Spring XD用于数据提取

Spring XD是一个功能强大的工具，它是一组可安装的Spring Boot服务，可以独立运行，在YARN或EC2之上运行。 Spring XD还包括一个管理UI网站和一个用于作业和流管理的命令行工具。 Spring XD是一组功能强大的服务，可与各种数据源一起使用。

为了达到理想的使用效果，它应该在Apache Spark或Hadoop集群中运行。在第一部分中，我们将设置XD使其在具有必要数据服务的Centos / RHEL机器上运行。这些用于运行所需的基础结构以及数据摄取。您可以集成现有的RDBMS，MongoDB，Kafka，Apache Spark，Hadoop，REST，RabbitMQ和其他服务。

您还可以在Mac，Windows和其他Linux发行版上安装XD。对于开发人员机器上的基本用法，只需从Spring.IO网站下载Spring XD并运行xd / xd / bin / xd-standalone，这足以运行数据提取。

1. Spring XD设置

首先，让我们在您的Linux服务器上安装Spring XD，注意其运行要求。如果您没有所需的服务，则XD下载包含它们的版本供您运行。

参考：

http://docs.spring.io/spring-xd/docs/current/reference/html/#_redhat_centos_installation
https://github.com/spring-projects/spring-xd/wiki/Running-Distributed-Mode
https://github.com/spring-projects/spring-xd/wiki/XD-Distributed-Runtime

要求：

Apache Zookeeper 3.4.6
雷迪斯
RDBMS（MySQL，Postgresql，Apache Derby等）

浓缩机：

GemFire（强烈建议用于内存数据网格）
GemFire XD（强烈建议用于内存数据库）
RabbitMQ（强烈推荐）
阿帕奇纱线

在Centos / RHEL / Fedora上安装MySQL

需要一个关系数据库来存储您的工作信息，而可以使用内存中的RDBMS，但为了实际使用，应使用RDBMS。如果您有可从XD群集访问的RDBMS，则可以使用它。我更喜欢将开放源代码数据库仅用于XD，您可以为此安装MySQL或Postgresql。

sudo yum install mysql-server

http://dev.mysql.com/downloads/repo/yum/

安装Postgresql（不要与GreenPlum安装在同一台计算机上）

sudo yum install postgresql-server

安装Redis

http://redis.docs.pivotal.io/doc/2x/index.html#getting-started/src/install.html ＃topic_q3g_vzs_yn

（请参阅RabbitMQ）

ﾠwget -q -O – http://packages.pivotal.io/pub/rpm/rhel6/app-suite/app-suite-installer | sh
ﾠ ﾠ ﾠ ﾠ ﾠ ﾠsudo yum install pivotal-redis
ﾠ ﾠ ﾠ ﾠ ﾠ ﾠsudo service pivotal-redis-6379 start
ﾠ ﾠ ﾠ ﾠ ﾠ ﾠsudo chkconfig —level 35 pivotal-redis-6379 on

安装RabbitMQ

即使您有另一个消息队列，也需要RabbitMQ。单个节点就足够了，但是通信需要它。我强烈建议您使用真正的RMQ群集，因为它适合大多数流媒体需求。

http://rabbitmq.docs.pivotal.io/doc/33/index.html#getstart/src/install-getstart.html ＃安装，RHEL

ﾠ
sudo wget -q -O – packages.pivotal.io | sh
sudo wget -q -O – http://packages.pivotal.io/pub/rpm/rhel6/app-suite/app-suite-installer | sh

根据权限的不同，您可能必须将其发送到文件，将其更改为chmod 700并通过sudo ./installer.sh运行。

ﾠ
sudo yum search pivotalpivotal-rabbitmq-server.noarch: The RabbitMQ serversudo yum install pivotal-rabbitmq-server
sudo rabbitmq-plugins enable rabbitmq_management ﾠ ﾠ

如果您正在该计算机上运行其他内容，则可能与端口冲突。

ﾠ
sudo /sbin/service rabbitmq-server start

安装Spring-XD

最简单的安装方法是使用Pivotal的RHEL官方版本，因为它们已通过认证。您不需要成为客户就可以使用它们。还有许多其他方式来下载/安装XD，但这对于RHEL是最简单的，因为它将配置它们为服务。

sudo wget -q -O – http://packages.pivotal.io/pub/rpm/rhel6/app-suite/app-suite-installer sh sudo yum install spring-xd

建议

还建议在同一容器内部署XD节点和DataNode并使用数据分区。这将加速数据处理和提取。

设置工作数据库

更改数据源，选择以下一项以进行最简单的设置。作业数据库是存储Spring XD作业信息和元数据的地方。这是必要的。这将是非常少量的数据。

/opt/pivotal/spring-xd/xd/config
ﾠ#spring:
# ﾠdatasource:
# ﾠ ﾠurl: jdbc:mysql://mysqlserver:3306/xdjobs
# ﾠ ﾠusername: xdjobsschema
# ﾠ ﾠpassword: xdsecurepassword
# ﾠ ﾠdriverClassName: com.mysql.jdbc.Driver
# ﾠ ﾠvalidationQuery: select 1
#Config for use with Postgres - uncomment and edit with relevant values for your environment
#spring:
# ﾠdatasource:
# ﾠ ﾠurl: jdbc:postgresql://postgresqlserver:5432/xdjobs
# ﾠ ﾠusername: xdjobsschema
# ﾠ ﾠpassword: xdsecurepassword
# ﾠ ﾠdriverClassName: org.postgresql.Driver
# ﾠ ﾠvalidationQuery: select 1

测试Spring-XD单节点是否正常工作：

cd /opt/pivotal/springxd/xd/bin
./xd-singlenode —hadoopDistro phd20

如果您使用的是与Pivotal HD 2.0不同的Hadoop发行版，则可以在此处指定该标记或将其保留为关闭状态。

测试Spring-XD Shell是否有效

cd /opt/pivotal/springxd/shell/bin
ﾠ ﾠ ./xd-shell—hadoopDistro phd20

该外壳程序具有帮助和快捷方式，只需开始键入，Tab即可为您解析名称和参数。

设置Spring XD的环境变量

export XD_HOME=/opt/pivotal/spring-xd/xd

对于默认访问，我使用：

/opt/pivotal/spring-xd/shell/bin/xd-shell —hadoopDistro phd20

用于测试分布式Spring XD（DIRT）的容器和管理服务器

sudo service spring-xd-admin start
sudo service spring-xd-container start

用于测试Spring XD

http://blog.pivotal.io/pivotal/products/spring-xd-for-real-time-analytics
https://github.com/spring-projects/spring-xd-samples

一些Spring XD Shell命令进行测试

had config fs —namenode hdfs://pivhdsne:8020
admin config server http://localhost:9393
runtime containers
runtime moduleshadoop fs ls /xd/
stream create ticktock —definition “time | log”
stream deploy ticktock
stream list

检查网页界面

http：// localhost：9393 / admin-ui /＃/ streams / definitions

2. Spring XD Job and Stream with SQL

注意：为了节省空间，完整的字段列表被缩写，您必须列出所有正在使用的字段。

首先，我们创建一个简单的filejdbc Spring Job，它将原始代字号分隔的文件加载到HAWQ中。这些字段都以TEXT字段形式出现，出于某些目的，这可能是可以的，但对于我们的需求而言不是。我们还使用自定义接收器（请参阅XML，无编码）创建XD流，该流运行SQL命令从该表插入并转换为其他HAWQ类型（例如数字和时间）。

我们通过命令行REST POST触发辅助流，但是我们可以使用定时触发或许多其他方式（自动，脚本或手动）来启动辅助流。您也可以只创建一个自定义XD作业，该作业完成类型的转换和一些操作，或者通过Groovy脚本转换完成。 XD中有很多选项。

jobload.xd

job create loadjob --definition "filejdbc --resources=file:/tmp/xd/input/files/*.* --names=time,userid,dataname,dataname2,
dateTimeField, lastName, firstName, city, state, address1, address2 --tableName=raw_data_tbl --initializeDatabase=true
--driverClassName=org.postgresql.Driver --delimiter=~ --dateFormat=yyyy-MM-dd-hh.mm.ss --numberFormat=%d
--username=gpadmin --url=jdbc:postgresql:gpadmin" --deploy
stream create --name streamload --definition "http | hawq-store" --deploy
job launch jobload
clear
job list
stream list

作业将包含所有文本列的文件加载到Raw HAWQ表中。
流是由网页命中或命令行调用触发的
（需要hawq-store）。这确实会插入到实际表中并截断临时表。

triggerrun.sh（用于测试的BASH Shell脚本）

curl -s -H "Content-Type: application/json" -X POST -d "{id:5}" http://localhost:9000

将spring-integration-jdbc jar添加到/ opt / pivotal / spring-xd / xd / lib

hawq-store.xml（Spring集成/ XD配置）

/opt/pivotal/spring-xd/xd/modules/sink/hawq-store.xml
<?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www.springframework.org/schema/beans"xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:int="http://www.springframework.org/schema/integration"xmlns:int-jdbc="http://www.springframework.org/schema/integration/jdbc"xmlns:jdbc="http://www.springframework.org/schema/jdbc"xsi:schemaLocation="http://www.springframework.org/schema/beanshttp://www.springframework.org/schema/beans/spring-beans.xsdhttp://www.springframework.org/schema/integrationhttp://www.springframework.org/schema/integration/spring-integration.xsdhttp://www.springframework.org/schema/integration/jdbchttp://www.springframework.org/schema/integration/jdbc/spring-integration-jdbc.xsd">
<int:channel id="input" />
<int-jdbc:store-outbound-channel-adapterchannel="input" query="insert into real_data_tbl(time, userid, firstname, ...) select cast(time as datetime),
cast(userid as numeric), firstname, ... from dfpp_networkfillclicks" data-source="dataSource" />
<bean id="dataSource" class="org.springframework.jdbc.datasource.DriverManagerDataSource"><property name="driverClassName" value="org.postgresql.Driver"/><property name="url" value="jdbc:postgresql:gpadmin"/><property name="username" value="gpadmin"/><property name="password" value=""/>
</bean>
</beans>

createtable.sql

CREATE TABLEﾠraw_data_tbl(time text,userid text ,
...somefieldﾠtext)WITH (APPENDONLY=true)DISTRIBUTED BY (time);

3. Shell的Spring XD脚本

我的常规安装脚本（我将其保存在setup.xd中，并通过ﾠ script –file setup.xd加载它）

had config fs --namenode hdfs://localhost:8020
admin config server http://localhost:9393
hadoop fs ls /
stream list

通过Spring-XD将文件加载到GemFireXD的脚本

stream create --name fileload --definition "file --dir=/tmp/xd/input/load --outputType=text/plain | ﾠjdbc --tableName=APP.filetest --columns=id,name" --deploy

4. GemFire XD的Spring XD配置

将GemFire XD JDBC驱动程序复制到Spring-XD（可能也需要tools.jar）

cp /usr/lib/gphd/Pivotal_GemFireXD_10/lib/gemfirexd-client.jar /opt/pivotal/spring-xd/xd/lib/

修改接收器的JDBC属性以指向您的Gemfire XD，如果您使用的是Pivotal HD VM并安装带有Yum的Spring-XD（sudo yum update spring-xd），则此位置：

/opt/pivotal/spring-xd/xd/config/modules/sink/jdbc/jdbc.properties
url = jdbc:gemfirexd://localhost:1527
username = gfxd
password = gfxd
driverClassName = com.pivotal.gemfirexd.jdbc.ClientDriver

对于Peer Client Driver，您需要GemFireXD Lib（.so二进制文件）中的更多文件，链接可能是一个好主意。

5. GemFire XD设置

gfxd
connect client 'localhost:1527';create table filetest (id int, name varchar(100)) REPLICATE PERSISTENT;
select id, kind, netservers from sys.members;ﾠ
select * from filetest;

Spring XD命令

stream list

显示你的流

参考：

Spring XD文档
Spring XD Wiki
在Centos上安装Spring XD
GemFire XD文档
Spring XD文件提取到JDBC中
带有Hadoop的Spring XD

6.通过Spring XD将数据从RabbitMQ导入RDBMS

从名为“ rq”的Rabbit队列读取的简单流，并将其发送到“消息和主机”列的SQL数据库，从而创建名为“ rq”的新表。

stream create --name rq --definition "rabbit --outputType=text/plain | jdbc --columns='message,host' --initializeDatabase=true" --deploy

7.通过Spring XD将数据从REST API导入HDFS

stream create --name hdfssave --definition "http  | hdfs" –deploy

翻译自: https://www.javacodegeeks.com/2015/03/spring-xd-for-data-ingestion.html