Как настроить Kafka Connect Worker для потоковой передачи большего количества сообщений в HDFS - PullRequest
Новая
       25

Как настроить Kafka Connect Worker для потоковой передачи большего количества сообщений в HDFS

1 голос
/ 27 мая 2019

Моя текущая рабочая настройка :

NiFi направляет сообщения Avro (справочник реестра Confluent Schema) на Kafka (v2.0.0, 20 разделов, Confluent v5.0.0), Kafka Connect Worker (приемник HDFS) передает эти сообщения в формате Parquet в HDFS с flush.size=70000.

Моя проблема :

Эта конфигурация работает нормально, но когда я изменяю конфигурацию на flush.size=1000000 (поскольку размер сообщений 70 КБ не превышает 5-7 МБ, а размер блока файла Parquet составляет 256 МБ), работник подключения возвращает Error sending fetch request ошибок: 

...
[2019-05-24 14:00:21,784] INFO [ReplicaFetcher replicaId=1, leaderId=3, fetcherId=0] Error sending fetch request (sessionId=1661483807, epoch=374) to node 3: java.io.IOException: Connection to 3 was disconnected before the response was read. (org.apache.kafka.clients.FetchSessionHandler)
[2019-05-24 14:00:21,784] WARN [ReplicaFetcher replicaId=1, leaderId=3, fetcherId=0] Error in response for fetch request (type=FetchRequest, replicaId=1, maxWait=500, minBytes=1, maxBytes=10485760, fetchData={mytopic-10=(offset=27647797, logStartOffset=24913298, maxBytes=1048576), mytopic-16=(offset=27647472, logStartOffset=24913295, maxBytes=1048576), mytopic-7=(offset=27647429, logStartOffset=24913298, maxBytes=1048576), mytopic-4=(offset=27646967, logStartOffset=24913296, maxBytes=1048576), mytopic-13=(offset=27646404, logStartOffset=24913298, maxBytes=1048576), mytopic-19=(offset=27648276, logStartOffset=24913300, maxBytes=1048576), mytopic-1=(offset=27647036, logStartOffset=24913307, maxBytes=1048576)}, isolationLevel=READ_UNCOMMITTED, toForget=, metadata=(sessionId=1661483807, epoch=374)) (kafka.server.ReplicaFetcherThread)
java.io.IOException: Connection to 3 was disconnected before the response was read
...

Мои конфиги:

Коннектор HDFS: 

name=hdfs-sink
connector.class=io.confluent.connect.hdfs.HdfsSinkConnector
format.class=io.confluent.connect.hdfs.parquet.ParquetFormat
tasks.max=1
topics=mytopic
hdfs.url=hdfs://hdfsnode:8020/user/someuser/kafka_hdfs_sink/
flush.size=1000000

Конфигурация Kafka Connect Worker: 

bootstrap.servers=confleuntnode1:9092,confleuntnode2:9092,confleuntnode3:9092
key.converter=org.apache.kafka.connect.storage.StringConverter
value.converter=io.confluent.connect.avro.AvroConverter
value.converter.schema.registry.url=http://confleuntnode:8081
internal.key.converter=org.apache.kafka.connect.json.JsonConverter
internal.value.converter=org.apache.kafka.connect.json.JsonConverter
internal.key.converter.schemas.enable=false
internal.value.converter.schemas.enable=false
offset.storage.file.filename=/tmp/connect.offsets
plugin.path=/opt/confluent/current/share/java/

Мой вопрос:

Как транслировать сообщения большего размера с Kafka на HDFS с помощью Kafka Connect Worker?

1 Ответ

1 голос
/ 04 июня 2019

Я решил эту проблему, запустив соединение в распределенном режиме (вместо автономного). Теперь я могу записывать в HDFS до 3,5 миллионов записей (~ 256 МБ). Но есть новые проблемы с этим: 1) очень низкая скорость обработки (35 млн записей за 1 час); 2) невозможно записать файлы паркета размером более 256 Мб. Я выложу новые ТАК вопросы.

...