欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

flume基础总结

程序员文章站 2022-06-15 11:26:15
...

Flume概述


Flume是一种基于流式架构的日志采集,聚合和传输系统。可以用来把Java EE平台的日志数据(比如实时推荐)传输给HDFS 主要目的:实时读取服务器日志,写到HDFS中

架构

flume基础总结
Agent:JVM进程。以事件(event)的形式把数据传送到目的地,主要由三部分组成:source,channel,sink

???? source: 负责生产事件(接收数据)。Source组件可以处理各种类型的日志数据,包括avro, thrift, exec, jms netcat等等

????channel:是source和sink中间的缓冲区,这样两端读写速度可以不同。同时channel是线程安全 ,可以对接多个source和sink。channel分为:Memory channel(内存存储)或者File channel(磁盘中),Kafka channel

???? sink: 负责消费事件。不断轮询channel中的数据并且批量清除数据,并将这些数据写入到存储或者另一个flume。可以写入hdfs,logger控制台,avro,file等等。

???? event :flume传输数据的形式,由 header(kv结构) + body(字节数组)组成

Avro source: 对接多个flume
Exec source

#flume安装


Flume官网地址

文档查看地址

下载地址

将apache-flume-1.7.0-bin.tar.gz解压到你的目录下,为了方便可以改名成flume

修改flume/conf/flume-env.sh.template配置文件

mv flume-env.sh.template flume-env.sh

然后修改文件中的Java路径变成自己的

export JAVA_HOME=/opt/module/jdk1.8.0_144

入门案例

case 1 监控端口

用flume从端口接收数据,打印到控制台
首先安装下netcat
sudo yum install -y nc

在flume目录下创建job文件专门存配置文件夹并进入job文件夹,自定义一个配置文件
vim flume-netcat-logger.conf
在文件中写入

# Name the components on this agent
# a1(agent)的source,sink, channel名称
a1.sources = r1
a1.sinks = k1
a1.channels = c1

# Describe/configure the source
#a1输入源是端口
a1.sources.r1.type = netcat
#a1监听主机
a1.sources.r1.bind = localhost
#a1端口号(你自己随便指定一个没有被占用的)
a1.sources.r1.port = 44444

# Describe the sink
#输出目的地是控制台logger类型
a1.sinks.k1.type = logger

# Use a channel which buffers events in memory
#channel设置成再内存中存储
a1.channels.c1.type = memory
#channel最大容量1000个event
a1.channels.c1.capacity = 1000
#channel收集到100条再提交事务
a1.channels.c1.transactionCapacity = 100

# Bind the source and sink to the channel
#把source 和 sink 连接到channel上
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

然后还要做两件事:启动flume和向4444端口发送数据
启动flume
bin/flume-ng agent --conf conf/ --name a1 --conf-file job/flume-netcat-logger.conf -Dflume.root.logger=INFO,console

或者

bin/flume-ng agent -c conf/ -n a1 -f job/flume-netcat-logger.conf -Dflume.root.logger=INFO,console

这里说明下

  • --conf/-c : 配置文件存储位置
  • -name/-n : Agent的名字
  • --conf-file/-f : 配置文件的地方
  • -Dflume.root.logger : flume动态修改flume.root.logger参数属性值,并将控制台日志打印级别设置为INFO级别。日志级别包括:log、info、warn、error。

向4444端口发送数据
nc localhost 4444 hello
Flume监听页面收到了消息

case 2 监控单个追加文件

目标:监控Hive日志文件,并上传到HDFS

Flume要想将数据输出到HDFS,须持有Hadoop相关jar包 (在resource下的flume-hadoop-jar.rar),解压后放在flume/lib文件夹下。

在job下创建配置文件 vim flume-file-hdfs.conf
然后添加

# Name the components on this agent
a2.sources = r2
a2.sinks = k2
a2.channels = c2

# Describe/configure the source
#定义source类型为exec可执行命令
a2.sources.r2.type = exec
#命令
a2.sources.r2.command = tail -F /opt/module/hive/logs/hive.log
a2.sources.r2.shell = /bin/bash -c 执行shell脚本的路径

# Describe the sink
a2.sinks.k2.type = hdfs
a2.sinks.k2.hdfs.path = hdfs://hadoop102:9000/flume/%Y%m%d/%H
#上传文件的前缀
a2.sinks.k2.hdfs.filePrefix = logs-
#是否按照时间滚动文件夹
a2.sinks.k2.hdfs.round = true
#多少时间单位创建一个新的文件夹
a2.sinks.k2.hdfs.roundValue = 1
#重新定义时间单位
a2.sinks.k2.hdfs.roundUnit = hour
#是否使用本地时间戳
a2.sinks.k2.hdfs.useLocalTimeStamp = true
#积攒多少个Event才flush到HDFS一次
a2.sinks.k2.hdfs.batchSize = 1000
#设置文件类型,可支持压缩
a2.sinks.k2.hdfs.fileType = DataStream
#多久生成一个新的文件(秒)
a2.sinks.k2.hdfs.rollInterval = 30
#设置每个文件的滚动大小
a2.sinks.k2.hdfs.rollSize = 134217700
#文件的滚动与Event数量无关
a2.sinks.k2.hdfs.rollCount = 0

# Use a channel which buffers events in memory
a2.channels.c2.type = memory
a2.channels.c2.capacity = 1000
a2.channels.c2.transactionCapacity = 100

# Bind the source and sink to the channel
a2.sources.r2.channels = c2
a2.sinks.k2.channel = c2

打开flume
bin/flume-ng agent --conf conf/ --name a2 --conf-file job/flume-file-hdfs.conf

把集群、Hive打开

在hive上随便进行些操作后查看hdfs下面的flume文件

flume基础总结

case 3 实时监控目录下多个新文件

监听整个目录的文件变化,上传到HDFS

创建配置文件
vim flume-dir-hdfs.conf

然后添加如下内容

a3.sources = r3
a3.sinks = k3
a3.channels = c3

# Describe/configure the source
a3.sources.r3.type = spooldir
#监控目录
a3.sources.r3.spoolDir = /opt/module/flume/upload
a3.sources.r3.fileSuffix = .COMPLETED
a3.sources.r3.fileHeader = true
#忽略所有以.tmp结尾的文件,不上传。上传完成的文件会以.COMPLETED结尾
a3.sources.r3.ignorePattern = ([^ ]*\.tmp)

# Describe the sink
a3.sinks.k3.type = hdfs
#上传到HDFS的路径
a3.sinks.k3.hdfs.path = hdfs://hadoop102:9000/flume/upload/%Y%m%d/%H
#上传文件的前缀
a3.sinks.k3.hdfs.filePrefix = upload-
#是否按照时间滚动文件夹
a3.sinks.k3.hdfs.round = true
#多少时间单位创建一个新的文件夹
a3.sinks.k3.hdfs.roundValue = 1
#重新定义时间单位
a3.sinks.k3.hdfs.roundUnit = hour
#是否使用本地时间戳
a3.sinks.k3.hdfs.useLocalTimeStamp = true
#积攒多少个Event才flush到HDFS一次
a3.sinks.k3.hdfs.batchSize = 100
#设置文件类型,可支持压缩
a3.sinks.k3.hdfs.fileType = DataStream
#多久生成一个新的文件
a3.sinks.k3.hdfs.rollInterval = 60
#设置每个文件的滚动大小大概是128M
a3.sinks.k3.hdfs.rollSize = 134217700
#文件的滚动与Event数量无关
a3.sinks.k3.hdfs.rollCount = 0

# Use a channel which buffers events in memory
a3.channels.c3.type = memory
a3.channels.c3.capacity = 1000
a3.channels.c3.transactionCapacity = 100

# Bind the source and sink to the channel
a3.sources.r3.channels = c3
a3.sinks.k3.channel = c3

case 4 追加文件监控

case 3中监控的是文件名字,如果你向一个文件中追加内容是不会被记录下来的。如果想记录追加文件监控,需要使用taildir类别的source

用positionfile 记录位置文件,flume中途关机,再启动也会记录

a3.sources = r3
a3.sinks = k3
a3.channels = c3

# Describe/configure the source
a3.sources.r3.type = TAILDIR
# positionfile的位置
a3.sources.r3.positionFile = /opt/module/flume/tail_dir.json
a3.sources.r3.filegroups = f1
# 监控的文件目录
a3.sources.r3.filegroups.f1 = /opt/module/flume/files/file.*

# Describe the sink
a3.sinks.k3.type = hdfs
a3.sinks.k3.hdfs.path = hdfs://hadoop102:9000/flume/upload/%Y%m%d/%H
#上传文件的前缀
a3.sinks.k3.hdfs.filePrefix = upload-
#是否按照时间滚动文件夹
a3.sinks.k3.hdfs.round = true
#多少时间单位创建一个新的文件夹
a3.sinks.k3.hdfs.roundValue = 1
#重新定义时间单位
a3.sinks.k3.hdfs.roundUnit = hour
#是否使用本地时间戳
a3.sinks.k3.hdfs.useLocalTimeStamp = true
#积攒多少个Event才flush到HDFS一次
a3.sinks.k3.hdfs.batchSize = 100
#设置文件类型,可支持压缩
a3.sinks.k3.hdfs.fileType = DataStream
#多久生成一个新的文件
a3.sinks.k3.hdfs.rollInterval = 60
#设置每个文件的滚动大小大概是128M
a3.sinks.k3.hdfs.rollSize = 134217700
#文件的滚动与Event数量无关
a3.sinks.k3.hdfs.rollCount = 0

# Use a channel which buffers events in memory
a3.channels.c3.type = memory
a3.channels.c3.capacity = 1000
a3.channels.c3.transactionCapacity = 100

# Bind the source and sink to the channel
a3.sources.r3.channels = c3
a3.sinks.k3.channel = c3

hdfs.rollInterval 滚动生成新文件 默认30秒
hdfs.rollsize
hdfs.rollcount
hdfs.round 文件夹滚动

相关标签: 大数据