如何将 Apache Kafka 与 Amazon S3 连接？

Posted 2023-03-10

【中文标题】如何将 Apache Kafka 与 Amazon S3 连接？

【英文标题】：How to connect Apache Kafka with Amazon S3?

【发布时间】：2019-03-08 13:44:53

【问题描述】：

我想使用 Kafka Connect 将来自 Kafka 的数据存储到存储桶 s3 中。我已经运行了一个 Kafka 的主题，并且创建了一个存储桶 s3。我的主题有关于 Protobuffer 的数据，我尝试使用 https://github.com/qubole/streamx 并得到下一个错误：

 [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)

我做了接下来的步骤：

我克隆了存储库。 mvn DskipTests package

nano config/connect-standalone.properties

bootstrap.servers=ip-myip.ec2.internal:9092
key.converter=com.qubole.streamx.ByteArrayConverter
value.converter=com.qubole.streamx.ByteArrayConverter

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

connect-standalone /etc/kafka/connect-standalone.properties quickstart-s3.properties

我想知道我这样做是否可行或以其他方式将数据从 Kafka 保存到 S3。

【问题讨论】：

你找到了什么教程？任何新的 Kafka 消费者都可以配置为从现有数据的偏移量开始读取

如果你从根本上改写它以提出不同的问题，你应该在你的问题文本中指出。我的回答是针对您最初的问题“如何将 Apache Kafka 连接到 S3”。

【参考方案1】：

您可以使用 Kafka Connect 与 Kafka Connect S3 连接器进行此集成。

Kafka Connect 是 Apache Kafka 的一部分，S3 connector 是一个开源连接器，可以通过standalone 或作为Confluent Platform 的一部分使用。

有关 Kafka Connect 的一般信息和示例，本系列文章可能会有所帮助：

https://www.confluent.io/blog/simplest-useful-kafka-connect-data-pipeline-world-thereabouts-part-1/ https://www.confluent.io/blog/blogthe-simplest-useful-kafka-connect-data-pipeline-in-the-world-or-thereabouts-part-2/ https://www.confluent.io/blog/simplest-useful-kafka-connect-data-pipeline-world-thereabouts-part-3/

免责声明：我为 Confluent 工作，并撰写了上述博客文章。

---

2020 年 4 月：我录制了一段视频，展示了如何使用 S3 接收器：https://rmoff.dev/kafka-s3-video

【讨论】：

我想使用 Kafka Connect，但我在 Protobuffer 上有数据，这可能有问题吗？ key.converter= value.converter= key.converter.schemas.enable= value.converter.schemas.enable= internal.key.converter= internal.value.converter= internal.key.converter.schemas.enable= internal.value。 converter.schemas.enable=

是的，有一个用于 Kafka Connect 的开源 protobuf 转换器，您可以使用：confluent.io/connector/kafka-connect-protobuf-converter

我有很多问题。我可以从其他 Kafka 实例连接到我的 Kafka 集群并以独立方式运行我的 Kafka 连接器 s3 吗？这个错误“ERROR Task s3-sink-0 throw an unaught an unrecoverable exception”是什么意思？如果您可以恢复连接到 Kafka 的步骤并从另一个 Kafka 实例继续使用 s3，您将如何做？

【参考方案2】：

另一种方法是编写带有日志轮换的消费者，然后将玉米文件写入 S3。