  }  

}  

 

Java代码  


/**执行如下命令进行导入操作*/  

curl -X 'POST' -H 'Content-Type:application/json' -d @/opt/data/pass-index.json 192.168.121.200:8090/druid/indexer/v1/task  

 

    执行上述命后，Druid将任务提交给Hadoop中的Map-Reduce执行，导入时任务可会因为某种原因导致任务挂起或停止，可以通过下述命将挂起任务删除，重新执行导入。

 

Java代码  


/**taskId可以从控制台获取或在执行Curl导入命令时返回值*/  
http://<OVERLORD_IP>:<port>/druid/indexer/v1/task/{taskId}/shutdown