精华内容
下载资源
问答
  • flume日志采集

    2018-04-02 16:23:01
    这里详细的介绍了日志采集的流程,日志采集的步骤。。。
  • Flume日志采集

    千次阅读 多人点赞 2018-08-08 15:21:36
    目录 一 前言 ...3.2 Flume采集结构图 3.2.1 简单结构 3.2.2 复杂结构 4 Flume实战案例 4.1 Flume的安装部署 4.2 采集案例 4.2.1 采集目录到HDFS 4.2.2 采集文件到HDFS 4.3 更多source和si...
    1. 本博客已迁移至微信公众号!将不再更新
    2. 关注公众号即可获得免费学习资源,获得免费指导!!!
    3. 公众号后续将会持续更新clickhouse,sparkstreaming,flink,数仓建模,用户画像,实时计算,推荐系统,实时数仓等内容,感兴趣的朋友可以关注
    4. 不定期会有朋友的面经分享

    目录

    一 前言

    二 概述

    2.1 什么是Flume

    2.2 Flume特性

    三 Flume原理

    3.1 Flume组件详解

    3.2 Flume采集结构图

    3.2.1 简单结构

    3.2.2 复杂结构

    4 Flume实战案例

    4.1 Flume的安装部署

    4.2 采集案例

    4.2.1 采集目录到HDFS

    4.2.2 采集文件到HDFS

    4.3 更多source和sink组件

    4.4 HA Flume配置案例

    4.4.1 角色分配

    4.4.2 配置

    4.4.3 FAILOVER测试


    一 前言

    在一个完整的大数据处理系统中,除了hdfs+mapreduce+hive组成分析系统的核心之外,还需要数据采集、结果数据导出、任务调度等不可或缺的辅助系统,而这些辅助工具在hadoop生态体系中都有便捷的开源框架,如图所示:

    flume是由cloudera软件公司产出的可分布式日志收集系统,后与2009年被捐赠了apache软件基金会,为hadoop相关组件之一。尤其近几年随着flume的不断被完善以及升级版本的逐一推出,特别是flume-ng;同时flume内部的各种组件不断丰富,用户在开发的过程中使用的便利性得到很大的改善,现已成为apache top项目之一.

    二 概述

    2.1 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。其结构如下图所示:

    2.2 Flume特性

    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

    三 Flume原理

    3.1 Flume组件详解

    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,如下图所示flume的基本模型

    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:
        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

    首先来看一下flume官网中对Event的定义

     

    一行文本内容会被反序列化成一个event(序列化是将对象状态转换为可保持或传输的格式的过程。与序列化相对的是反序列化,它将流转换为对象。这两个过程结合起来,可以轻松地存储和传输数据),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。

    3.2 Flume采集结构图

    3.2.1 简单结构

    单个agent采集数据

    3.2.2 复杂结构

    多级agent之间串联

    4 Flume实战案例

    4.1 Flume的安装部署

    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

    -c conf   指定flume自身的配置文件所在目录

    -f conf/netcat-logger.conf  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的source所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)

     

    4.2 采集案例

    4.2.1 采集目录到HDFS

    结构示意图:

    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

    配置文件编写:

    #定义三大组件的名称

    agent1.sources = source1

    agent1.sinks = sink1

    agent1.channels = channel1

     

    # 配置source组件

    agent1.sources.source1.type = spooldir

    agent1.sources.source1.spoolDir = /home/hadoop/logs/

    agent1.sources.source1.fileHeader = false

     

    #配置拦截器

    agent1.sources.source1.interceptors = i1

    agent1.sources.source1.interceptors.i1.type = host

    agent1.sources.source1.interceptors.i1.hostHeader = hostname

     

    # 配置sink组件

    agent1.sinks.sink1.type = hdfs

    agent1.sinks.sink1.hdfs.path =hdfs://hdp-node-01:9000/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.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

    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

     

    4.2.2 采集文件到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

    1. 采集源,即source——监控文件内容更新 :  exec  ‘tail -F file’
    2. 下沉目标,即sink——HDFS文件系统  :  hdfs sink
    3. 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://hdp-node-01:9000/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.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

    3.两个agent级联

    4.3 更多source和sink组件

    Flume支持众多的source和sink类型,详细手册可参考官方文档

    http://flume.apache.org/FlumeUserGuide.html

    4.4 HA Flume配置案例

    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:

     

    图中,我们可以看出,Flume的存储可以支持多种,这里只列举了HDFS和Kafka(如:存储最新的一周日志,并给Spark Streaming系统提供实时日志流。

    4.4.1 角色分配

    Flume的Agent和Collector分布如下表所示:

    名称 

    HOST

    角色

    Agent1

    mini1

    Web Server

    Agent2

    mini2

    Web Server

    Agent3

    mini3

    Web Server

    Collector1

    mini4

    AgentMstr1

    Collector2

    mini5

    AgentMstr2

    图中所示,Agent1,Agent2,Agent3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。

    4.4.2 配置

    在下面单点Flume中,基本配置都完成了,我们只需要新添加两个配置文件,它们是agent.properties和collector.properties,其配置内容如下所示:

    1、agent配置

    [root@mini1 apache-flume-1.6.0-bin]# vi conf/agent.properties

    #agent1 name

    agent1.channels = c1

    agent1.sources = r1

    agent1.sinks = k1 k2

     

    #set gruop

    agent1.sinkgroups = g1

     

    #set channel

    agent1.channels.c1.type = memory

    agent1.channels.c1.capacity = 1000

    agent1.channels.c1.transactionCapacity = 100

     

    agent1.sources.r1.channels = c1

    agent1.sources.r1.type = exec

    agent1.sources.r1.command = tail -F /root/log/test.log

     

    agent1.sources.r1.interceptors = i1 i2

    agent1.sources.r1.interceptors.i1.type = static

    agent1.sources.r1.interceptors.i1.key = Type

    agent1.sources.r1.interceptors.i1.value = LOGIN

    agent1.sources.r1.interceptors.i2.type = timestamp

     

    # set sink1

    agent1.sinks.k1.channel = c1

    agent1.sinks.k1.type = avro

    agent1.sinks.k1.hostname = mini2

    agent1.sinks.k1.port = 52020

     

    # set sink2

    agent1.sinks.k2.channel = c1

    agent1.sinks.k2.type = avro

    agent1.sinks.k2.hostname = mini3

    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

    启动命令

    bin/flume-ng agent -n agent1 -c conf -f conf/agent.properties -Dflume.root.logger=DEBUG,console

    2.collector配置

    [root@mini2 conf]# vi collector.properties

    #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 = mini2

    a1.sources.r1.port = 52020

    a1.sources.r1.interceptors = i1

    a1.sources.r1.interceptors.i1.type = static

    a1.sources.r1.interceptors.i1.key = Collector

    a1.sources.r1.interceptors.i1.value = mini2

    a1.sources.r1.channels = c1

     

    #set sink to hdfs

    a1.sinks.k1.type=hdfs

    a1.sinks.k1.hdfs.path=/home/hdfs/flume/logdfs

    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

    在mini3上,需要修改上述配置中的红色字体主机名为mini3

    启动命令:

    bin/flume-ng agent -n a1 -c conf -f conf/collector.properties -Dflume.root.logger=DEBUG,console

    4.4.3 FAILOVER测试

    下面我们来测试下Flume NG集群的高可用(故障转移)。场景如下:我们在Agent1节点上传文件,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上次文件,发现Collector1恢复优先级别的采集工作。具体截图如下所 示:

    Collector1优先上传

    HDFS集群中上传的log内容预览

    Collector1宕机,Collector2获取优先上传权限

    重启Collector1服务,Collector1重新获得优先上传的权限

     

    展开全文
  • Flume 日志采集

    2019-02-21 19:49:23
    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 Flume的运行...

    Flume的简单介绍
    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
    Flume的运行机制
    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Source 到 Channel 到 Sink之间传递数据的形式是Event事件;Event事件是一个数据流单元。

    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
    单个agent采集数据

     

    image.png

    多个agent直接串联采集数据

     

    image.png

    Flume的安装与使用
    安装Flume之前确保安装了hadoop,假设是安装了hadoop的前提下,介绍Flume的安装,其实解压下就行了。
    我这里使用的是apache-flume-1.6.0-bin.tar.gz,上传到linux,解压到指定包即可,我这里解压到了apps这个包,里面放了我解压的hadoo、hive和zookeeper,安装就完了。
    注:其实在conf目录里面需要配置JAVA_HOME,但是我没配置使用也没问题的。如果出现问题了再配置看。

    3台电脑安装netcat

    yum install -y nc.x86_64
    

    hadoop03在9999端口监听

    nc -l 9999
    

    hadoop05连接hadoop03,发送数据

    nc hadoop03 9999
    

    Flume的使用(一)
    这里打算做的是,接收网络传输的数据。也就是flume(安装在mini1)的作用是,然后在mini2这台机器上,发送数据,mini1上能采集到,可以下沉到hdfs(为了方便,这里暂时打印在控制台)
    注:为了方便我这里就在mini1这条机器打开两个窗口来进行发送和采集数据了。
    进入到flume的conf目录下,创建文件,进行配置

    [root@mini1 ~]# cd apps/apache-flume-1.6.0-bin/conf/
    [root@mini1 conf]# ll
    总用量 28
    -rw-r--r--. 1  501 games 1661 5月   9 2015 flume-conf.properties.template
    -rw-r--r--. 1  501 games 1110 5月   9 2015 flume-env.ps1.template
    -rw-r--r--. 1  501 games 1214 5月   9 2015 flume-env.sh.template
    -rw-r--r--. 1  501 games 3107 5月   9 2015 log4j.properties
    -rw-r--r--. 1 root root   487 10月 19 14:34 netcat-logger.conf
    -rw-r--r--. 1 root root   507 10月 19 01:57 spool-logger.conf
    -rw-r--r--. 1 root root  1271 10月 19 15:11 tail-hdfs.conf
    [root@mini1 conf]# vi netcat-logger.conf 
    # example.conf: A single-node Flume configuration
    
    # Name the components on this agent
    #给那三个组件取个名字
    a1.sources = r1
    a1.sinks = k1
    a1.channels = c1
    
    # Describe/configure the source
    #类型, 从网络端口接收数据,本机mini1, type=spoolDir采集目录源,目录里有就采
    a1.sources.r1.type = netcat
    a1.sources.r1.bind = mini1
    a1.sources.r1.port = 44444
    
    # Describe the sink 日志下沉到log4j,打印在屏幕上
    a1.sinks.k1.type = logger
    
    # Use a channel which buffers events in memory
    #下沉的时候是一批一批的, 下沉的时候是一个个event
    Channel参数解释:
    #capacity:默认该通道中最大的可以存储的event数量 1000条数据(1000个event,source拿到的数据是封装成event事件的)
    #trasactionCapacity:每次最大可以从source中拿到或者送到sink中的event数量
    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
    

    配置好了就可以启动了

    [root@mini1 apache-flume-1.6.0-bin]# bin/flume-ng agent --conf conf --conf-file conf/netcat-logger.conf --name a1 -Dflume.root.logger=INFO,console
    Warning: JAVA_HOME is not set!
    ...
    2017-10-20 05:00:13,317 (conf-file-poller-0) [INFO - org.apache.flume.node.Application.startAllComponents(Application.java:173)] Starting Sink k1
    2017-10-20 05:00:13,318 (conf-file-poller-0) [INFO - org.apache.flume.node.Application.startAllComponents(Application.java:184)] Starting Source r1
    2017-10-20 05:00:13,320 (lifecycleSupervisor-1-3) [INFO - org.apache.flume.source.NetcatSource.start(NetcatSource.java:150)] Source starting
    2017-10-20 05:00:13,350 (lifecycleSupervisor-1-3) [INFO - org.apache.flume.source.NetcatSource.start(NetcatSource.java:164)] Created serverSocket:sun.nio.ch.ServerSocketChannelImpl[/192.168.25.127:44444]
    
    

    flume内部启动netcat,监听44444端口,收到数据,显示到终端控制台

    在mini1上重开一个窗口(或者其它机器),发送数据进行测试

    [root@mini1 ~]# telnet mini1 44444
    Trying 192.168.25.127...
    Connected to mini1.
    Escape character is '^]'.
    jinbingmin
    OK
    haha
    OK
    oyasumi
    OK
    

    发送了三句话。
    注:如果没有telnet命令,做法如下

    rpm -qa telnet-server 查看有没有安装,没有输出的话,那么执行
    yum install telnet-server  
    rpm -qa telnet 来查看telnet-server 安装包有没有安装,如果没有输出,那么执行安装
    yum install telnet
    退出的话使用ctrl+],接着quit
    

    再次查看服务端有没有采集到

    2017-10-20 05:00:59,699 (SinkRunner-PollingRunner-DefaultSinkProcessor) [INFO - org.apache.flume.sink.LoggerSink.process(LoggerSink.java:94)] Event: { headers:{} body: 6A 69 6E 62 69 6E 67 6D 69 6E 0D                jinbingmin. }
    2017-10-20 05:01:14,704 (SinkRunner-PollingRunner-DefaultSinkProcessor) [INFO - org.apache.flume.sink.LoggerSink.process(LoggerSink.java:94)] Event: { headers:{} body: 68 61 68 61 0D                                  haha. }
    2017-10-20 05:01:19,421 (SinkRunner-PollingRunner-DefaultSinkProcessor) [INFO - org.apache.flume.sink.LoggerSink.process(LoggerSink.java:94)] Event: { headers:{} body: 6F 79 61 73 75 6D 69 0D      oyasumi. }
    
    

    发现已经采集到了打印到了控制台

    使用Flume监听日志变化

    进入到flume的conf目录下,创建文件,进行配置

    [root@mini1 ~]# cd apps/apache-flume-1.6.0-bin/conf/
    [root@mini1 conf]# ll
    总用量 28
    -rw-r--r--. 1  501 games 1661 5月   9 2015 flume-conf.properties.template
    -rw-r--r--. 1  501 games 1110 5月   9 2015 flume-env.ps1.template
    -rw-r--r--. 1  501 games 1214 5月   9 2015 flume-env.sh.template
    -rw-r--r--. 1  501 games 3107 5月   9 2015 log4j.properties
    -rw-r--r--. 1 root root   487 10月 19 14:34 netcat-logger.conf
    -rw-r--r--. 1 root root   507 10月 19 01:57 spool-logger.conf
    -rw-r--r--. 1 root root  1271 10月 19 15:11 tail-hdfs.conf
    [root@mini1 conf]# vi netcat-logger.conf 
    # example.conf: A single-node Flume configuration
    
    # Name the components on this agent
    #给那三个组件取个名字
    a1.sources = r1
    a1.sinks = k1
    a1.channels = c1
    
    # Describe/configure the source
    ## exec表示flume回去调用给的命令,然后从给的命令的结果中去拿数据
    a1.sources.r1.type = exec
    ## 使用tail这个命令来读数据
    a1.sources.r1.command = tail -F /opt/test.log
    a1.sources.r1.channels = c1
    
    # Describe the sink 日志下沉到log4j,打印在屏幕上
    a1.sinks.k1.type = logger
    
    # Use a channel which buffers events in memory
    #下沉的时候是一批一批的, 下沉的时候是一个个event
    Channel参数解释:
    #capacity:默认该通道中最大的可以存储的event数量 1000条数据(1000个event,source拿到的数据是封装成event事件的)
    #trasactionCapacity:每次最大可以从source中拿到或者送到sink中的event数量
    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
    

    配置好了就可以启动了

    [root@mini1 apache-flume-1.6.0-bin]# bin/flume-ng agent --conf conf --conf-file conf/netcat-logger.conf --name a1 -Dflume.root.logger=INFO,console
    Warning: JAVA_HOME is not set!
    ...
    2017-10-20 05:00:13,317 (conf-file-poller-0) [INFO - org.apache.flume.node.Application.startAllComponents(Application.java:173)] Starting Sink k1
    2017-10-20 05:00:13,318 (conf-file-poller-0) [INFO - org.apache.flume.node.Application.startAllComponents(Application.java:184)] Starting Source r1
    2017-10-20 05:00:13,320 (lifecycleSupervisor-1-3) [INFO - org.apache.flume.source.NetcatSource.start(NetcatSource.java:150)] Source starting
    2017-10-20 05:00:13,350 (lifecycleSupervisor-1-3) [INFO - org.apache.flume.source.NetcatSource.start(NetcatSource.java:164)] Created serverSocket:sun.nio.ch.ServerSocketChannelImpl[/192.168.25.127:44444]
    
    

    通过写一个死循环往test.log中写数据的方式模式日志文件增长

    编写shell脚本,模拟日志增长变化。

    #!/bin/bash
    [root@hadoop1 flumedata]# cd /home/tuzq/software/flumedata
    [root@hadoop1 flumedata]# while true
    >do
    > date >> test.log
    > sleep 2
    > done
    

    查看日志变化

    [root@hadoop1 ~]# cd /home/tuzq/software/flumedata/
    [root@hadoop1 flumedata]# ls
    access.log  error.log  test.log
    [root@hadoop1 flumedata]# tail -f test.log 
    2017年 06月 13日 星期二 22:02:22 CST
    2017年 06月 13日 星期二 22:02:24 CST
    2017年 06月 13日 星期二 22:02:26 CST
    2017年 06月 13日 星期二 22:02:28 CST
    2017年 06月 13日 星期二 22:02:30 CST
    2017年 06月 13日 星期二 22:02:32 CST
    

    通过上面的文件,可以看到test.log在不停的追加数据。

    Flume的使用(三)

    采集数据到hdfs

    这里要添加的配置文件里面的采集源和下沉地就都有变化了。

    [root@mini1 conf]# vi tail-hdfs.conf 
    # Name the components on this agent
    a1.sources = r1
    a1.sinks = k1
    a1.channels = c1
    #exec 指的是命令
    # Describe/configure the source
    a1.sources.r1.type = exec
    #F根据文件名追中, f根据文件的nodeid追中
    a1.sources.r1.command = tail -F /opt/test.log
    a1.sources.r1.channels = c1
    # Describe the sink
    #下沉目标
    a1.sinks.k1.type=hdfs
    a1.sinks.k1.channel=c1
    a1.sinks.k1.hdfs.useLocalTimeStamp=true
    a1.sinks.k1.hdfs.path=/flume/testout9/
    a1.sinks.k1.hdfs.filePrefix=cmcc
    a1.sinks.k1.hdfs.minBlockReplicas=1
    a1.sinks.k1.hdfs.fileType=DataStream
    a1.sinks.k1.hdfs.writeFormat=Text
    a1.sinks.k1.hdfs.rollInterval=0
    a1.sinks.k1.hdfs.rollSize=10240
    a1.sinks.k1.hdfs.rollCount=0
    a1.sinks.k1.hdfs.idleTimeout=0
    
    
    # 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
    
    
    

    flume+kafka

    spooldir.sources= eventDir
    spooldir.channels= memoryChannel
    spooldir.sinks= eventHDFS
    
    
    spooldir.channels.memoryChannel.type= memory
    spooldir.channels.memoryChannel.capacity= 10000
    spooldir.channels.memoryChannel.transactioncapacity= 1000000
    
    spooldir.sources.eventDir.type=exec
    spooldir.sources.eventDir.command=tail -F /opt/log.txt
    
    
    spooldir.sinks.eventHDFS.type = org.apache.flume.sink.kafka.KafkaSink
    spooldir.sinks.eventHDFS.topic = orderMq
    spooldir.sinks.eventHDFS.brokerList = hadoop01:9092,hadoop02:9092,hadoop03:9092
    
    
    spooldir.sources.eventDir.channels= memoryChannel
    spooldir.sinks.eventHDFS.channel= memoryChannel
    
    

    参考
    https://blog.csdn.net/zengmingen/article/details/65444823

    https://blog.csdn.net/HG_Harvey/article/details/78358304

     

    展开全文

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 2,988
精华内容 1,195
关键字:

flume日志采集