大数据学习系列：Hadoop3.0苦命学习（六）

2020-05-24 13:11 457人阅读评论(0)

传送门：
大数据学习系列：Hadoop3.0苦命学习（一）
大数据学习系列：Hadoop3.0苦命学习（二）
大数据学习系列：Hadoop3.0苦命学习（三）
大数据学习系列：Hadoop3.0苦命学习（四）

本节主要学习Flume。

1 Flume 介绍

1.1 概述

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。
Flume 可以采集文件，socket数据包、文件、文件夹、kafka等各种形式源数据，又可以将采集到的数据(下沉sink)输出到HDFS、hbase、hive、kafka等众多外部存储系统中
一般的采集需求，通过对 flume的简单配置即可实现
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

1.2 运行机制

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
每一个agent相当于一个数据传递员，内部有三个组件：
1. Source：采集组件，用于跟数据源对接，以获取数据
2. Sink：下沉组件，用于往下一级agent传递数据或者往最终存储系统传递数据
3. Channel：传输通道组件，用于从source将数据传递到sink

1.3 Flume 结构图

简单结构
单个 Agent 采集数据

复杂结构
多级 Agent 之间串联

2 Flume 实战案例

案例：使用网络telent命令向一台机器发送一些网络数据，然后通过flume采集网络端口数据

2.1 Flume 的安装部署

Step 1: 下载解压修改配置文件

下载地址：官方下载地址

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

cd /export/software/
tar -zxvf apache-flume-1.8.0-bin.tar.gz -C ../services/
cd /export/services/apache-flume-1.8.0-bin/conf/
cp flume-env.sh.template flume-env.sh
vim flume-env.sh
export JAVA_HOME=/export/services/jdk1.8.0_251

Step 2 开发配置文件

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)

配置我们的网络收集的配置文件
在flume的conf目录下新建一个配置文件（采集方案）

vim /export/services/apache-flume-1.8.0-bin/conf/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 = 192.168.188.100
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

Step 3 启动配置文件

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
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

-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

可以看到监控的主机和端口。

Step 4 安装 Telnet 准备测试

在node02机器上面安装telnet客户端，用于模拟数据的发送

yum -y install telnet
telnet node01 44444 # 使用telnet模拟数据发送

发送“消息”：

node01接收到“消息”：

2.2. 采集案例

2.2.1 采集目录到 HDFS

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，就需要把文件采集到HDFS中去

思路
根据需求，首先定义以下3大要素

数据源组件，即source ——监控文件目录 : spooldir
1. 监视一个目录，只要目录中出现新文件，就会采集文件中的内容
2. 采集完成的文件，会被agent自动添加一个后缀：COMPLETED
3. 所监视的目录中不允许重复出现相同文件名的文件
下沉组件，即sink——HDFS文件系统 : hdfs sink
通道组件，即channel——可用file channel 也可以用内存channel

Step 1 Flume 配置文件

cd /export/services/apache-flume-1.8.0-bin/conf/
mkdir -p /export/services/dirfile
vim spooldir.conf

填写下列配置

# Name the components on this agent
a1.sources = r1
a1.sinks = k1
a1.channels = c1
# Describe/configure the source
##注意：不能往监控目中重复丢同名文件
a1.sources.r1.type = spooldir
a1.sources.r1.spoolDir = /export/services/dirfile
a1.sources.r1.fileHeader = true
# Describe the sink
a1.sinks.k1.type = hdfs
a1.sinks.k1.channel = c1
a1.sinks.k1.hdfs.path = hdfs://node01:8020/spooldir/files/%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
#生成的文件类型，默认是Sequencefile，可用DataStream，则为普通文本
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
keep-alive：event添加到通道中或者移出的允许时间

Step 2 启动 Flume

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

Step 3 上传文件到指定目录

将不同的文件上传到/export/servers/dirfile目录里面去，注意文件不能重名

aaa.txt 文件内容

hello sky
hello hello
hello too

可以看到上图产生了新的文件。

第一个文件内容如上。

2.2.2 采集文件到 HDFS

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

分析
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

Step 1 定义 Flume 配置文件

cd /export/services/apache-flume-1.8.0-bin/conf/
vim tail-file.conf

填写下列配置：

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 /export/services/taillogs/access_log
agent1.sources.source1.channels = channel1
# Describe sink1
agent1.sinks.sink1.type = hdfs
#a1.sinks.k1.channel = c1
agent1.sinks.sink1.hdfs.path = hdfs://node01:8020/weblog/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.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

Step 2 启动 Flume

 cd /export/services/apache-flume-1.8.0-bin/
 bin/flume-ng agent -c conf -f conf/tail-file.conf -n agent1 -Dflume.root.logger=INFO,console

Step 3 开发 Shell 脚本定时追加文件内容

mkdir -p /export/services/shells/
cd /export/services/shells/
vim tail-file.sh

脚本如下：

#!/bin/bash
while true
do
 date >> /export/services/taillogs/access_log;
 sleep 0.5;
done

Step 4 启动脚本

# 创建文件夹
mkdir -p /export/services/taillogs/
# 启动脚本
sh /export/services/shells/tail-file.sh

执行结果：

其中一个文件：

2.2.3 Agent 级联

分析
第一个agent负责收集文件当中的数据，通过网络发送到第二个agent当中去
第二个agent负责接收第一个agent发送的数据，并将数据保存到hdfs上面去

Step 1 Node02 安装 Flume

将node01机器上面解压后的flume文件夹拷贝到node02机器上面去

cd /export/services/
scp -r apache-flume-1.8.0-bin/ node02:$PWD

Step 2 Node02 配置 Flume

在node02机器配置我们的flume

cd /export/services/apache-flume-1.8.0-bin/conf/
vim tail-avro-avro-logger.conf

配置如下：

##################
# 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 /export/services/taillogs/access_log
a1.sources.r1.channels = c1
# Describe the sink
##sink端的avro是一个数据发送者
a1.sinks = k1
a1.sinks.k1.type = avro
a1.sinks.k1.channel = c1
a1.sinks.k1.hostname = 192.168.188.100
a1.sinks.k1.port = 4141
a1.sinks.k1.batch-size = 10
# 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

Step 3 开发脚本向文件中写入数据

直接将node01下面的脚本拷贝到node02即可，node01机器上执行以下命令
cd /export/services/
scp -r shells/ node02:$PWD

Step 4 Node01 Flume 配置文件

在node01机器上开发flume的配置文件

cd /export/services/apache-flume-1.8.0-bin/
vim avro-hdfs.conf

配置如下：

# Name the components on this agent
a1.sources = r1
a1.sinks = k1
a1.channels = c1
# Describe/configure the source
##source中的avro组件是一个接收者服务
a1.sources.r1.type = avro
a1.sources.r1.channels = c1
a1.sources.r1.bind = 192.168.188.100
a1.sources.r1.port = 4141
# Describe the sink
a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path = hdfs://node01:8020/avro/%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
#生成的文件类型，默认是Sequencefile，可用DataStream，则为普通文本
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

Step 5 顺序启动

node01机器启动flume进程

cd /export/services/apache-flume-1.8.0-bin/
bin/flume-ng agent -c conf -f conf/avro-hdfs.conf -n a1 -Dflume.root.logger=INFO,console

node02机器启动flume进程

cd /export/services/apache-flume-1.8.0-bin/
bin/flume-ng agent -c conf -f conf/tail-avro-avro-logger.conf -n a1 -Dflume.root.logger=INFO,console

node02机器启shell脚本生成文件

cd /export/services/shells/
sh tail-file.sh

执行结果：

3 高可用方案

在完成单点的Flume NG搭建后，下面我们搭建一个高可用的Flume NG集群，架构图如下所示：

3.1 角色分配

Flume的Agent和Collector分布如下表所示：

名称	HOST	角色
Agent1	node01	Web
Collector1	node02	AgentMstr1
Collector2	node03	AgentMstr2

图中所示，Agent1数据分别流入到Collector1和Collector2，Flume NG本身提供了Failover机制，可以自动切换和恢复。在上图中，有3个产生日志服务器分布在不同的机房，要把所有的日志都收集到一个集群中存储。下面我们开发配置Flume NG集群

3.2 Node01 安装和配置

将node01机器上面的flume安装包以及文件生产的两个目录拷贝到node03机器上面去
node01机器执行以下命令

cd /export/services/
scp -r apache-flume-1.8.0-bin/ node03:$PWD
scp -r shells/ taillogs/ node03:$PWD

node01机器配置agent的配置文件

cd /export/services/apache-flume-1.8.0-bin/conf/
vim agent.conf

配置如下：

#agent1 name
agent1.channels = c1
agent1.sources = r1
agent1.sinks = k1 k2
#
##set gruop
agent1.sinkgroups = g1
#
agent1.sources.r1.channels = c1
agent1.sources.r1.type = exec
agent1.sources.r1.command = tail -F /export/services/taillogs/access_log
#
##set channel
agent1.channels.c1.type = memory
agent1.channels.c1.capacity = 1000
agent1.channels.c1.transactionCapacity = 100
#
## set sink1
agent1.sinks.k1.channel = c1
agent1.sinks.k1.type = avro
agent1.sinks.k1.hostname = node02
agent1.sinks.k1.port = 52020
#
## set sink2
agent1.sinks.k2.channel = c1
agent1.sinks.k2.type = avro
agent1.sinks.k2.hostname = node03
agent1.sinks.k2.port = 52020
#
##set sink group
agent1.sinkgroups.g1.sinks = k1 k2
#
##set failover
agent1.sinkgroups.g1.processor.type = failover
agent1.sinkgroups.g1.processor.priority.k1 = 10
agent1.sinkgroups.g1.processor.priority.k2 = 1
agent1.sinkgroups.g1.processor.maxpenalty = 10000

3.3 Node02 与 Node03 配置 FlumeCollection

node02机器修改配置文件

cd /export/services/apache-flume-1.8.0-bin/conf/
vim collector.conf

配置如下：

#set Agent name
a1.sources = r1
a1.channels = c1
a1.sinks = k1
#
##set channel
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
#
## other node,nna to nns
a1.sources.r1.type = avro
a1.sources.r1.bind = node02
a1.sources.r1.port = 52020
a1.sources.r1.channels = c1
#
##set sink to hdfs
a1.sinks.k1.type=hdfs
a1.sinks.k1.hdfs.path= hdfs://node01:8020/flume/failover/
a1.sinks.k1.hdfs.fileType=DataStream
a1.sinks.k1.hdfs.writeFormat=TEXT
a1.sinks.k1.hdfs.rollInterval=10
a1.sinks.k1.channel=c1
a1.sinks.k1.hdfs.filePrefix=%Y-%m-%d
a1.sinks.k1.hdfs.useLocalTimeStamp = true
#

node03机器修改配置文件

cd /export/servers/apache-flume-1.8.0-bin/conf
vim collector.conf

配置如下：

#set Agent name
a1.sources = r1
a1.channels = c1
a1.sinks = k1
#
##set channel
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
#
## other node,nna to nns
a1.sources.r1.type = avro
a1.sources.r1.bind = node03
a1.sources.r1.port = 52020
a1.sources.r1.channels = c1
#
##set sink to hdfs
a1.sinks.k1.type=hdfs
a1.sinks.k1.hdfs.path= hdfs://node01:8020/flume/failover/
a1.sinks.k1.hdfs.fileType=DataStream
a1.sinks.k1.hdfs.writeFormat=TEXT
a1.sinks.k1.hdfs.rollInterval=10
a1.sinks.k1.channel=c1
a1.sinks.k1.hdfs.filePrefix=%Y-%m-%d
a1.sinks.k1.hdfs.useLocalTimeStamp = true

3.4 顺序启动

node03机器上面启动flume

cd /export/services/apache-flume-1.8.0-bin/
bin/flume-ng agent -n a1 -c conf -f conf/collector.conf -Dflume.root.logger=INFO,console

node02机器上面启动flume

cd /export/services/apache-flume-1.8.0-bin/
bin/flume-ng agent -n a1 -c conf -f conf/collector.conf -Dflume.root.logger=INFO,console

node01机器上面启动flume

cd /export/services/apache-flume-1.8.0-bin/
bin/flume-ng agent -n agent1 -c conf -f conf/agent.conf  -Dflume.root.logger=INFO,console

node01机器启动文件产生脚本

cd /export/services/shells/
sh tail-file.sh

测试结果是：
我们在Agent1节点变更文件数据，由于我们配置Collector1的权重比Collector2大，所以 Collector1优先采集并上传到存储系统。然后我们kill掉Collector1，此时有Collector2负责日志的采集上传工作，之后，我们手动恢复Collector1节点的Flume服务，再次在Agent1变更文件数据，发现Collector1恢复优先级别的采集工作。

4 Flume 的负载均衡

负载均衡是用于解决一台机器(一个进程)无法解决所有请求而产生的一种算法。Load balancing Sink Processor 能够实现 load balance 功能，如下图Agent1 是一个路由节点，负责将 Channel 暂存的 Event 均衡到对应的多个 Sink组件上，而每个 Sink 组件分别连接到一个独立的 Agent 上，示例配置，如下所示：

在此处我们通过三台机器来进行模拟 flume的负载均衡

三台机器规划如下：

node01：采集数据，发送到node02和node03机器上去
node02：接收node01的部分数据
node03：接收node01的部分数据

第一步开发node01服务器的flume配置

node01服务器配置：

cd /export/services/apache-flume-1.8.0-bin/conf/
vim load_banlancer_client.conf

配置如下：

# agent name
a1.channels = c1
a1.sources = r1
a1.sinks = k1 k2

# set gruop
a1.sinkgroups = g1

# set channel
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
a1.sources.r1.channels = c1
a1.sources.r1.type = exec
a1.sources.r1.command = tail -F /export/services/taillogs/access_log

# set sink1
a1.sinks.k1.channel = c1
a1.sinks.k1.type = avro
a1.sinks.k1.hostname = node02
a1.sinks.k1.port = 52020

# set sink2
a1.sinks.k2.channel = c1
a1.sinks.k2.type = avro
a1.sinks.k2.hostname = node03
a1.sinks.k2.port = 52020

# set sink group
a1.sinkgroups.g1.sinks = k1 k2

# set failover
a1.sinkgroups.g1.processor.type = load_balance
a1.sinkgroups.g1.processor.backoff = true
a1.sinkgroups.g1.processor.selector = round_robin
a1.sinkgroups.g1.processor.selector.maxTimeOut=10000

第二步开发node02服务器的flume配置

cd /export/services/apache-flume-1.8.0-bin/conf/
vim load_banlancer_server.conf

配置如下：

# 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 = node02
a1.sources.r1.port = 52020

# 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

第三步开发 node03服务器flume配置

node03服务器配置

cd /export/services/apache-flume-1.8.0-bin/conf/
vim load_banlancer_server.conf

配置如下：

# 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 = node03
a1.sources.r1.port = 52020

# 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

第四步准备启动 flume服务

启动node03的flume服务

cd /export/services/apache-flume-1.8.0-bin/
bin/flume-ng agent -n a1 -c conf -f conf/load_banlancer_server.conf -Dflume.root.logger=INFO,console

启动node02的flume服务

cd /export/services/apache-flume-1.8.0-bin/
bin/flume-ng agent -n a1 -c conf -f conf/load_banlancer_server.conf -Dflume.root.logger=INFO,console

启动node01的flume服务

cd /export/services/apache-flume-1.8.0-bin/
bin/flume-ng agent -n a1 -c conf -f conf/load_banlancer_client.conf -Dflume.root.logger=INFO,console

第五步 node01服务器运行脚本产生数据

cd /export/services/shells
sh tail-file.sh

结果：轮询消费数据，达到负载均衡效果。

5 Flume 案例

5.1 案例场景

A、B两台日志服务机器实时生产日志主要类型为access.log、nginx.log、web.log

现在要求：
把A、B 机器中的access.log、nginx.log、web.log 采集汇总到C机器上然后统一收集到hdfs中。

但是在hdfs中要求的目录为：
/source/logs/access/20180101/**
/source/logs/nginx/20180101/**
/source/logs/web/20180101/**

5.2 场景分析

5.3 数据流程处理分析

5.4 实现

服务器A对应的IP为 192.168.174.100
服务器B对应的IP为 192.168.174.110
服务器C对应的IP为 192.168.174.120

采集端配置文件开发
node03与node02服务器开发flume的配置文件

cd /export/services/apache-flume-1.8.0-bin/conf/
vim exec_source_avro_sink.conf

配置如下：

# Name the components on this agent
a1.sources = r1 r2 r3
a1.sinks = k1
a1.channels = c1

# Describe/configure the source
a1.sources.r1.type = exec
a1.sources.r1.command = tail -F  /export/services/taillogs/access.log
a1.sources.r1.interceptors = i1
a1.sources.r1.interceptors.i1.type = static
## static拦截器的功能就是往采集到的数据的header中插入自己定## 义的key-value对
a1.sources.r1.interceptors.i1.key = type
a1.sources.r1.interceptors.i1.value = access

a1.sources.r2.type = exec
a1.sources.r2.command = tail -F /export/services/taillogs/nginx.log
a1.sources.r2.interceptors = i2
a1.sources.r2.interceptors.i2.type = static
a1.sources.r2.interceptors.i2.key = type
a1.sources.r2.interceptors.i2.value = nginx

a1.sources.r3.type = exec
a1.sources.r3.command = tail -F/export/services/taillogs/web.log
a1.sources.r3.interceptors = i3
a1.sources.r3.interceptors.i3.type = static
a1.sources.r3.interceptors.i3.key = type
a1.sources.r3.interceptors.i3.value = web

# Describe the sink
a1.sinks.k1.type = avro
a1.sinks.k1.hostname = node01
a1.sinks.k1.port = 41414

# Use a channel which buffers events in memory
a1.channels.c1.type = memory
a1.channels.c1.capacity = 20000
a1.channels.c1.transactionCapacity = 10000

# Bind the source and sink to the channel
a1.sources.r1.channels = c1
a1.sources.r2.channels = c1
a1.sources.r3.channels = c1
a1.sinks.k1.channel = c1

服务端配置文件开发
在node01上面开发flume配置文件

cd /export/services/apache-flume-1.8.0-bin/conf/
vim avro_source_hdfs_sink.conf

配置如下：

a1.sources = r1
a1.sinks = k1
a1.channels = c1

# 定义source
a1.sources.r1.type = avro
a1.sources.r1.bind = 192.168.188.100
a1.sources.r1.port =41414

# 添加时间拦截器
a1.sources.r1.interceptors = i1
a1.sources.r1.interceptors.i1.type = org.apache.flume.interceptor.TimestampInterceptor$Builder

# 定义channels
a1.channels.c1.type = memory
a1.channels.c1.capacity = 20000
a1.channels.c1.transactionCapacity = 10000

# 定义sink
a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path=hdfs://192.168.188.100:8020/source/logs/%{type}/%Y%m%d
a1.sinks.k1.hdfs.filePrefix =events
a1.sinks.k1.hdfs.fileType = DataStream
a1.sinks.k1.hdfs.writeFormat = Text

# 时间类型
a1.sinks.k1.hdfs.useLocalTimeStamp = true

# 生成的文件不按条数生成
a1.sinks.k1.hdfs.rollCount = 0

# 生成的文件按时间生成
a1.sinks.k1.hdfs.rollInterval = 30

# 生成的文件按大小生成
a1.sinks.k1.hdfs.rollSize = 10485760

# 批量写入hdfs的个数
a1.sinks.k1.hdfs.batchSize = 10000

# flume操作hdfs的线程数（包括新建，写入等）
a1.sinks.k1.hdfs.threadsPoolSize=10

# 操作hdfs超时时间
a1.sinks.k1.hdfs.callTimeout=30000

# 组装source、channel、sink
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

采集端文件生成脚本
在node03与node02上面开发shell脚本，模拟数据生成

cd /export/services/shells
vim server.sh

# !/bin/bash
while true
do
date >> /export/services/taillogs/access.log;
date >> /export/services/taillogs/web.log;
date >> /export/services/taillogs/nginx.log;
sleep 0.5;
done

顺序启动服务
node01启动flume实现数据收集

cd /export/services/apache-flume-1.8.0-bin/
bin/flume-ng agent -c conf -f conf/avro_source_hdfs_sink.conf -name a1 -Dflume.root.logger=INFO,console

node03与node02启动flume实现数据监控

cd /export/services/apache-flume-1.8.0-bin/
bin/flume-ng agent -c conf -f conf/exec_source_avro_sink.conf -name a1 -Dflume.root.logger=INFO,console

node03 与node02启动生成文件脚本

cd /export/services/shells/
sh server.sh

转载：https://blog.csdn.net/qq_39410381/article/details/106305101

查看评论

飞道的博客

飞道的博客

个人资料

文章分类

文章存档

阅读排行

评论排行

推荐文章

大数据学习系列：Hadoop3.0苦命学习（六）

目录

1 Flume 介绍

1.1 概述

1.2 运行机制

1.3 Flume 结构图

2 Flume 实战案例

2.1 Flume 的安装部署

Step 1: 下载解压修改配置文件

Step 2 开发配置文件

Step 3 启动配置文件

Step 4 安装 Telnet 准备测试

2.2. 采集案例

2.2.1 采集目录到 HDFS

Step 1 Flume 配置文件

Step 2 启动 Flume

Step 3 上传文件到指定目录

2.2.2 采集文件到 HDFS

Step 1 定义 Flume 配置文件

Step 2 启动 Flume

Step 3 开发 Shell 脚本定时追加文件内容

Step 4 启动脚本

2.2.3 Agent 级联

Step 1 Node02 安装 Flume

Step 2 Node02 配置 Flume

Step 3 开发脚本向文件中写入数据

Step 4 Node01 Flume 配置文件

Step 5 顺序启动

3 高可用方案

3.1 角色分配

3.2 Node01 安装和配置

3.3 Node02 与 Node03 配置 FlumeCollection

3.4 顺序启动

4 Flume 的负载均衡

第一步 开发node01服务器的flume配置

第二步 开发node02服务器的flume配置

第三步 开发 node03服务器flume配置

第四步 准备启动 flume服务

第五步 node01服务器运行脚本产生数据

5 Flume 案例

5.1 案例场景

5.2 场景分析

5.3 数据流程处理分析

5.4 实现

* 以上用户言论只代表其个人观点，不代表本网站的观点或立场

第一步开发node01服务器的flume配置

第二步开发node02服务器的flume配置

第三步开发 node03服务器flume配置

第四步准备启动 flume服务