关于HBase的sink的所有内容均在org.apache.flume.sink.hbase包下。
每个sink包括自己定制的，都extends AbstractSink implements Configurable。
一、首先是configure(Context context)方法。该方法是对HBaseSink的参数初始化。主要包括以下几个：
tableName：要写入的HBase数据表名，不能为空；
columnFamily：数据表对应的列簇名，这个sink目前只支持一个列簇，不能为空；
batchSize：每次事务可以处理的最大Event数量，默认是100；
eventSerializerType：用来将event写入HBase，即将event转化为put。默认是org.apache.flume.sink.hbase.SimpleHbaseEventSerializer，还有一个是RegexHbaseEventSerializer，即适合HBaseSink的Serializer只有这俩，否则自己定制；
serializerContext：是eventSerializerType的配置信息，就是配置文件中包含“serializer.”的项；
kerberosKeytab和kerberosPrincipal是用来做访问控制的，默认都为空，即不设置。
并生成eventSerializerType对应的实例并加以配置，两个Serializer各有不同的用途主要是一个只能写一列，一个可以写多列：
1 Class<? extends HbaseEventSerializer> clazz = 2 (Class<? extends HbaseEventSerializer>) 3 Class.forName(eventSerializerType); 4 serializer = clazz.newInstance(); 5 serializer.configure(serializerContext); //配置序列化组件，先配置。默认是SimpleHbaseEventSerializer
1、SimpleHbaseEventSerializer.configure(Context context)：此Serializer只能将数据写入一列
1 public void configure(Context context) { 2 rowPrefix = context.getString("rowPrefix", "default"); //获取RowKey的前缀，固定的部分，默认前缀是default 3 incrementRow = 4 context.getString("incrementRow", "incRow").getBytes(Charsets.UTF_8);//获取计数器对应的行键 5 String suffix = context.getString("suffix", "uuid"); //rowkey的类型(可以指定的有四种uuid/random/timestamp/nano)，默认是uuid 6 7 String payloadColumn = context.getString("payloadColumn"); //要写入HBase的列名 8 String incColumn = context.getString("incrementColumn"); //计数器对应的列 9 if(payloadColumn != null && !payloadColumn.isEmpty()) { //根据suffix决定rowkey类型 10 if(suffix.equals("timestamp")){ 11 keyType = KeyType.TS; 12 } else if (suffix.equals("random")) { 13 keyType = KeyType.RANDOM; 14 } else if(suffix.equals("nano")){ 15 keyType = KeyType.TSNANO; 16 } else { 17 keyType = KeyType.UUID; 18 } 19 plCol = payloadColumn.getBytes(Charsets.UTF_8); //列名 20 } 21 if(incColumn != null && !incColumn.isEmpty()) { //存在计数器列 22 incCol = incColumn.getBytes(Charsets.UTF_8); 23 } 24 }
2、RegexHbaseEventSerializer.configure(Context context)：此Serializer根据正则可以写入多列
public void configure(Context context) { String regex = context.getString(REGEX_CONFIG, REGEX_DEFAULT); //获取配置文件中的正则表达式，默认是“(.*)” regexIgnoreCase = context.getBoolean(IGNORE_CASE_CONFIG, INGORE_CASE_DEFAULT); //是否忽略大小写 inputPattern = Pattern.compile(regex, Pattern.DOTALL + (regexIgnoreCase ? Pattern.CASE_INSENSITIVE : 0)); //将给定的正则表达式编译到具有给定标志的模式中 String colNameStr = context.getString(COL_NAME_CONFIG, COLUMN_NAME_DEFAULT); //获取配置文件中的列名s String[] columnNames = colNameStr.split(","); //分割列名获得列名数组 for (String s: columnNames) { colNames.add(s.getBytes(Charsets.UTF_8)); } }
二、start()方法。该方法首先会构造一个HTable对象，并table.setAutoFlush(false)来激活缓冲区(默认大小时2MB)，随后的是一些检查。
三、然后是process()方法用来从channel中take数据，serializer之后写入HBase。
1 public Status process() throws EventDeliveryException { 2 Status status = Status.READY; 3 Channel channel = getChannel(); 4 Transaction txn = channel.getTransaction(); 5 List<Row> actions = new LinkedList<Row>(); 6 List<Increment> incs = new LinkedList<Increment>(); 7 txn.begin(); 8 for(long i = 0; i < batchSize; i++) { 9 Event event = channel.take(); 10 if(event == null){ 11 status = Status.BACKOFF; 12 counterGroup.incrementAndGet("channel.underflow"); 13 break; 14 } else { 15 serializer.initialize(event, columnFamily); 16 actions.addAll(serializer.getActions()); 17 incs.addAll(serializer.getIncrements()); 18 } 19 } 20 putEventsAndCommit(actions, incs, txn); 21 return status; 22 }
1、actions和incs是要写入HBase的数据，actions对应的是数据；incs对应的是计数器。
2、serializer.initialize(event, columnFamily)，两个Serializer的initialize目的一样：
1 public void initialize(Event event, byte[] columnFamily) { 2 this.payload = event.getBody(); //获取要处理的数据 3 this.cf = columnFamily; //获取要写入的列簇 4 }
3、serializer.getActions()
SimpleHbaseEventSerializer.getActions()方法会根据configure(Context context)中设置的RowKey类型先获取rowkey，可以是毫秒时间戳、随机数、纳秒时间戳以及UUID128位数四种类型。然后构造一个Put对象，将(列簇，列名，数据)添加进这个Put，返回List<Row> actions。
RegexHbaseEventSerializer.getActions()方法，首先会做一些判断匹配成功否？匹配出的个数和指定的列数相同否？，然后是获取rowkey，这里的rowkey是[time in millis]-[random key]-[nonce]三部分组成的字符串。剩下的是依次匹配列组成Put，返回List<Row> actions。
4、serializer.getIncrements()
SimpleHbaseEventSerializer.getIncrements()如果配置文件中配置了incrementColumn，就添加相应的计数器，否则返回一个没有数据的List<Increment>。
RegexHbaseEventSerializer.getIncrements()直接返回一个没有数据的List<Increment>，即不设置计数器。
5、putEventsAndCommit(actions, incs, txn)方法。首先会table.batch(actions)提交List<Put>；然后是计数器table.increment(i)；txn.commit()提交事务；如有异常txn.rollback()回滚；txn.close()事务关闭。
四、stop()方法。table.close();table = null;
有两个问题撒：
1、我们在开发HBase程序的时候总是要指定“hbase.zookeeper.quorum”对应的zookeeper地址的，但是看完HBaseSink也没发现设置的地方，是不是在HBase集群中的任意节点都不需要设置，除非在集群外节点才设置？
2、还有在使用时发现放在安装有zookeeper的节点上运行flume报错，删除zookeeper后运行正常，没安装zookeeper的节点上运行正常，这是为什么？？
希望知道的可以解答哈。。。HBaseSink也比较简单。。。后续还有更多源码解读！敬请期待！！
Flume-NG源码阅读之HBaseSink,布布扣,bubuko.com
原文：http://www.cnblogs.com/lxf20061900/p/3707730.html