Flume學習筆記
flume學習筆記
一、什麼是Flume？ Apache Flume 是一個從可以收集例如日誌，事件等資料資源，並將這些數量龐大的資料從各項資料資源中集中起來儲存的工具/服務，或者數集中機制。flume具有高可用，分散式，配置工具，其設計的原理也是基於將資料流，如日誌資料從各種網站伺服器上彙集起來儲存到HDFS，HBase等集中儲存器中。二、flume特性 Flume是一個分散式、可靠、和高可用的海量日誌採集、聚合和傳輸的系統。 Flume可以採集檔案，socket資料包、檔案、資料夾、kafka等各種形式源資料，又可以將採集到的資料(下沉sink)輸出到HDFS、hbase、hive、kafka等眾多外部儲存系統中 一般的採集需求，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充套件能力，因此，flume可以適用於大部分的日常資料採集場景三、flume元件解析
tar -zxvf apache-flume-1.6.0-bin.tar.gz -C /root/app/2)修改配置檔案
將flume-env.sh.template 改為 flume-env.sh在裡面配置JAVA_HOME五、測試 建立一個myconf資料夾，在裡邊寫配置檔案 1.使用telnet 傳送訊息 然後輸出到控制檯 1)建立netcat-console.conf檔案
# 定義這個agent中各元件的名字 a1.sources = r1 a1.sinks = k1 a1.channels = c1 # 描述和配置source元件：r1 a1.sources.r1.type = netcat a1.sources.r1.bind = hadoop01 a1.sources.r1.port = 44444 # 描述和配置sink元件：k1 a1.sinks.k1.type = logger # 描述和配置channel元件，此處使用是記憶體快取的方式 a1.channels.c1.type = memory a1.channels.c1.capacity = 1000 a1.channels.c1.transactionCapacity = 100 # 描述和配置source channel sink之間的連線關係 a1.sources.r1.channels = c1 a1.sinks.k1.channel = c1
2)啟動
bin/flume-ng agent -c conf -f myconf/socket-file.conf -n a1 -Dflume.root.logger=INFO,console在另一個能跟agent節點聯網的機器上執行
telnet hadoop01 444442.採集目錄到hdfs 需求：某伺服器的某特定目錄下，會不斷產生新的檔案，每當有新檔案出現，就需要把檔案採集到HDFS中去 根據需求，首先定義以下3大要素 資料來源元件，即source ——監控檔案目錄 : spooldir spooldir特性： 1、監視一個目錄，只要目錄中出現新檔案，就會採集檔案中的內容 2、採集完成的檔案，會被agent自動新增一個字尾：COMPLETED 3、所監視的目錄中不允許重複出現相同檔名的檔案 下沉元件，即sink——HDFS檔案系統 : hdfs sink 通道元件，即channel——可用file channel 也可以用記憶體channel 配置檔案 directory-hdfs.conf
# 定義這個agent中各元件的名字
a1.sources = r1
a1.sinks = k1
a1.channels = c1
# 描述和配置source元件：r1
a1.sources.r1.type = spooldir
a1.sources.r1.spoolDir = /root/data/flumedata
# 描述和配置sink元件：k1
a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path = /flumeday15/events
a1.sinks.k1.hdfa.filePrefix = events-
#每隔N s將臨時檔案滾動成一個目標檔案
a1.sinks.k1.hdfs.rollInterval = 60
#當檔案大小為1048576個位元組時，將檔案滾動成一個檔案
a1.sinks.k1.hdfs.rollSize = 1048576
#event數量達到該數量的時候，將臨時檔案滾動成目標檔案
a1.sinks.k1.hdfs.rollCount = 500000
# 描述和配置channel元件，此處使用是記憶體快取的方式
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
# 描述和配置source channel sink之間的連線關係
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1啟動hadoop環境 另外建立一個資料夾 /root/data/flumedata 往裡邊新增檔案,檢視hdfs變化 3.採集檔案到kafka 採集需求：比如業務系統使用log4j生成的日誌，日誌內容不斷增加，需要把追加到日誌檔案中的資料實時採集到kafka 根據需求，首先定義以下3大要素 採集源，即source——監控檔案內容更新 : exec ‘tail -F file’ 下沉目標，即sink——kafka檔案系統 : org.apache.flume.sink.kafka.KafkaSink Source和sink之間的傳遞通道——channel，可用file channel 也可以用 記憶體channel 配置檔案編寫(exec-kafka.conf)
# 定義這個agent中各元件的名字
a1.sources = r1
a1.sinks = k1
a1.channels = c1
# 描述和配置source元件：r1
a1.sources.r1.type = exec
a1.sources.r1.command = tail -F /opt/datas/tmp.log
# 描述和配置sink元件：k1
a1.sinks.k1.type = org.apache.flume.sink.kafka.KafkaSink
a1.sinks.k1.kafka.topic = flumeTopic
a1.sinks.k1.kafka.bootstrap.servers = hadoop01:9092,hadoop02:9092,hadoop03:9092
a1.sinks.k1.kafka.flumeBatchSize = 20
a1.sinks.k1.kafka.producer.acks = 1
a1.sinks.k1.kafka.producer.linger.ms = 1
a1.sinks.ki.kafka.producer.compression.type = snappy
# 描述和配置channel元件，此處使用是記憶體快取的方式
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
# 描述和配置source channel sink之間的連線關係
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1執行：啟動zookeeper
zkServer.sh start 啟動kafka
/root/app/kafka_2.11-0.10.2.1/bin/kafka-server-start.sh -daemon
/root/app/kafka_2.11-0.10.2.1/config/server.properties建立Topic
/root/app/kafka_2.11-0.10.2.1/bin/kafka-topics.sh --create
--zookeeper 192.168.1.3:2181,192.168.1.4:2181,192.168.1.5:2181
--replication-factor 3 --partitions 3 --topic flumeTopic啟動flume
bin/flume-ng agent -c conf -f myconf/exec-kafka.conf -n a1 -Dflume.root.logger=INFO,console輸出日誌
while true
>do
>echo `date` >> /opt/datas/tmp.log
>sleep 0.5
>done檢視kafka資料
/root/app/kafka_2.11-0.10.2.1/bin/kafka-topics.sh --describe --zookeeper localhost:2181 --topic flumeTopic4.寫到磁碟中 # 定義這個agent中各元件的名字
a1.sources = r1
a1.sinks = k1
a1.channels = c1
# 描述和配置source元件：r1
a1.sources.r1.type = netcat
a1.sources.r1.bind = bigdata01
a1.sources.r1.port = 44444
# 描述和配置sink元件：k1
a1.sinks.k1.type = file_roll
a1.sinks.k1.sink.directory = /opt/datas/flumelog
# 描述和配置channel元件，此處使用是記憶體快取的方式
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
# 描述和配置source channel sink之間的連線關係
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c15.Flume HA配置 hadoop01 -->| sink1 ---> hadopp02 | sink2 ---> hadoop03 hadoop02宕機後 hadoop01 輸出到 hadoop03 hadoop01 的 spooldir-avroMultiSink.conf
# 定義這個agent中各元件的名字
a1.sources = r1
a1.sinks = k1 k2
a1.channels = c1
#set gruop
a1.sinkgroups = g1
# 描述和配置source元件：r1
a1.sources.r1.type = spooldir
a1.sources.r1.spoolDir = /root/data/flumedata
a1.sources.r1.fileHeader = true
# 描述和配置sink元件：k1
# set sink1
a1.sinks.k1.channel = c1
a1.sinks.k1.type = avro
a1.sinks.k1.hostname = hadoop02
a1.sinks.k1.port = 4545
# set sink2
a1.sinks.k2.channel = c1
a1.sinks.k2.type = avro
a1.sinks.k2.hostname = hadoop03
a1.sinks.k2.port = 4545
#set sink group
a1.sinkgroups.g1.sinks = k1 k2
# 描述和配置channel元件，此處使用是記憶體快取的方式
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
# 描述和配置source channel sink之間的連線關係
a1.sources.r1.channels = c1
#set failover
a1.sinkgroups.g1.processor.type = failover
a1.sinkgroups.g1.processor.priority.k1 = 10
a1.sinkgroups.g1.processor.priority.k2 = 1
a1.sinkgroups.g1.processor.maxpenalty = 10000hadoop02 avro-logger.conf
# 定義這個agent中各元件的名字
a1.sources = r1
a1.sinks = k1
a1.channels = c1
# 描述和配置source元件：r1
a1.sources.r1.type = avro
a1.sources.r1.bind = hadoop02
a1.sources.r1.port = 4545
# 描述和配置sink元件：k1
a1.sinks.k1.type = logger
# 描述和配置channel元件，此處使用是記憶體快取的方式
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
# 描述和配置source channel sink之間的連線關係
a1.sources.r1.channels = c1
a1.sinks.k1.channel = chadoop03 avro-logger.conf
# 定義這個agent中各元件的名字
a1.sources = r1
a1.sinks = k1
a1.channels = c1
# 描述和配置source元件：r1
a1.sources.r1.type = avro
a1.sources.r1.bind = hadoop03
a1.sources.r1.port = 4545
# 描述和配置sink元件：k1
a1.sinks.k1.type = logger
# 描述和配置channel元件，此處使用是記憶體快取的方式
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
# 描述和配置source channel sink之間的連線關係
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c啟動： hadoop02
bin/flume-ng agent -c conf -f myconf/avro-logger.conf -n a1 -Dflume.root.logger=INFO,consolehadoop03
bin/flume-ng agent -c conf -f myconf/avro-logger.conf -n a1 -Dflume.root.logger=INFO,consolehadoop01
bin/flume-ng agent -c conf -f myconf/spooldir-avroMultiSink.conf -n a1 -Dflume.root.logger=INFO,console