美文网首页数据采集Flume
Flume4:Flume理论和实战

Flume4:Flume理论和实战

作者: 勇于自信 | 来源:发表于2019-12-04 11:36 被阅读0次
    1.概述

    1.Flume是一个分布式、可靠、和高可用的海量日志采集、聚合和传输的系统。
    2.Flume可以采集文件,socket数据包等各种形式源数据,又可以将采集到的数据输出到HDFS、hbase、hive、kafka等众多外部存储系统中
    3.一般的采集需求,通过对flume的简单配置即可实现
    4.Flume针对特殊场景也具备良好的自定义扩展能力,因此,flume可以适用于大部分的日常数据采集场景

    2.运行机制

    1、Flume分布式系统中最核心的角色是agent,flume采集系统就是由一个个agent所连接起来形成
    2、每一个agent相当于一个数据传递员,内部有三个组件:
    a)Source:采集源,用于跟数据源对接,以获取数据
    b)Sink:下沉地,采集数据的传送目的,用于往下一级agent传递数据或者往最终存储系统传递数据
    c)Channel:angent内部的数据传输通道,用于从source将数据传递到sink
    如下图:


    3.Flume采集系统结构图
    1. 简单结构
      单个agent采集数据


    2. 复杂结构
      多级agent之间串联


    4.Flume实战案例

    1、Flume的安装非常简单,只需要解压即可,当然,前提是已有hadoop环境
    上传安装包到数据源所在节点上
    然后解压 tar -zxvf apache-flume-1.6.0-bin.tar.gz
    然后进入flume的目录,修改conf下的flume-env.sh,在里面配置JAVA_HOME

    2、根据数据采集的需求配置采集方案,描述在配置文件中(文件名可任意自定义)
    3、指定采集方案配置文件,在相应的节点上启动flume agent
    先用一个最简单的例子来测试一下程序环境是否正常
    1、先在flume的conf目录下新建一个文件
    vi netcat-logger.conf

    # 定义这个agent中各组件的名字
    a1.sources = r1
    a1.sinks = k1
    a1.channels = c1
    
    # 描述和配置source组件:r1
    a1.sources.r1.type = netcat
    a1.sources.r1.bind = localhost
    a1.sources.r1.port = 44444
    
    # 描述和配置sink组件:k1
    a1.sinks.k1.type = logger
    
    # 描述和配置channel组件,此处使用是内存缓存的方式
    a1.channels.c1.type = memory
    a1.channels.c1.capacity = 1000
    a1.channels.c1.transactionCapacity = 100
    
    # 描述和配置source  channel   sink之间的连接关系
    a1.sources.r1.channels = c1
    a1.sinks.k1.channel = c1
    

    2、启动agent去采集数据
    bin/flume-ng agent -c conf -f conf/netcat-logger.conf -n a1 -Dflume.root.logger=INFO,console

    ./bin/flume-ng agent --conf-file 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录
    -f conf/netcat-logger.con 指定我们所描述的采集方案
    -n a1 指定我们这个agent的名字
    3、测试
    先要往agent采集监听的端口上发送数据,让agent有数据可采
    随便在一个能跟agent节点联网的机器上
    telnet anget-hostname port (telnet localhost 44444)

    5.采集案例

    1、采集目录中的文件内容,在控制台打印出来
    采集需求:某服务器的某特定目录下,会不断产生新的文件,每当有新文件出现,就会采集文件内容并打印出来
    根据需求,首先定义以下3大要素

    • 采集源,即source——监控文件目录 : spooldir
    • 下沉目标,即sink——打印控制台 : logger
    • source和sink之间的传递通道——channel,可用file channel 也可以用内存channel
      配置文件编写:
    # 定义这个agent中各组件的名字
    a1.sources = r1
    a1.sinks = k1
    a1.channels = c1
    
    # 描述和配置source组件:r1
    a1.sources.r1.type = spooldir
    a1.sources.r1.spoolDir = /home/dong/logs/
    a1.sources.r1.fileHeader = true
    
    # 描述和配置sink组件:k1
    a1.sinks.k1.type = logger
    
    # 描述和配置channel组件,此处使用是内存缓存的方式
    a1.channels.c1.type = memory
    a1.channels.c1.capacity = 1000
    a1.channels.c1.transactionCapacity = 100
    
    # 描述和配置source  channel   sink之间的连接关系
    a1.sources.r1.channels = c1
    a1.sinks.k1.channel = c1
    

    Channel参数解释:
    capacity:默认该通道中最大的可以存储的event数量
    trasactionCapacity:每次最大可以从source中拿到或者送到sink中的event数量
    2、采集目录中的文件到HDFS
    采集需求:某服务器的某特定目录下,会不断产生新的文件,每当有新文件出现,就会采集文件到HDFS
    根据需求,首先定义以下3大要素

    • 采集源,即source——监控文件目录 : spooldir
    • 下沉目标,即sink——HDFS : hdfs.path = hdfs://master:9000/flume/%Y%m%d
    • source和sink之间的传递通道——channel,可用file channel 也可以用内存channel
      配置文件编写:
    # 定义这个agent中各组件的名字
    a1.sources = r1
    a1.sinks = k1
    a1.channels = c1
    
    # 描述和配置source组件:r1
    a1.sources.r1.type = spooldir
    a1.sources.r1.spoolDir = /home/dong/logs/
    a1.sources.r1.fileHeader = true
    
    # 描述和配置sink组件:k1
    a1.sinks.k1.type = hdfs
    a1.sinks.k1.hdfs.path = hdfs://master:9000/flume/%Y%m%d
    a1.sinks.k1.hdfs.filePrefix = events-
    a1.sinks.k1.hdfs.fileType = DataStream
    a1.sinks.k1.hdfs.rollCount = 0
    #HDFS上的文件达到128M 134217728时生成一个文件
    #a1.sinks.k1.hdfs.rollSize = 134
    ##HDFS上的文件达到60秒生成一个文件
    #a1.sinks.k1.hdfs.rollInterval = 60
    
    a1.channels.c1.type = memory
    a1.channels.c1.capacity = 1000
    a1.channels.c1.transactionCapacity = 100
    
    #定义拦截器,为消息添加时间戳
    a1.sources.r1.interceptors = i1
    a1.sources.r1.interceptors.i1.type = org.apache.flume.interceptor.TimestampInterceptor$Builder
    
    # 描述和配置source  channel   sink之间的连接关系
    a1.sources.r1.channels = c1
    a1.sinks.k1.channel = c1
    

    3、采集文件追加内容到HDFS
    采集需求:比如业务系统使用log4j生成的日志,日志内容不断增加,需要把追加到日志文件中的数据实时采集到hdfs

    根据需求,首先定义以下3大要素

    • 采集源,即source——监控文件内容更新 : exec ‘tail -F file’
    • 下沉目标,即sink——HDFS文件系统 : hdfs sink
    • Source和sink之间的传递通道——channel,可用file channel 也可以用 内存channel

    配置文件编写:

    agent1.sources = source1
    agent1.sinks = sink1
    agent1.channels = channel1
    
    # Describe/configure tail -F source1
    agent1.sources.source1.type = exec
    agent1.sources.source1.command = tail -F /home/hadoop/logs/access_log
    agent1.sources.source1.channels = channel1
    
    #configure host for source
    agent1.sources.source1.interceptors = i1
    agent1.sources.source1.interceptors.i1.type = host
    agent1.sources.source1.interceptors.i1.hostHeader = hostname
    
    # Describe sink1
    agent1.sinks.sink1.type = hdfs
    #a1.sinks.k1.channel = c1
    agent1.sinks.sink1.hdfs.path =hdfs://master:9000/log/flume-collection/%y-%m-%d/%H-%M
    agent1.sinks.sink1.hdfs.filePrefix = access_log
    agent1.sinks.sink1.hdfs.maxOpenFiles = 5000
    agent1.sinks.sink1.hdfs.batchSize= 100
    agent1.sinks.sink1.hdfs.fileType = DataStream
    agent1.sinks.sink1.hdfs.writeFormat =Text
    agent1.sinks.sink1.hdfs.rollSize = 102400
    agent1.sinks.sink1.hdfs.rollCount = 1000000
    agent1.sinks.sink1.hdfs.rollInterval = 60
    agent1.sinks.sink1.hdfs.round = true
    agent1.sinks.sink1.hdfs.roundValue = 10
    agent1.sinks.sink1.hdfs.roundUnit = minute
    agent1.sinks.sink1.hdfs.useLocalTimeStamp = true
    
    # Use a channel which buffers events in memory
    agent1.channels.channel1.type = memory
    agent1.channels.channel1.keep-alive = 120
    agent1.channels.channel1.capacity = 500000
    agent1.channels.channel1.transactionCapacity = 600
    
    # Bind the source and sink to the channel
    agent1.sources.source1.channels = channel1
    agent1.sinks.sink1.channel = channel1
    

    执行
    ./bin/flume-ng agent --conf-file conf/logserver_flume_hdfs/flume-hdfs.conf -n a1 -Dflume.root.logger=INFO.console
    hdfs会生成目录:


    相关文章

      网友评论

        本文标题:Flume4:Flume理论和实战

        本文链接:https://www.haomeiwen.com/subject/hcgkgctx.html