前往小程序，Get更优阅读体验！
立即前往
文档建议反馈控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
发布
首页
学习
活动
专区
工具
TVP最新优惠活动
返回腾讯云官网
社区首页 >专栏 >Flume学习笔记

Flume学习笔记

作者头像
曼路
发布于 2018-10-18 15:15:20
8580
发布于 2018-10-18 15:15:20
举报
文章被收录于专栏：浪淘沙浪淘沙

flume学习笔记

一、什么是Flume？     Apache Flume 是一个从可以收集例如日志，事件等数据资源，并将这些数量庞大的数据从各项数据资源中集中起来存储的工具/服务，或者数集中机制。flume具有高可用，分布式，配置工具，其设计的原理也是基于将数据流，如日志数据从各种网站服务器上汇集起来存储到HDFS，HBase等集中存储器中。 二、flume特性     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 三、flume组件解析     对于每一个Agent来说,它就是一共独立的守护进程(JVM),它从客户端接收数据     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(被封装成Event对象)传递员，内部有三个组件：         a)Source：采集组件，用于跟数据源对接，以获取数据         b)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         c)Channel：传输通道组件，用于从source将数据传递到sink         d)event(所传的消息就是event)一行文本内容会被反序列化成一个event(event的最大定义为2048字节，超过，则会切割，剩下的会被放到下一个event中，默认编码是UTF-8。 四、flume安装     1)解压

代码语言：javascript
复制
        tar -zxvf apache-flume-1.6.0-bin.tar.gz -C /root/app/

    2)修改配置文件

代码语言：javascript
复制
        将flume-env.sh.template  改为 flume-env.sh

        在里面配置JAVA_HOME 五、测试     创建一个myconf文件夹，在里边写配置文件  1.使用telnet 发送消息 然后输出到控制台         1)创建netcat-console.conf文件

代码语言：javascript
复制
# 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 = hadoop01
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

代码语言：javascript
复制
 bin/flume-ng agent -c conf -f myconf/socket-file.conf -n a1 -Dflume.root.logger=INFO,console

            在另一个能跟agent节点联网的机器上运行  

代码语言：javascript
复制
              telnet hadoop01 44444

    2.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             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             spooldir特性：                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             配置文件 directory-hdfs.conf

代码语言：javascript
复制
# 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 = /root/data/flumedata
# 描述和配置sink组件：k1
a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path = /flumeday15/events
a1.sinks.k1.hdfa.filePrefix = events-
#每隔N s将临时文件滚动成一个目标文件
a1.sinks.k1.hdfs.rollInterval = 60
#当文件大小为1048576个字节时，将文件滚动成一个文件
a1.sinks.k1.hdfs.rollSize = 1048576
#event数量达到该数量的时候，将临时文件滚动成目标文件
a1.sinks.k1.hdfs.rollCount = 500000

# 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

         启动hadoop环境          另外创建一个文件夹 /root/data/flumedata   往里边添加文件,查看hdfs变化    3.采集文件到kafka         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kafka         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——kafka文件系统  :  org.apache.flume.sink.kafka.KafkaSink         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(exec-kafka.conf)

代码语言：javascript
复制
# 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 = exec
a1.sources.r1.command = tail -F /opt/datas/tmp.log

# 描述和配置sink组件：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

        运行：启动zookeeper

代码语言：javascript
复制
          zkServer.sh start 

              启动kafka    

代码语言：javascript
复制
          /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

              创建Topic

代码语言：javascript
复制
         /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

              启动flume    

代码语言：javascript
复制
                bin/flume-ng agent -c conf -f myconf/exec-kafka.conf -n a1 -Dflume.root.logger=INFO,console

              输出日志

代码语言：javascript
复制
                while true
                >do
                >echo `date` >> /opt/datas/tmp.log
                >sleep 0.5
                >done

              查看kafka数据

代码语言：javascript
复制
         /root/app/kafka_2.11-0.10.2.1/bin/kafka-topics.sh --describe --zookeeper localhost:2181 --topic flumeTopic

    4.写到磁盘中         # 定义这个agent中各组件的名字

代码语言：javascript
复制
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 = bigdata01
a1.sources.r1.port = 44444

# 描述和配置sink组件：k1
a1.sinks.k1.type = file_roll
a1.sinks.k1.sink.directory = /opt/datas/flumelog


# 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

    5.Flume HA配置         hadoop01  -->| sink1 --->  hadopp02                      | sink2 --->  hadoop03  hadoop02宕机后 hadoop01 输出到 hadoop03         hadoop01  的 spooldir-avroMultiSink.conf

代码语言：javascript
复制
# 定义这个agent中各组件的名字
a1.sources = r1
a1.sinks = k1 k2
a1.channels = c1

#set gruop
a1.sinkgroups = g1

# 描述和配置source组件：r1
a1.sources.r1.type = spooldir
a1.sources.r1.spoolDir = /root/data/flumedata
a1.sources.r1.fileHeader = true


# 描述和配置sink组件：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

#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 = 10000

        hadoop02  avro-logger.conf

代码语言：javascript
复制
# 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 = avro
a1.sources.r1.bind = hadoop02
a1.sources.r1.port = 4545

# 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 = c

        hadoop03  avro-logger.conf

代码语言：javascript
复制
# 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 = avro
a1.sources.r1.bind = hadoop03
a1.sources.r1.port = 4545

# 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 = c

        启动：         hadoop02 

代码语言：javascript
复制
            bin/flume-ng agent -c conf -f myconf/avro-logger.conf -n a1 -Dflume.root.logger=INFO,console

        hadoop03

代码语言：javascript
复制
           bin/flume-ng agent -c conf -f myconf/avro-logger.conf -n a1 -Dflume.root.logger=INFO,console

        hadoop01

代码语言：javascript
复制
            bin/flume-ng agent -c conf -f myconf/spooldir-avroMultiSink.conf -n a1 -Dflume.root.logger=INFO,console
本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2018年10月14日，如有侵权请联系 cloudcommunity@tencent.com 删除
apache
存储
分布式
hbase
hive

本文分享自 作者个人站点/博客 前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ，欢迎热爱写作的你一起参与！

apache
存储
分布式
hbase
hive
评论
登录后参与评论
0 条评论
热度
最新
登录 后参与评论
推荐阅读
LV.
文章
0
获赞
0
相关产品与服务
对象存储
对象存储（Cloud Object Storage，COS）是由腾讯云推出的无目录层次结构、无数据格式限制，可容纳海量数据且支持 HTTP/HTTPS 协议访问的分布式存储服务。腾讯云 COS 的存储桶空间无容量上限，无需分区管理，适用于 CDN 数据分发、数据万象处理或大数据计算与分析的数据湖等多种场景。
免费体验产品介绍产品文档
COS新用户专享存储包低至1元，新老同享存储容量低至0.02元/GB/月，立即选购！
领券

腾讯云开发者

扫码关注腾讯云开发者

扫码关注腾讯云开发者

领取腾讯云代金券

热门产品

热门推荐

更多推荐

Copyright © 2013 - 2024 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有 

深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 深公网安备号 44030502008569

腾讯云计算（北京）有限责任公司 京ICP证150476号 |  京ICP备11018762号 | 京公网安备号11010802020287

问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档

Copyright © 2013 - 2024 Tencent Cloud.

All Rights Reserved. 腾讯云 版权所有

登录 后参与评论