美文网首页独立开发者小记
Spark Streaming实时流处理-4.分布式日志收集框架

Spark Streaming实时流处理-4.分布式日志收集框架

作者: Peacenloves | 来源:发表于2018-10-29 22:39 被阅读0次

    分布式日志收集框架Flume

    1.业务现状分析

    flume.png

    • WebServer/ApplicationServer分散在各个机器上

    • 想在大数据平台Hadoop进行统计分析

    • 日志如何收集到Hadoop平台上

    • 解决方案及存在的问题

    • 如何解决我们的数据从其他的server上移动到Hadoop之上？

      1. shell: cp --> Hadoop集群的机器上，hdfs dfs -put ....（有很多问题不好解决，容错、负载均衡、时效性、压缩）
      2. Flume，从 A --> B 移动日志

    2.Flume概述

    Flume is a distributed, reliable, and available service for efficiently collecting, aggregating, and moving large amounts of log data.
    Flume是由Apache基金会提供的一个分布式、高可靠、高可用的服务，用于分布式的海量日志的高效收集、聚合、移动系统。

    • Flume设计目标

      1. 可靠性：高科要
      2. 扩展性：模块可扩展
      3. 管理性：agent管理

    • 界同类产品对比

      1. Flume: Cloudera/Apache, Java语言开发。
      2. Logstash: ELK(ElasticsSearch, Logstash, Kibana)
      3. Scribe: Facebook, 使用C/C++开发, 负载均衡不是很好, 已经不维护了。
      4. Chukwa: Yahoo/Apache, 使用Java语言开发, 负载均衡不是很好, 已经不维护了。
      5. Fluentd: 和Flume类似, Ruby开发。

    • Flume发展史

      1. Cloudera公司提出0.9.2，叫Flume-OG
      2. 2011年Flume-728编号，重要里程碑(Flume-NG)，贡献给Apache社区
      3. 2012年7月 1.0版本
      4. 2015年5月 1.6版本
      5. ~ 1.7版本

    3.Flume架构及核心组件

    flume1.png

    Flume有三大组件

    • Source: 收集，指定数据源从哪里来（Avro, Thrift, Spooling, Kafka, Exec）
    • Channel: 聚集，把数据先存在（Memory, File, Kafka等用的比较多）
    • Sink: 把数据写到某个地方去（HDFS, Hive, Logger, Avro, Thrift, File, ES, HBase, Kafka等）

    4.Flume环境部署

    • 前置条件
      • Java Runtime Environment - Java 1.8 or later（安装Java）
      • Memory - Sufficient memory for configurations used by sources, channels or sinks（足够内存）
      • Disk Space - Sufficient disk space for configurations used by channels or sinks（足够空间）
      • Directory Permissions - Read/Write permissions for directories used by agent（读写权限）
    • 1.安装JDK（下载，解压，安装，配置环境变量）
    • 2.安装Flume（下载，加压，安装，配置环境变量，检测：flume-ng version）

    5.Flume实战

    • 需求1：从指定网络端口采集数据输出到控制台

      • flume-conf.properties
        • A) 配置Source
        • B) 配置Channel
        • C) 配置Sink
        • D) 把以上三个组件串起来
      # example.conf: A single-node Flume configuration

# a1: agent名称
# r1：source的名称
# k1：sink的名称
# c1：channel的名称

# Name the components on this agent
a1.sources = r1
a1.sinks = k1
a1.channels = c1

# Describe/configure the source
a1.sources.r1.type = netcat
a1.sources.r1.bind = localhost
a1.sources.r1.port = 44444

# 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
      • 启动Agent
      flume-ng agent \
--name $agent_name \
--conf conf \
--conf-file conf/flume-conf.properties \
-Dflume.root.logger=INFO,console

flume-ng agent \
--name a1 \
--conf $FLUME_HOME/conf \
--conf-file $FLUME_HOME/conf/example.conf \
-Dflume.root.logger=INFO,console

    • 需求2：监控一个文件实时采集新增的数据输出到控制台

      • 1.Agent选型：exec source + memory channel + logger sink
      • 2.配置文件
      # exec-memory-logger.conf: A single-node Flume configuration

# a1: agent名称
# r1：source的名称
# k1：sink的名称
# c1：channel的名称

# 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/k.o/data/data.log
a1.sources.r1.shell = /bin/sh -c

# 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
      • 启动Agent
      flume-ng agent \
--name $agent_name \
--conf conf \
--conf-file conf/flume-conf.properties \
-Dflume.root.logger=INFO,console

flume-ng agent \
--name a1 \
--conf $FLUME_HOME/conf \
--conf-file $FLUME_HOME/conf/exec-memory-logger.conf \
-Dflume.root.logger=INFO,console

    • 需求3：将A服务器上的日志实时采集到B服务器

    flume2.png
    • 技术选型：
      1.exec source + memory channel + avro sink
      2.arro source + memory channel + logger sink
    # exec-memory-avro.conf: A single-node Flume configuration

# exec-memory-avro: agent名称
# exec-source：source的名称
# avro-sink：sink的名称
# memory-channel：channel的名称

# Name the components on this agent
exec-memory-avro.sources = exec-source
exec-memory-avro.sinks = avro-sink
exec-memory-avro.channels = memory-channel

# Describe/configure the source
exec-memory-avro.sources.exec-source.type = exec
exec-memory-avro.sources.exec-source.command = tail -F /home/k.o/data/data.log
exec-memory-avro.sources.exec-source.shell = /bin/sh -c

# Describe the sink
exec-memory-avro.sinks.avro-sink.type = avro
exec-memory-avro.sinks.avro-sink.hostname = localhost
exec-memory-avro.sinks.avro-sink.port = 44444

# Use a channel which buffers events in memory
exec-memory-avro.channels.memory-channel.type = memory
exec-memory-avro.channels.memory-channel.capacity = 1000
exec-memory-avro.channels.memory-channel.transactionCapacity = 100

# Bind the source and sink to the channel
exec-memory-avro.sources.exec-source.channels = memory-channel
exec-memory-avro.sinks.avro-sink.channel = memory-channel

    # avro-memory-logger.conf: A single-node Flume configuration

# avro-memory-logger: agent名称
# exec-source：source的名称
# logger-sink：sink的名称
# memory-channel：channel的名称

# Name the components on this agent
avro-memory-logger.sources = avro-source
avro-memory-logger.sinks = logger-sink
avro-memory-logger.channels = memory-channel

# Describe/configure the source
avro-memory-logger.sources.avro-source.type = avro
avro-memory-logger.sources.avro-source.bind = localhost
avro-memory-logger.sources.avro-source.port = 44444

# Describe the sink
avro-memory-logger.sinks.logger-sink.type = logger

# Use a channel which buffers events in memory
avro-memory-logger.channels.memory-channel.type = memory
avro-memory-logger.channels.memory-channel.capacity = 1000
avro-memory-logger.channels.memory-channel.transactionCapacity = 100

# Bind the source and sink to the channel
avro-memory-logger.sources.avro-source.channels = memory-channel
avro-memory-logger.sinks.logger-sink.channel = memory-channel
    • 启动Agent
    # 先启动 avro-memory-logger
flume-ng agent \
--name avro-memory-logger \
--conf $FLUME_HOME/conf \
--conf-file $FLUME_HOME/conf/avro-memory-logger.conf \
-Dflume.root.logger=INFO,console

# 再启动 exec-memory-avro
flume-ng agent \
--name exec-memory-avro \
--conf $FLUME_HOME/conf \
--conf-file $FLUME_HOME/conf/exec-memory-avro.conf \
-Dflume.root.logger=INFO,console
    • 日志收集过程
      1. 机器A上监控一个文件，当我们访问主站时会有用户行为日志记录到access.log钟
      2. avro sink把新产生的日志输出到对应的avro source指定的hostname和port上
      3. 通过avro source对应的logger将我们收集的日志输出到控制台

    相关文章

      网友评论

        本文标题：Spark Streaming实时流处理-4.分布式日志收集框架

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

        延伸阅读

        深度阅读

        • 您也可以注册成为美文阅读网的作者，发表您的原创作品、分享您的心情！

        栏目导航

        热点阅读

        独立开发者小记

        关于我们|服务条款|联系我们|Spark Streaming实时流处理-4.分布式日志收集框架|投稿指南|网站地图|RSS订阅|排版工具|手机版

        提供经典美文摘抄,优美散文欣赏,现代诗歌精选,短篇小说,心情随笔,表白情书范文,故事会在线阅读欣赏

        Copyright © 2014-2023 Haomeiwen.com All Rights Reserved. 好美文阅读网 版权所有

        备案信息：桂公网安备 45052102000051号 · 桂ICP备13007215号-3

        本站所收录作品、热点评论等信息部分来源互联网，目的只是为了系统归纳学习和传递资讯

        所有作品版权归原创作者所有，与本站立场无关，如不慎侵犯了你的权益，请联系我们告知，我们将做删除处理！