邦邻营销型网站建设,洛阳网站制作,什么语言开发网站,密云网站开发文章目录 FlumeFlume 定义Flume 基础架构AgentSourceSinkChannelEvent Flume 安装部署安装地址安装部署 Flume 入门案例监控端口数据官方案例实时监控单个追加文件实时监控目录下多个新文件实时监控目录下的多个追加文件 Flume
Flume 定义
Flume 是 Cloudera 提供的一个高可用… 文章目录 FlumeFlume 定义Flume 基础架构AgentSourceSinkChannelEvent Flume 安装部署安装地址安装部署 Flume 入门案例监控端口数据官方案例实时监控单个追加文件实时监控目录下多个新文件实时监控目录下的多个追加文件 Flume
Flume 定义
Flume 是 Cloudera 提供的一个高可用的高可靠的分布式的海量日志采集、聚合和传输的系统。Flume基于流式架构灵活简单。
Flume 基础架构 Agent
Agent 是一个JVM进程它以事件的形式将数据从源头送至目的。
Agent 主要有3个部分组成Source、Channel、Sink。
Source
Source 是负责接收数据到Flume Agent的组件。Source组件可以处理各种类型、各种 格式的日志数据包括avro、thrift、exec、jms、spooling directory、netcat、taildir、sequence generator、syslog、http、legacy。
Sink
Sink 不断地轮询 Channel 中的事件且批量地移除它们并将这些事件批量写入到存储或索引系统、或者被发送到另一个Flume Agent。
Sink 组件目的地包括hdfs、logger、avro、thrift、ipc、file、HBase、solr、自定义。
Channel
Channel 是位于Source 和Sink之间的缓冲区。因此Channel允许Source和Sink运作在不同的速率上。Channel 是线程安全的可以同时处理几个Source 的写入操作和几个Sink 的读取操作。
Flume 自带两种ChannelMemory Channel 和 File Channel。
Memory Channel 是内存中的队列。Memory Channel在不需要关心数据丢失的情景下适 用。如果需要关心数据丢失那么Memory Channel就不应该使用因为程序死亡、机器宕机或者重启都会导致数据丢失。
File Channel 将所有事件写到磁盘。因此在程序关闭或机器宕机的情况下不会丢失数 据。
Event
传输单元Flume 数据传输的基本单元以Event 的形式将数据从源头送至目的地。Event 由Header 和 Body 两部分组成Header用来存放该event的一些属性为K-V结构Body 用来存放该条数据形式为字节数组。
Flume 安装部署
安装地址
1Flume 官网地址http://flume.apache.org/ 2文档查看地址http://flume.apache.org/FlumeUserGuide.html 3下载地址http://archive.apache.org/dist/flume 4Flume tar包 链接https://pan.baidu.com/s/1O_CEiuHafNyuWSsrtZaydg?pwdkw9k 提取码kw9k
安装部署
1将apache-flume-1.9.0-bin.tar.gz 上传到 linux 的/opt/software 目录下
2解压apache-flume-1.9.0-bin.tar.gz 到/opt/module/目录下
[yudanhadoop102 software]$ tar -zxf /opt/software/apache-flume-1.9.0-bin.tar.gz -C /opt/module/ 3修改apache-flume-1.9.0-bin 的名称为flume
[yudanhadoop102 module]$ mv /opt/module/apache-flume-1.9.0-bin /opt/module/flume 4将lib文件夹下的guava-11.0.2.jar删除以兼容Hadoop 3.1.3
[yudanhadoop102 lib]$ rm /opt/module/flume/lib/guava-11.0.2.jar Flume 入门案例
监控端口数据官方案例
1案例需求
使用Flume监听一个端口收集该端口数据并打印到控制台。
2需求分析 3实现步骤
1安装netcat工具
[yudanhadoop102 software]$ sudo yum install -y nc2判断44444端口是否被占用
[yudanhadoop102 flume-telnet]$ sudo netstat -nlp | grep 444443创建Flume Agent配置文件flume-netcat-logger.conf
4在flume目录下创建job文件夹并进入job文件夹。
[yudanhadoop102 flume]$ mkdir job
[yudanhadoop102 flume]$ cd job/ 5在job文件夹下创建Flume Agent配置文件flume-netcat-logger.conf
[yudanhadoop102 job]$ vim flume-netcat-logger.conf6在flume-netcat-logger.conf 文件中添加如下内容。
# 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 7先开启flume监听端口 第一种写法 [yudanhadoop102 flume]$ bin/flume-ng agent -c conf/ -n a1 -f job/flume-netcat-logger.conf -Dflume.root.loggerINFO,console 第二种写法 [yudanhadoop102 flume]$ bin/flume-ng agent -c conf/ -n a1 -f job/flume-netcat-logger.conf -Dflume.root.loggerINFO,console 参数说明 –conf/-c表示配置文件存储在conf/目录–name/-n表示给agent起名为a1–conf-file/-fflume 本次启动读取的配置文件是在 job 文件夹下的 flume-telnet.conf 文件。-Dflume.root.loggerINFO,console -D 表示 flume 运行时动态修改 flume.root.logger参数属性值并将控制台日志打印级别设置为INFO级别。日志级别包括:log、info、warn、error。
8使用netcat工具向本机的44444端口发送内容
[yudanhadoop102 ~]$ nc localhost 44444
hello
yudan 9在Flume监听页面观察接收数据情况
实时监控单个追加文件
1案例需求实时监控Hive日志并上传到HDFS中
2需求分析 3实现步骤
1Flume 要想将数据输出到HDFS依赖Hadoop相关jar包
检查/etc/profile.d/my_env.sh 文件确认 Hadoop和 Java 环境变量配置正确
JAVA_HOME/opt/module/jdk1.8.0_212
HADOOP_HOME/opt/module/hadoop-3.1.3
PATH$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
export PATH JAVA_HOME HADOOP_HOME2创建flume-file-hdfs.conf 文件
[yudanhadoop102 job]$ vim flume-file-hdfs.conf注要想读取Linux系统中的文件就得按照Linux命令的规则执行命令。由于Hive日志在 Linux 系统中所以读取文件的类型选择exec 即 execute 执行的意思。表示执行Linux 命令来读取文件。
# Name the components on this agent
a2.sources r2
a2.sinks k2
a2.channels c2 # Describe/configure the source
a2.sources.r2.type exec
a2.sources.r2.command tail -F /opt/module/hive/logs/hive.log # Describe the sink
a2.sinks.k2.type hdfs
a2.sinks.k2.hdfs.path hdfs://hadoop102:8020/flume/%Y%m%d/%H
#上传文件的前缀
a2.sinks.k2.hdfs.filePrefix logs-
#是否按照时间滚动文件夹
a2.sinks.k2.hdfs.round true
#多少时间单位创建一个新的文件夹
a2.sinks.k2.hdfs.roundValue 1
#重新定义时间单位
a2.sinks.k2.hdfs.roundUnit hour
#是否使用本地时间戳
a2.sinks.k2.hdfs.useLocalTimeStamp true
#积攒多少个Event才flush到HDFS一次
a2.sinks.k2.hdfs.batchSize 100
#设置文件类型可支持压缩
a2.sinks.k2.hdfs.fileType DataStream
#多久生成一个新的文件
a2.sinks.k2.hdfs.rollInterval 60
#设置每个文件的滚动大小
a2.sinks.k2.hdfs.rollSize 134217700
#文件的滚动与Event数量无关
a2.sinks.k2.hdfs.rollCount 0 # Use a channel which buffers events in memory
a2.channels.c2.type memory
a2.channels.c2.capacity 1000
a2.channels.c2.transactionCapacity 100 # Bind the source and sink to the channel
a2.sources.r2.channels c2
a2.sinks.k2.channel c2 a2.sinks.k2.hdfs.path hdfs://hadoop102:端口号/flume/%Y%m%d/%H 端口号是NameNode的地址这个端口号在/opt/module/hadoop-3.1.3/etc/hadoop下core-site.xml文件中的fs.defaultFS配置过
注意对于所有与时间相关的转义序列Event Header中必须存在以 “timestamp”的 key除非hdfs.useLocalTimeStamp设置为true此方法会使用TimestampInterceptor自 动添加timestamp。
a3.sinks.k3.hdfs.useLocalTimeStamp true3运行Flume
[yudanhadoop102 flume]$ bin/flume-ng agent -c conf/ -n a2 -f job/flume-file-hdfs.conf4开启Hadoop和Hive并操作Hive产生日志
[yudanhadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh
[yudanhadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh[yudanhadoop102 hive]$ bin/hive
hive (default)5在HDFS上查看文件。
实时监控目录下多个新文件
1案例需求使用Flume监听整个目录的文件并上传至HDFS
2需求分析 3实现步骤
1创建配置文件flume-dir-hdfs.conf
创建一个文件
[yudanhadoop102 job]$ vim flume-dir-hdfs.conf# 添加以下内容a3.sources r3
a3.sinks k3
a3.channels c3 # Describe/configure the source
a3.sources.r3.type spooldir
a3.sources.r3.spoolDir /opt/module/flume/upload
a3.sources.r3.fileSuffix .COMPLETED
a3.sources.r3.fileHeader true
#忽略所有以.tmp结尾的文件不上传
a3.sources.r3.ignorePattern ([^ ]*\.tmp) # Describe the sink
a3.sinks.k3.type hdfs
a3.sinks.k3.hdfs.path
hdfs://hadoop102:8020/flume/upload/%Y%m%d/%H
#上传文件的前缀
a3.sinks.k3.hdfs.filePrefix upload-
#是否按照时间滚动文件夹
a3.sinks.k3.hdfs.round true
#多少时间单位创建一个新的文件夹
a3.sinks.k3.hdfs.roundValue 1
#重新定义时间单位
a3.sinks.k3.hdfs.roundUnit hour
#是否使用本地时间戳
a3.sinks.k3.hdfs.useLocalTimeStamp true
#积攒多少个Event才flush到HDFS一次
a3.sinks.k3.hdfs.batchSize 100
#设置文件类型可支持压缩
a3.sinks.k3.hdfs.fileType DataStream
#多久生成一个新的文件
a3.sinks.k3.hdfs.rollInterval 60
#设置每个文件的滚动大小大概是128M
a3.sinks.k3.hdfs.rollSize 134217700
#文件的滚动与Event数量无关
a3.sinks.k3.hdfs.rollCount 0 # Use a channel which buffers events in memory
a3.channels.c3.type memory
a3.channels.c3.capacity 1000
a3.channels.c3.transactionCapacity 100 # Bind the source and sink to the channel
a3.sources.r3.channels c3
a3.sinks.k3.channel c3 2启动监控文件夹命令
[yudanhadoop102 flume]$ bin/flume-ng agent -c conf/ -n a3 -f job/flume-dir-hdfs.conf 说明在使用Spooling Directory Source 时不要在监控目录中创建并持续修改文件上传完成的文件会以.COMPLETED结尾被监控文件夹每500毫秒扫描一次文件变动。
3向upload文件夹中添加文件
在/opt/module/flume 目录下创建upload 文件夹
[yudanhadoop102 flume]$ mkdir upload 向upload文件夹中添加文件
[yudanhadoop102 upload]$ touch 1.txt
[yudanhadoop102 upload]$ touch 2.tmp
[yudanhadoop102 upload]$ touch 3.log 4查看HDFS上的数据
实时监控目录下的多个追加文件
Exec source 适用于监控一个实时追加的文件不能实现断点续传Spooldir Source适合用于同步新文件但不适合对实时追加日志的文件进行监听并同步而Taildir Source适合用于监听多个实时追加的文件并且能够实现断点续传。
1案例需求:使用Flume监听整个目录的实时追加文件并上传至HDFS
2需求分析: 3实现步骤
1创建配置文件flume-taildir-hdfs.conf
创建一个文件
[yudanhadoop102 job]$ vim flume-taildir-hdfs.conf # 添加如下内容
a3.sources r3
a3.sinks k3
a3.channels c3 # Describe/configure the source
a3.sources.r3.type TAILDIR
a3.sources.r3.positionFile /opt/module/flume/tail_dir.json
a3.sources.r3.filegroups f1 f2
a3.sources.r3.filegroups.f1 /opt/module/flume/files/.*file.*
a3.sources.r3.filegroups.f2 /opt/module/flume/files2/.*log.* # Describe the sink
a3.sinks.k3.type hdfs
a3.sinks.k3.hdfs.path
hdfs://hadoop102:8020/flume/upload2/%Y%m%d/%H
#上传文件的前缀
a3.sinks.k3.hdfs.filePrefix upload-
#是否按照时间滚动文件夹
a3.sinks.k3.hdfs.round true
#多少时间单位创建一个新的文件夹
a3.sinks.k3.hdfs.roundValue 1
#重新定义时间单位
a3.sinks.k3.hdfs.roundUnit hour
#是否使用本地时间戳
a3.sinks.k3.hdfs.useLocalTimeStamp true
#积攒多少个Event才flush到HDFS一次
a3.sinks.k3.hdfs.batchSize 100
#设置文件类型可支持压缩
a3.sinks.k3.hdfs.fileType DataStream
#多久生成一个新的文件
a3.sinks.k3.hdfs.rollInterval 60
#设置每个文件的滚动大小大概是128M
a3.sinks.k3.hdfs.rollSize 134217700
#文件的滚动与Event数量无关
a3.sinks.k3.hdfs.rollCount 0 # Use a channel which buffers events in memory
a3.channels.c3.type memory
a3.channels.c3.capacity 1000
a3.channels.c3.transactionCapacity 100 # Bind the source and sink to the channel
a3.sources.r3.channels c3
a3.sinks.k3.channel c32启动监控文件夹命令
[yudanhadoop102 flume]$ bin/flume-ng agent -cconf/ -n a3 -f job/flume-taildir-hdfs.conf3向files文件夹中追加内容
在/opt/module/flume目录下创建files文件夹
[yudanhadoop102 flume]$ mkdir files 向upload文件夹中添加文件
[yudanhadoop102 files]$ echo hello file1.txt
[yudanhadoop102 files]$ echo atguigu file2.txt 4查看HDFS上的数据
Taildir 说明
Taildir Source 维护了一个json 格式的position File其会定期的往position File中更新每个文件读取到的最新的位置因此能够实现断点续传。Position File的格式如下
{inode:2496272,pos:12,file:/opt/module/flume/files/file1.txt}
{inode:2496275,pos:12,file:/opt/module/flume/files/file2.txt}注Linux中储存文件元数据的区域就叫做inode每个inode都有一个号码操作系统用inode 号码来识别不同的文件Unix/Linux系统内部不使用文件名而使用inode号码来识别文件。
