發布時間： 2018-02-08 02:42:18
?1.1 Flume介紹
1.1.1 概述u Flume是一個分布式、可靠、和高可用的海量日志采集、聚合和傳輸的系統。
Flume可以采集文件，socket數據包等各種形式源數據，又可以將采集到的數據輸出到HDFS、hbase、hive、kafka等眾多外部存儲系統中
一般的采集需求，通過對flume的簡單配置即可實現
Flume針對特殊場景也具備良好的自定義擴展能力，因此，flume可以適用于大部分的日常數據采集場景
1.1.2 運行機制1、 Flume分布式系統中最核心的角色是agent，flume采集系統就是由一個個agent所連接起來形成
2、 每一個agent相當于一個數據傳遞員，內部有三個組件：
a) Source：采集源，用于跟數據源對接，以獲取數據
b) Sink：下沉地，采集數據的傳送目的，用于往下一級agent傳遞數據或者往最終存儲系統傳遞數據
c) Channel：angent內部的數據傳輸通道，用于從source將數據傳遞到sink
1.1.4 Flume采集系統結構圖
1. 簡單結構單個agent采集數據
?
2. 復雜結構多級agent之間串聯
?
1.2 Flume實戰案例1.2.1 Flume的安裝部署1、Flume的安裝非常簡單，只需要解壓即可，當然，前提是已有hadoop環境 上傳安裝包到數據源所在節點上 然后解壓 tar -zxvf apache-flume-1.8.0-bin.tar.gz 配置環境變量 vi /etc/profile HBASE_HOME=/home/hadoop/apps/hbase ZOOKEEPER_HOME=/home/hadoop/apps/zookeeper HADOOP_HOME=/home/hadoop/apps/hadoop-2.8.1 JAVA_HOME=/opt/jdk1.8.0_121 FLUME_HOME=/home/hadoop/apps/flume PATH=$FLUME_HOME/bin:$HIVE_HOME/bin:$HBASE_HOME/bin:$ZOOKEEPER_HOME/bin:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH export FLUME_HOME HIVE_HOME HBASE_HOME ZOOKEEPER_HOME HADOOP_HOME JAVA_HOME PATH USER LOGNAME MAIL HOSTNAME HISTSIZE HISTCONTROL
然后進入flume的目錄，修改conf下的flume-env.sh，在里面配置JAVA_HOME export JAVA_HOME=/opt/jdk1.8.0_121 2、根據數據采集的需求配置采集方案，描述在配置文件中(文件名可任意自定義) 3、指定采集方案配置文件，在相應的節點上啟動flume agent 先用一個最簡單的例子來測試一下程序環境是否正常 1、先在flume的conf目錄下新建一個文件 vi netcat-logger.conf
# 定義這個agent中各組件的名字 a1.sources = r1 a1.sinks = k1 a1.channels = c1 # 描述和配置source組件：r1 a1.sources.r1.type = netcat a1.sources.r1.bind = localhost a1.sources.r1.port = 44444 # 描述和配置sink組件：k1 a1.sinks.k1.type = logger # 描述和配置channel組件，此處使用是內存緩存的方式 a1.channels.c1.type = memory a1.channels.c1.capacity = 1000 a1.channels.c1.transactionCapacity = 100 # 描述和配置source channel sink之間的連接關系 a1.sources.r1.channels = c1 a1.sinks.k1.channel = c1
?bin/flume-ng agent -c conf -f conf/netcat-logger.conf -n a1 -Dflume.root.logger=INFO,console
? c conf 指定flume自身的配置文件所在目錄 -f conf/netcat-logger.con 指定我們所描述的采集方案 -n a1 指定我們這個agent的名字 1、測試 先要往agent采集監聽的端口上發送數據，讓agent有數據可采 隨便在一個能跟agent節點聯網的機器上 telnet anget-hostname port （telnet localhost 44444） 如果telnet命令找不到，則用以下方式安裝 [root@hdp08 ~]# yum install telnet
1.2.2 采集案例
1、采集指定目錄下的日志文件
# Name the components on this agent a1.sources = r1 a1.sinks = k1 a1.channels = c1 # Describe/configure the source #監聽目錄,spoolDir指定目錄, fileHeader要不要給文件夾前墜名 a1.sources.r1.type = spooldir a1.sources.r1.spoolDir = /home/hadoop/flumespool a1.sources.r1.fileHeader = true # Describe the sink a1.sinks.k1.type = logger # Use a channel which buffers events in memory a1.channels.c1.type = memory a1.channels.c1.capacity = 1000 a1.channels.c1.transactionCapacity = 100 # Bind the source and sink to the channel a1.sources.r1.channels = c1 a1.sinks.k1.channel = c1 啟動命令： bin/flume-ng agent -c ./conf -f ./conf/spool-logger.conf -n a1 -Dflume.root.logger=INFO,console 2、采集目錄到HDFS采集需求：某服務器的某特定目錄下，會不斷產生新的文件，每當有新文件出現，就需要把文件采集到HDFS中去 根據需求，首先定義以下3大要素 l 采集源，即source——監控文件目錄 : spooldir l 下沉目標，即sink——HDFS文件系統 : hdfs sink l source和sink之間的傳遞通道——channel，可用file channel 也可以用內存channel 配置文件編寫： # Name the components on this agent a1.sources = r1 a1.sinks = k1 a1.channels = c1 # Describe/configure the source #監聽目錄,spoolDir指定目錄, fileHeader要不要給文件夾前墜名 a1.sources.r1.type = spooldir a1.sources.r1.spoolDir = /home/hadoop/flumespool a1.sources.r1.fileHeader = true # Describe the sink a1.sinks.k1.type = hdfs a1.sinks.k1.hdfs.path = /flume/events/%y-%m-%d/%H%M/ a1.sinks.k1.hdfs.filePrefix = events- a1.sinks.k1.hdfs.round = true a1.sinks.k1.hdfs.roundValue = 10 a1.sinks.k1.hdfs.roundUnit = minute a1.sinks.k1.hdfs.rollInterval = 3 a1.sinks.k1.hdfs.rollSize = 20 a1.sinks.k1.hdfs.rollCount = 5 a1.sinks.k1.hdfs.batchSize = 1 a1.sinks.k1.hdfs.useLocalTimeStamp = true #生成的文件類型，默認是Sequencefile，可用DataStream，則為普通文本 a1.sinks.k1.hdfs.fileType = DataStream # Use a channel which buffers events in memory a1.channels.c1.type = memory a1.channels.c1.capacity = 1000 a1.channels.c1.transactionCapacity = 100 # Bind the source and sink to the channel a1.sources.r1.channels = c1 a1.sinks.k1.channel = c1 Channel參數解釋： capacity：默認該通道中較大的可以存儲的event數量 trasactionCapacity：每次較大可以從source中拿到或者送到sink中的event數量 keep-alive：event添加到通道中或者移出的允許時間 3、采集文件到HDFS采集需求：比如業務系統使用log4j生成的日志，日志內容不斷增加，需要把追加到日志文件中的數據實時采集到hdfs 根據需求，首先定義以下3大要素 l 采集源，即source——監控文件內容更新 : exec ‘tail -F file’ l 下沉目標，即sink——HDFS文件系統 : hdfs sink l Source和sink之間的傳遞通道——channel，可用file channel 也可以用 內存channel 配置文件編寫： # Name the components on this agent a1.sources = r1 a1.sinks = k1 a1.channels = c1 # Describe/configure the source a1.sources.r1.type = exec a1.sources.r1.command = tail -F /home/hadoop/log/test.log a1.sources.r1.channels = c1 # Describe the sink a1.sinks.k1.type = hdfs a1.sinks.k1.channel = c1 a1.sinks.k1.hdfs.path = /flume/events/%y-%m-%d/%H%M/ a1.sinks.k1.hdfs.filePrefix = events- a1.sinks.k1.hdfs.round = true a1.sinks.k1.hdfs.roundValue = 10 a1.sinks.k1.hdfs.roundUnit = minute a1.sinks.k1.hdfs.rollInterval = 3 a1.sinks.k1.hdfs.rollSize = 20 a1.sinks.k1.hdfs.rollCount = 5 a1.sinks.k1.hdfs.batchSize = 1 a1.sinks.k1.hdfs.useLocalTimeStamp = true #生成的文件類型，默認是Sequencefile，可用DataStream，則為普通文本 a1.sinks.k1.hdfs.fileType = DataStream # Use a channel which buffers events in memory a1.channels.c1.type = memory a1.channels.c1.capacity = 1000 a1.channels.c1.transactionCapacity = 100 # Bind the source and sink to the channel a1.sources.r1.channels = c1 a1.sinks.k1.channel = c1 啟動命令： bin/flume-ng agent -c conf -f conf/tail-hdfs.conf -n a1 -Dflume.root.logger=INFO,console
4、采集文件發到另一個agent
? 從tail命令獲取數據發送到avro端口 另一個節點可配置一個avro源來中繼數據，發送外部存儲 ################## # Name the components on this agent a1.sources = r1 a1.sinks = k1 a1.channels = c1 # Describe/configure the source a1.sources.r1.type = spooldir a1.sources.r1.spoolDir = /home/hadoop/flumespool a1.sources.r1.fileHeader = true # Describe the sink a1.sinks = k1 a1.sinks.k1.type = avro a1.sinks.k1.channel = c1 a1.sinks.k1.hostname = hdp09 a1.sinks.k1.port = 4141 a1.sinks.k1.batch-size = 2 # Use a channel which buffers events in memory a1.channels.c1.type = memory a1.channels.c1.capacity = 1000 a1.channels.c1.transactionCapacity = 100 # Bind the source and sink to the channel a1.sources.r1.channels = c1 a1.sinks.k1.channel = c1
從avro端口接收數據，下沉到logger 采集配置文件，avro-hdfs.conf # Name the components on this agent a1.sources = r1 a1.sinks = k1 a1.channels = c1 # Describe/configure the source a1.sources.r1.type = avro a1.sources.r1.channels = c1 a1.sources.r1.bind = 0.0.0.0 a1.sources.r1.port = 4141 # Describe the sink a1.sinks.k1.type = logger # Use a channel which buffers events in memory a1.channels.c1.type = memory a1.channels.c1.capacity = 1000 a1.channels.c1.transactionCapacity = 100 # Bind the source and sink to the channel a1.sources.r1.channels = c1 a1.sinks.k1.channel = c1 發送數據： $ bin/flume-ng avro-client -H localhost -p 4141 -F /usr/logs/log.10
1.3 更多source和sink組件
? Flume支持眾多的source和sink類型，詳細手冊可參考官方文檔 http://flume.apache.org/FlumeUserGuide.html?
上一篇： {大數據}sqoop數據遷移
下一篇： {大數據}HBase開發
18922156670
