无锡高端网站建设哪家好,网络推广公司重诚,网站群 建设 方案,wordpress geek theme大数据技术之Flume#xff08;超级详细#xff09;
第1章 概述
1.1 Flume定义 Flume是Cloudera提供的一个高可用的#xff0c;高可靠的#xff0c;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#xff0c;灵活简单。 1.2 Flume组成架构 Flume组成架构如…大数据技术之Flume超级详细
第1章 概述
1.1 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。 1.2 Flume组成架构 Flume组成架构如图1-1图1-2所示 图1-2 Flume组成架构详解 下面我们来详细介绍一下Flume架构中的组件。 1.2.1 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是Flume数据传输的基本单元。 Agent主要有3个部分组成Source、Channel、Sink。 1.2.2 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、sequence generator、syslog、http、legacy。
1.2.3 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。
1.2.4 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是完全事务性的。在从Channel批量删除数据之前每个Sink用Channel启动一个事务。批量事件一旦成功写出到存储系统或下一个Flume AgentSink就利用Channel提交事务。事务一旦被提交该Channel从自己的内部缓冲区删除事件。 Sink组件目的地包括hdfs、logger、avro、thrift、ipc、file、null、HBase、solr、自定义。 1.2.5 Event 传输单元Flume数据传输的基本单元以事件的形式将数据从源头送至目的地。 1.3 Flume拓扑结构 Flume的拓扑结构如图1-3、1-4、1-5和1-6所示 内部原理
第2章 快速入门
2.1 Flume安装地址 1 Flume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/ 2.2 安装部署 1将apache-flume-1.7.0-bin.tar.gz上传到linux的/opt/software目录下 2解压apache-flume-1.7.0-bin.tar.gz到/opt/module/目录下
[atguiguhadoop102 software]$ tar -zxf apache-flume-1.7.0-bin.tar.gz -C /opt/module/3修改apache-flume-1.7.0-bin的名称为flume
[atguiguhadoop102 module]$ mv apache-flume-1.7.0-bin flume4将flume/conf下的flume-env.sh.template文件修改为flume-env.sh并配置flume-env.sh文件
[atguiguhadoop102 conf]$ mv flume-env.sh.template flume-env.sh
[atguiguhadoop102 conf]$ vi flume-env.sh
export JAVA_HOME/opt/module/jdk1.8.0_144第3章 企业开发案例
3.1 监控端口数据官方案例 1案例需求首先Flume监控本机44444端口然后通过telnet工具向本机44444端口发送消息最后Flume将监听的数据实时显示在控制台。 2需求分析 3实现步骤 1安装telnet工具 将rpm软件包(xinetd-2.3.14-40.el6.x86_64.rpm、telnet-0.17-48.el6.x86_64.rpm和telnet-server-0.17-48.el6.x86_64.rpm)拷入/opt/software文件夹下面。执行RPM软件包安装命令
[atguiguhadoop102 software]$ sudo rpm -ivh xinetd-2.3.14-40.el6.x86_64.rpm[atguiguhadoop102 software]$ sudo rpm -ivh telnet-0.17-48.el6.x86_64.rpm[atguiguhadoop102 software]$ sudo rpm -ivh telnet-server-0.17-48.el6.x86_64.rpm2判断44444端口是否被占用
[atguiguhadoop102 flume-telnet]$ sudo netstat -tunlp | grep 44444功能描述netstat命令是一个监控TCP/IP网络的非常有用的工具它可以显示路由表、实际的网络连接以及每一个网络接口设备的状态信息。 基本语法netstat [选项] 选项参数 -t或–tcp显示TCP传输协议的连线状况 -u或–udp显示UDP传输协议的连线状况 -n或–numeric直接使用ip地址而不通过域名服务器 -l或–listening显示监控中的服务器的Socket -p或–programs显示正在使用Socket的程序识别码和程序名称 3创建Flume Agent配置文件flume-telnet-logger.conf 在flume目录下创建job文件夹并进入job文件夹。
[atguiguhadoop102 flume]$ mkdir job
[atguiguhadoop102 flume]$ cd job/在job文件夹下创建Flume Agent配置文件flume-telnet-logger.conf。
[atguiguhadoop102 job]$ touch flume-telnet-logger.conf在flume-telnet-logger.conf文件中添加如下内容。
[atguiguhadoop102 job]$ vim flume-telnet-logger.conf添加内容如下
# Name the components on this agent
a1.sources r1
a1.sinks k1
a1.channels c1# Describe/configure the source
a1.sources.r1.type 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注配置文件来源于官方手册http://flume.apache.org/FlumeUserGuide.html 配置文件解析 4. 先开启flume监听端口
[atguiguhadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a1 --conf-file job/flume-telnet-logger.conf -Dflume.root.loggerINFO,console参数说明 –conf conf/ 表示配置文件存储在conf/目录 –name a1 表示给agent起名为a1 –conf-file job/flume-telnet.conf flume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。 5使用telnet工具向本机的44444端口发送内容
[atguiguhadoop102 ~]$ telnet localhost 444446在Flume监听页面观察接收数据情况 3.2 实时读取本地文件到HDFS案例 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必须持有Hadoop相关jar包 将commons-configuration-1.6.jar、 hadoop-auth-2.7.2.jar、 hadoop-common-2.7.2.jar、 hadoop-hdfs-2.7.2.jar、 commons-io-2.4.jar、 htrace-core-3.1.0-incubating.jar 拷贝到/opt/module/flume/lib文件夹下。 2创建flume-file-hdfs.conf文件 创建文件
[atguiguhadoop102 job]$ touch 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。
[atguiguhadoop102 job]$ vim flume-file-hdfs.conf添加如下内容
# 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
a2.sources.r2.shell /bin/bash -c# Describe the sink
a2.sinks.k2.type hdfs
a2.sinks.k2.hdfs.path hdfs://hadoop102:9000/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 1000
#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 600
#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
#最小冗余数
a2.sinks.k2.hdfs.minBlockReplicas 1# 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 c23执行监控配置
[atguiguhadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a2 --conf-file job/flume-file-hdfs.conf4开启Hadoop和Hive并操作Hive产生日志
[atguiguhadoop102 hadoop-2.7.2]$ sbin/start-dfs.sh
[atguiguhadoop103 hadoop-2.7.2]$ sbin/start-yarn.sh[atguiguhadoop102 hive]$ bin/hive
hive (default)5在HDFS上查看文件。 3.3 实时读取目录文件到HDFS案例 1案例需求使用Flume监听整个目录的文件 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
[atguiguhadoop102 job]$ touch flume-dir-hdfs.conf打开文件
[atguiguhadoop102 job]$ vim flume-dir-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 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://hadoop102:9000/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 600
#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
#最小冗余数
a3.sinks.k3.hdfs.minBlockReplicas 1# 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
[atguiguhadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a3 --conf-file job/flume-dir-hdfs.conf说明 在使用Spooling Directory Source时 1)不要在监控目录中创建并持续修改文件 2)上传完成的文件会以.COMPLETED结尾 3)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/o
pt/module/flume目录下创建upload文件夹
[atguiguhadoop102 flume]$ mkdir upload向upload文件夹中添加文件
[atguiguhadoop102 upload]$ touch atguigu.txt
[atguiguhadoop102 upload]$ touch atguigu.tmp
[atguiguhadoop102 upload]$ touch atguigu.log查看HDFS上的数据 等待1s再次查询upload文件夹
[atguiguhadoop102 upload]$ ll
总用量 0
-rw-rw-r--. 1 atguigu atguigu 0 5月 20 22:31 atguigu.log.COMPLETED
-rw-rw-r--. 1 atguigu atguigu 0 5月 20 22:31 atguigu.tmp
-rw-rw-r--. 1 atguigu atguigu 0 5月 20 22:31 atguigu.txt.COMPLETED单数据源多出口案例(选择器) 单Source多Channel、Sink如图7-2所示。 1案例需求使用Flume-1监控文件变动Flume-1将变动内容传递给Flume-2Flume-2负责存储到HDFS。同时Flume-1将变动内容传递给Flume-3Flume-3负责输出到Local FileSystem。 2需求分析 3实现步骤 0准备工作 在/opt/module/flume/job目录下创建group1文件夹 [atguiguhadoop102 job]$ cd group1/ 在/opt/module/datas/目录下创建flume3文件夹 [atguiguhadoop102 datas]$ mkdir flume3 1创建flume-file-flume.conf 配置1个接收日志文件的source和两个channel、两个sink分别输送给flume-flume-hdfs和flume-flume-dir。 创建配置文件并打开 [atguiguhadoop102 group1]$ touch flume-file-flume.conf [atguiguhadoop102 group1]$ vim flume-file-flume.conf 添加如下内容
# Name the components on this agent
a1.sources r1
a1.sinks k1 k2
a1.channels c1 c2
# 将数据流复制给所有channel
a1.sources.r1.selector.type replicating# Describe/configure the source
a1.sources.r1.type exec
a1.sources.r1.command tail -F /opt/module/hive/logs/hive.log
a1.sources.r1.shell /bin/bash -c# Describe the sink
a1.sinks.k1.type avro
a1.sinks.k1.hostname hadoop102
a1.sinks.k1.port 4141a1.sinks.k2.type avro
a1.sinks.k2.hostname hadoop102
a1.sinks.k2.port 4142# Describe the channel
a1.channels.c1.type memory
a1.channels.c1.capacity 1000
a1.channels.c1.transactionCapacity 100a1.channels.c2.type memory
a1.channels.c2.capacity 1000
a1.channels.c2.transactionCapacity 100# Bind the source and sink to the channel
a1.sources.r1.channels c1 c2
a1.sinks.k1.channel c1
a1.sinks.k2.channel c2注Avro是由Hadoop创始人Doug Cutting创建的一种语言无关的数据序列化和RPC框架。 注RPCRemote Procedure Call—远程过程调用它是一种通过网络从远程计算机程序上请求服务而不需要了解底层网络技术的协议。
2创建flume-flume-hdfs.conf 配置上级Flume输出的Source输出是到HDFS的Sink。 创建配置文件并打开
[atguiguhadoop102 group1]$ touch flume-flume-hdfs.conf
[atguiguhadoop102 group1]$ vim flume-flume-hdfs.conf添加如下内容
# Name the components on this agent
a2.sources r1
a2.sinks k1
a2.channels c1# Describe/configure the source
a2.sources.r1.type avro
a2.sources.r1.bind hadoop102
a2.sources.r1.port 4141# Describe the sink
a2.sinks.k1.type hdfs
a2.sinks.k1.hdfs.path hdfs://hadoop102:9000/flume2/%Y%m%d/%H
#上传文件的前缀
a2.sinks.k1.hdfs.filePrefix flume2-
#是否按照时间滚动文件夹
a2.sinks.k1.hdfs.round true
#多少时间单位创建一个新的文件夹
a2.sinks.k1.hdfs.roundValue 1
#重新定义时间单位
a2.sinks.k1.hdfs.roundUnit hour
#是否使用本地时间戳
a2.sinks.k1.hdfs.useLocalTimeStamp true
#积攒多少个Event才flush到HDFS一次
a2.sinks.k1.hdfs.batchSize 100
#设置文件类型可支持压缩
a2.sinks.k1.hdfs.fileType DataStream
#多久生成一个新的文件
a2.sinks.k1.hdfs.rollInterval 600
#设置每个文件的滚动大小大概是128M
a2.sinks.k1.hdfs.rollSize 134217700
#文件的滚动与Event数量无关
a2.sinks.k1.hdfs.rollCount 0
#最小冗余数
a2.sinks.k1.hdfs.minBlockReplicas 1# Describe the channel
a2.channels.c1.type memory
a2.channels.c1.capacity 1000
a2.channels.c1.transactionCapacity 100# Bind the source and sink to the channel
a2.sources.r1.channels c1
a2.sinks.k1.channel c13创建flume-flume-dir.conf 配置上级Flume输出的Source输出是到本地目录的Sink。 创建配置文件并打开
[atguiguhadoop102 group1]$ touch flume-flume-dir.conf
[atguiguhadoop102 group1]$ vim flume-flume-dir.conf添加如下内容
# Name the components on this agent
a3.sources r1
a3.sinks k1
a3.channels c2# Describe/configure the source
a3.sources.r1.type avro
a3.sources.r1.bind hadoop102
a3.sources.r1.port 4142# Describe the sink
a3.sinks.k1.type file_roll
a3.sinks.k1.sink.directory /opt/module/datas/flume3# Describe the channel
a3.channels.c2.type memory
a3.channels.c2.capacity 1000
a3.channels.c2.transactionCapacity 100# Bind the source and sink to the channel
a3.sources.r1.channels c2
a3.sinks.k1.channel c2提示输出的本地目录必须是已经存在的目录如果该目录不存在并不会创建新的目录。 4执行配置文件 分别开启对应配置文件flume-flume-dirflume-flume-hdfsflume-file-flume。
[atguiguhadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a3 --conf-file job/group1/flume-flume-dir.conf[atguiguhadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a2 --conf-file job/group1/flume-flume-hdfs.conf[atguiguhadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a1 --conf-file job/group1/flume-file-flume.conf5启动Hadoop和Hive
[atguiguhadoop102 hadoop-2.7.2]$ sbin/start-dfs.sh
[atguiguhadoop103 hadoop-2.7.2]$ sbin/start-yarn.sh[atguiguhadoop102 hive]$ bin/hive
hive (default)6检查HDFS上数据 7检查/opt/module/datas/flume3目录中数据
[atguiguhadoop102 flume3]$ ll
总用量 8
-rw-rw-r--. 1 atguigu atguigu 5942 5月 22 00:09 1526918887550-33.5 单数据源多出口案例(Sink组) 单Source、Channel多Sink(负载均衡)如图7-3所示。 1案例需求使用Flume-1监控文件变动Flume-1将变动内容传递给Flume-2Flume-2负责存储到HDFS。同时Flume-1将变动内容传递给Flume-3Flume-3也负责存储到HDFS 2需求分析 3实现步骤 0准备工作 在/opt/module/flume/job目录下创建group2文件夹
[atguiguhadoop102 job]$ cd group2/1创建flume-netcat-flume.conf 配置1个接收日志文件的source和1个channel、两个sink分别输送给flume-flume-console1和flume-flume-console2。 创建配置文件并打开
[atguiguhadoop102 group2]$ touch flume-netcat-flume.conf
[atguiguhadoop102 group2]$ vim flume-netcat-flume.conf添加如下内容
# Name the components on this agent
a1.sources r1
a1.channels c1
a1.sinkgroups g1
a1.sinks k1 k2# Describe/configure the source
a1.sources.r1.type netcat
a1.sources.r1.bind localhost
a1.sources.r1.port 44444a1.sinkgroups.g1.processor.type load_balance
a1.sinkgroups.g1.processor.backoff true
a1.sinkgroups.g1.processor.selector round_robin
a1.sinkgroups.g1.processor.selector.maxTimeOut10000# Describe the sink
a1.sinks.k1.type avro
a1.sinks.k1.hostname hadoop102
a1.sinks.k1.port 4141a1.sinks.k2.type avro
a1.sinks.k2.hostname hadoop102
a1.sinks.k2.port 4142# Describe the channel
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.sinkgroups.g1.sinks k1 k2
a1.sinks.k1.channel c1
a1.sinks.k2.channel c1注Avro是由Hadoop创始人Doug Cutting创建的一种语言无关的数据序列化和RPC框架。 注RPCRemote Procedure Call—远程过程调用它是一种通过网络从远程计算机程序上请求服务而不需要了解底层网络技术的协议。 2创建flume-flume-console1.conf 配置上级Flume输出的Source输出是到本地控制台。 创建配置文件并打开
[atguiguhadoop102 group2]$ touch flume-flume-console1.conf
[atguiguhadoop102 group2]$ vim flume-flume-console1.conf添加如下内容
# Name the components on this agent
a2.sources r1
a2.sinks k1
a2.channels c1# Describe/configure the source
a2.sources.r1.type avro
a2.sources.r1.bind hadoop102
a2.sources.r1.port 4141# Describe the sink
a2.sinks.k1.type logger# Describe the channel
a2.channels.c1.type memory
a2.channels.c1.capacity 1000
a2.channels.c1.transactionCapacity 100# Bind the source and sink to the channel
a2.sources.r1.channels c1
a2.sinks.k1.channel c13创建flume-flume-console2.conf 配置上级Flume输出的Source输出是到本地控制台。 创建配置文件并打开
[atguiguhadoop102 group2]$ touch flume-flume-console2.conf
[atguiguhadoop102 group2]$ vim flume-flume-console2.conf添加如下内容
# Name the components on this agent
a3.sources r1
a3.sinks k1
a3.channels c2# Describe/configure the source
a3.sources.r1.type avro
a3.sources.r1.bind hadoop102
a3.sources.r1.port 4142# Describe the sink
a3.sinks.k1.type logger# Describe the channel
a3.channels.c2.type memory
a3.channels.c2.capacity 1000
a3.channels.c2.transactionCapacity 100# Bind the source and sink to the channel
a3.sources.r1.channels c2
a3.sinks.k1.channel c24执行配置文件 分别开启对应配置文件flume-flume-console2flume-flume-console1flume-netcat-flume。
[atguiguhadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a3 --conf-file job/group2/flume-flume-console2.conf -Dflume.root.loggerINFO,console[atguiguhadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a2 --conf-file job/group2/flume-flume-console1.conf -Dflume.root.loggerINFO,console[atguiguhadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a1 --conf-file job/group2/flume-netcat-flume.conf使用telnet工具向本机的44444端口发送内容 $ telnet localhost 44444 查看Flume2及Flume3的控制台打印日志 3.6 多数据源汇总案例 多Source汇总数据到单Flume如图7-4所示。 1案例需求 hadoop103上的Flume-1监控文件/opt/module/group.log hadoop102上的Flume-2监控某一个端口的数据流 Flume-1与Flume-2将数据发送给hadoop104上的Flume-3Flume-3将最终数据打印到控制台。 2需求分析 3实现步骤 0准备工作 分发Flume [atguiguhadoop102 module]$ xsync flume 在hadoop102、hadoop103以及hadoop104的/opt/module/flume/job目录下创建一个group3文件夹。
[atguiguhadoop102 job]$ mkdir group3
[atguiguhadoop103 job]$ mkdir group3
[atguiguhadoop104 job]$ mkdir group31创建flume1-logger-flume.conf 配置Source用于监控hive.log文件配置Sink输出数据到下一级Flume。 在hadoop103上创建配置文件并打开
[atguiguhadoop103 group3]$ touch flume1-logger-flume.conf
[atguiguhadoop103 group3]$ vim flume1-logger-flume.conf 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 exec
a1.sources.r1.command tail -F /opt/module/group.log
a1.sources.r1.shell /bin/bash -c# Describe the sink
a1.sinks.k1.type avro
a1.sinks.k1.hostname hadoop104
a1.sinks.k1.port 4141# Describe the channel
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 c12创建flume2-netcat-flume.conf 配置Source监控端口44444数据流配置Sink数据到下一级Flume 在hadoop102上创建配置文件并打开
[atguiguhadoop102 group3]$ touch flume2-netcat-flume.conf
[atguiguhadoop102 group3]$ vim flume2-netcat-flume.conf添加如下内容
# Name the components on this agent
a2.sources r1
a2.sinks k1
a2.channels c1# Describe/configure the source
a2.sources.r1.type netcat
a2.sources.r1.bind hadoop102
a2.sources.r1.port 44444# Describe the sink
a2.sinks.k1.type avro
a2.sinks.k1.hostname hadoop104
a2.sinks.k1.port 4141# Use a channel which buffers events in memory
a2.channels.c1.type memory
a2.channels.c1.capacity 1000
a2.channels.c1.transactionCapacity 100# Bind the source and sink to the channel
a2.sources.r1.channels c1
a2.sinks.k1.channel c13创建flume3-flume-logger.conf 配置source用于接收flume1与flume2发送过来的数据流最终合并后sink到控制台。 在hadoop104上创建配置文件并打开
[atguiguhadoop104 group3]$ touch flume3-flume-logger.conf
[atguiguhadoop104 group3]$ vim flume3-flume-logger.conf添加如下内容
# Name the components on this agent
a3.sources r1
a3.sinks k1
a3.channels c1# Describe/configure the source
a3.sources.r1.type avro
a3.sources.r1.bind hadoop104
a3.sources.r1.port 4141# Describe the sink
# Describe the sink
a3.sinks.k1.type logger# Describe the channel
a3.channels.c1.type memory
a3.channels.c1.capacity 1000
a3.channels.c1.transactionCapacity 100# Bind the source and sink to the channel
a3.sources.r1.channels c1
a3.sinks.k1.channel c14执行配置文件 分别开启对应配置文件flume3-flume-logger.confflume2-netcat-flume.confflume1-logger-flume.conf。
[atguiguhadoop104 flume]$ bin/flume-ng agent --conf conf/ --name a3 --conf-file job/group3/flume3-flume-logger.conf -Dflume.root.loggerINFO,console[atguiguhadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a2 --conf-file job/group3/flume2-netcat-flume.conf[atguiguhadoop103 flume]$ bin/flume-ng agent --conf conf/ --name a1 --conf-file job/group3/flume1-logger-flume.conf5在hadoop103上向/opt/module目录下的group.log追加内容
[atguiguhadoop103 module]$ echo hello group.log6在hadoop102上向44444端口发送数据
[atguiguhadoop102 flume]$ telnet hadoop102 444447.检查hadoop104上数据
第4章 Flume监控之Ganglia 4.1 Ganglia的安装与部署
安装httpd服务与php
[atguiguhadoop102 flume]$ sudo yum -y install httpd php安装其他依赖
[atguiguhadoop102 flume]$ sudo yum -y install rrdtool perl-rrdtool rrdtool-devel
[atguiguhadoop102 flume]$ sudo yum -y install apr-devel安装ganglia
[atguiguhadoop102 flume]$ sudo rpm -Uvh http://dl.fedoraproject.org/pub/epel/6/x86_64/epel-release-6-8.noarch.rpm[atguiguhadoop102 flume]$ sudo yum -y install ganglia-gmetad
[atguiguhadoop102 flume]$ sudo yum -y install ganglia-web
[atguiguhadoop102 flume]$ sudo yum install -y ganglia-gmond修改配置文件/etc/httpd/conf.d/ganglia.conf
[atguiguhadoop102 flume]$ sudo vim /etc/httpd/conf.d/ganglia.conf修改为红颜色的配置
# Ganglia monitoring system php web frontend
Alias /ganglia /usr/share/ganglia
Location /gangliaOrder deny,allowDeny from allAllow from all# Allow from 127.0.0.1# Allow from ::1# Allow from .example.com
/Location修改配置文件/etc/ganglia/gmetad.conf
[atguiguhadoop102 flume]$ sudo vim /etc/ganglia/gmetad.conf修改为
data_source hadoop102 192.168.1.102修改配置文件/etc/ganglia/gmond.conf
[atguiguhadoop102 flume]$ sudo vim /etc/ganglia/gmond.conf 修改为
cluster {name hadoop102owner unspecifiedlatlong unspecifiedurl unspecified
}
udp_send_channel {#bind_hostname yes # Highly recommended, soon to be default.# This option tells gmond to use a source address# that resolves to the machines hostname. Without# this, the metrics may appear to come from any# interface and the DNS names associated with# those IPs will be used to create the RRDs.# mcast_join 239.2.11.71host 192.168.1.102port 8649ttl 1
}
udp_recv_channel {# mcast_join 239.2.11.71port 8649bind 192.168.1.102retry_bind true# Size of the UDP buffer. If you are handling lots of metrics you really# should bump it up to e.g. 10MB or even higher.# buffer 10485760
}
7) 修改配置文件/etc/selinux/config
[atguiguhadoop102 flume]$ sudo vim /etc/selinux/config
修改为
# This file controls the state of SELinux on the system.
# SELINUX can take one of these three values:
# enforcing - SELinux security policy is enforced.
# permissive - SELinux prints warnings instead of enforcing.
# disabled - No SELinux policy is loaded.
SELINUXdisabled
# SELINUXTYPE can take one of these two values:
# targeted - Targeted processes are protected,
# mls - Multi Level Security protection.
SELINUXTYPEtargeted尖叫提示selinux本次生效关闭必须重启如果此时不想重启可以临时生效之
[atguiguhadoop102 flume]$ sudo setenforce 0启动ganglia
[atguiguhadoop102 flume]$ sudo service httpd start
[atguiguhadoop102 flume]$ sudo service gmetad start
[atguiguhadoop102 flume]$ sudo service gmond start打开网页浏览ganglia页面
http://192.168.1.102/ganglia尖叫提示如果完成以上操作依然出现权限不足错误请修改/var/lib/ganglia目录的权限
[atguiguhadoop102 flume]$ sudo chmod -R 777 /var/lib/ganglia4.2 操作Flume测试监控
修改/opt/module/flume/conf目录下的flume-env.sh配置
JAVA_OPTS-Dflume.monitoring.typeganglia
-Dflume.monitoring.hosts192.168.1.102:8649
-Xms100m
-Xmx200m启动Flume任务
[atguiguhadoop102 flume]$ bin/flume-ng agent \
--conf conf/ \
--name a1 \
--conf-file job/flume-telnet-logger.conf \
-Dflume.root.loggerINFO,console \
-Dflume.monitoring.typeganglia \
-Dflume.monitoring.hosts192.168.1.102:8649发送数据观察ganglia监测图
[atguiguhadoop102 flume]$ telnet localhost 44444样式如图 图例说明
第5章 Flume高级之自定义MySQLSource
5.1 自定义Source说明 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、sequence generator、syslog、http、legacy。官方提供的source类型已经很多但是有时候并不能满足实际开发当中的需求此时我们就需要根据实际需求自定义某些Source。 如实时监控MySQL从MySQL中获取数据传输到HDFS或者其他存储框架所以此时需要我们自己实现MySQLSource。 官方也提供了自定义source的接口 官网说明https://flume.apache.org/FlumeDeveloperGuide.html#source 5.3 自定义MySQLSource组成 5.2 自定义MySQLSource步骤 根据官方说明自定义MySqlSource需要继承AbstractSource类并实现Configurable和PollableSource接口。 实现相应方法 getBackOffSleepIncrement()//暂不用 getMaxBackOffSleepInterval()//暂不用 configure(Context context)//初始化context process()//获取数据从MySql获取数据业务处理比较复杂所以我们定义一个专门的类——SQLSourceHelper来处理跟MySql的交互封装成Event并写入Channel这个方法被循环调用 stop()//关闭相关的资源 5.4 代码实现 5.4.1 导入Pom依赖
dependenciesdependencygroupIdorg.apache.flume/groupIdartifactIdflume-ng-core/artifactIdversion1.7.0/version/dependencydependencygroupIdmysql/groupIdartifactIdmysql-connector-java/artifactIdversion5.1.27/version/dependency
/dependencies5.4.2 添加配置信息 在ClassPath下添加jdbc.properties和log4j. properties jdbc.properties:
dbDrivercom.mysql.jdbc.Driver
dbUrljdbc:mysql://hadoop102:3306/mysqlsource?useUnicodetruecharacterEncodingutf-8
dbUserroot
dbPassword000000
log4j. properties:
#--------console-----------
log4j.rootLoggerinfo,myconsole,myfile
log4j.appender.myconsoleorg.apache.log4j.ConsoleAppender
log4j.appender.myconsole.layoutorg.apache.log4j.SimpleLayout
#log4j.appender.myconsole.layout.ConversionPattern %d [%t] %-5p [%c] - %m%n#log4j.rootLoggererror,myfile
log4j.appender.myfileorg.apache.log4j.DailyRollingFileAppender
log4j.appender.myfile.File/tmp/flume.log
log4j.appender.myfile.layoutorg.apache.log4j.PatternLayout
log4j.appender.myfile.layout.ConversionPattern %d [%t] %-5p [%c] - %m%n5.4.3 SQLSourceHelper 1属性说明 2方法说明 3代码分析 4代码实现
package com.atguigu.source;import org.apache.flume.Context;
import org.apache.flume.conf.ConfigurationException;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;import java.io.IOException;
import java.sql.*;
import java.text.ParseException;
import java.util.ArrayList;
import java.util.List;
import java.util.Properties;public class SQLSourceHelper {private static final Logger LOG LoggerFactory.getLogger(SQLSourceHelper.class);private int runQueryDelay, //两次查询的时间间隔startFrom, //开始idcurrentIndex, //当前idrecordSixe 0, //每次查询返回结果的条数maxRow; //每次查询的最大条数private String table, //要操作的表columnsToSelect, //用户传入的查询的列customQuery, //用户传入的查询语句query, //构建的查询语句defaultCharsetResultSet;//编码集//上下文用来获取配置文件private Context context;//为定义的变量赋值默认值可在flume任务的配置文件中修改private static final int DEFAULT_QUERY_DELAY 10000;private static final int DEFAULT_START_VALUE 0;private static final int DEFAULT_MAX_ROWS 2000;private static final String DEFAULT_COLUMNS_SELECT *;private static final String DEFAULT_CHARSET_RESULTSET UTF-8;private static Connection conn null;private static PreparedStatement ps null;private static String connectionURL, connectionUserName, connectionPassword;//加载静态资源
static {Properties p new Properties();try {p.load(SQLSourceHelper.class.getClassLoader().getResourceAsStream(jdbc.properties));connectionURL p.getProperty(dbUrl);connectionUserName p.getProperty(dbUser);connectionPassword p.getProperty(dbPassword);Class.forName(p.getProperty(dbDriver));} catch (IOException | ClassNotFoundException e) {LOG.error(e.toString());}}//获取JDBC连接private static Connection InitConnection(String url, String user, String pw) {try {Connection conn DriverManager.getConnection(url, user, pw);if (conn null)throw new SQLException();return conn;} catch (SQLException e) {e.printStackTrace();}return null;}//构造方法
SQLSourceHelper(Context context) throws ParseException {//初始化上下文this.context context;//有默认值参数获取flume任务配置文件中的参数读不到的采用默认值this.columnsToSelect context.getString(columns.to.select, DEFAULT_COLUMNS_SELECT);this.runQueryDelay context.getInteger(run.query.delay, DEFAULT_QUERY_DELAY);this.startFrom context.getInteger(start.from, DEFAULT_START_VALUE);this.defaultCharsetResultSet context.getString(default.charset.resultset, DEFAULT_CHARSET_RESULTSET);//无默认值参数获取flume任务配置文件中的参数this.table context.getString(table);this.customQuery context.getString(custom.query);connectionURL context.getString(connection.url);connectionUserName context.getString(connection.user);connectionPassword context.getString(connection.password);conn InitConnection(connectionURL, connectionUserName, connectionPassword);//校验相应的配置信息如果没有默认值的参数也没赋值抛出异常checkMandatoryProperties();//获取当前的idcurrentIndex getStatusDBIndex(startFrom);//构建查询语句query buildQuery();}//校验相应的配置信息表查询语句以及数据库连接的参数
private void checkMandatoryProperties() {if (table null) {throw new ConfigurationException(property table not set);}if (connectionURL null) {throw new ConfigurationException(connection.url property not set);}if (connectionUserName null) {throw new ConfigurationException(connection.user property not set);}if (connectionPassword null) {throw new ConfigurationException(connection.password property not set);}}//构建sql语句
private String buildQuery() {String sql ;//获取当前idcurrentIndex getStatusDBIndex(startFrom);LOG.info(currentIndex );if (customQuery null) {sql SELECT columnsToSelect FROM table;} else {sql customQuery;}StringBuilder execSql new StringBuilder(sql);//以id作为offsetif (!sql.contains(where)) {execSql.append( where );execSql.append(id).append().append(currentIndex);return execSql.toString();} else {int length execSql.toString().length();return execSql.toString().substring(0, length - String.valueOf(currentIndex).length()) currentIndex;}}//执行查询
ListListObject executeQuery() {try {//每次执行查询时都要重新生成sql因为id不同customQuery buildQuery();//存放结果的集合ListListObject results new ArrayList();if (ps null) {//ps conn.prepareStatement(customQuery);}ResultSet result ps.executeQuery(customQuery);while (result.next()) {//存放一条数据的集合多个列ListObject row new ArrayList();//将返回结果放入集合for (int i 1; i result.getMetaData().getColumnCount(); i) {row.add(result.getObject(i));}results.add(row);}LOG.info(execSql: customQuery \nresultSize: results.size());return results;} catch (SQLException e) {LOG.error(e.toString());// 重新连接conn InitConnection(connectionURL, connectionUserName, connectionPassword);}return null;}//将结果集转化为字符串每一条数据是一个list集合将每一个小的list集合转化为字符串
ListString getAllRows(ListListObject queryResult) {ListString allRows new ArrayList();if (queryResult null || queryResult.isEmpty())return allRows;StringBuilder row new StringBuilder();for (ListObject rawRow : queryResult) {Object value null;for (Object aRawRow : rawRow) {value aRawRow;if (value null) {row.append(,);} else {row.append(aRawRow.toString()).append(,);}}allRows.add(row.toString());row new StringBuilder();}return allRows;}//更新offset元数据状态每次返回结果集后调用。必须记录每次查询的offset值为程序中断续跑数据时使用以id为offsetvoid updateOffset2DB(int size) {//以source_tab做为KEY如果不存在则插入存在则更新每个源表对应一条记录String sql insert into flume_meta(source_tab,currentIndex) VALUES( this.table , (recordSixe size) ) on DUPLICATE key update source_tabvalues(source_tab),currentIndexvalues(currentIndex);LOG.info(updateStatus Sql: sql);execSql(sql);}//执行sql语句
private void execSql(String sql) {try {ps conn.prepareStatement(sql);LOG.info(exec:: sql);ps.execute();} catch (SQLException e) {e.printStackTrace();}}//获取当前id的offset
private Integer getStatusDBIndex(int startFrom) {//从flume_meta表中查询出当前的id是多少String dbIndex queryOne(select currentIndex from flume_meta where source_tab table );if (dbIndex ! null) {return Integer.parseInt(dbIndex);}//如果没有数据则说明是第一次查询或者数据表中还没有存入数据返回最初传入的值return startFrom;}//查询一条数据的执行语句(当前id)
private String queryOne(String sql) {ResultSet result null;try {ps conn.prepareStatement(sql);result ps.executeQuery();while (result.next()) {return result.getString(1);}} catch (SQLException e) {e.printStackTrace();}return null;}//关闭相关资源
void close() {try {ps.close();conn.close();} catch (SQLException e) {e.printStackTrace();}}int getCurrentIndex() {return currentIndex;}void setCurrentIndex(int newValue) {currentIndex newValue;}int getRunQueryDelay() {return runQueryDelay;}String getQuery() {return query;}String getConnectionURL() {return connectionURL;}private boolean isCustomQuerySet() {return (customQuery ! null);}Context getContext() {return context;}public String getConnectionUserName() {return connectionUserName;}public String getConnectionPassword() {return connectionPassword;}String getDefaultCharsetResultSet() {return defaultCharsetResultSet;}
}5.4.4 MySQLSource 代码实现
package com.atguigu.source;import org.apache.flume.Context;
import org.apache.flume.Event;
import org.apache.flume.EventDeliveryException;
import org.apache.flume.PollableSource;
import org.apache.flume.conf.Configurable;
import org.apache.flume.event.SimpleEvent;
import org.apache.flume.source.AbstractSource;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;import java.text.ParseException;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;public class SQLSource extends AbstractSource implements Configurable, PollableSource {//打印日志
private static final Logger LOG LoggerFactory.getLogger(SQLSource.class);//定义sqlHelperprivate SQLSourceHelper sqlSourceHelper;Overridepublic long getBackOffSleepIncrement() {return 0;}Overridepublic long getMaxBackOffSleepInterval() {return 0;}Override
public void configure(Context context) {try {//初始化sqlSourceHelper new SQLSourceHelper(context);} catch (ParseException e) {e.printStackTrace();}}Override
public Status process() throws EventDeliveryException {try {//查询数据表ListListObject result sqlSourceHelper.executeQuery();//存放event的集合ListEvent events new ArrayList();//存放event头集合HashMapString, String header new HashMap();//如果有返回数据则将数据封装为eventif (!result.isEmpty()) {ListString allRows sqlSourceHelper.getAllRows(result);Event event null;for (String row : allRows) {event new SimpleEvent();event.setBody(row.getBytes());event.setHeaders(header);events.add(event);}//将event写入channelthis.getChannelProcessor().processEventBatch(events);//更新数据表中的offset信息sqlSourceHelper.updateOffset2DB(result.size());}//等待时长Thread.sleep(sqlSourceHelper.getRunQueryDelay());return Status.READY;} catch (InterruptedException e) {LOG.error(Error procesing row, e);return Status.BACKOFF;}}Override
public synchronized void stop() {LOG.info(Stopping sql source {} ..., getName());try {//关闭资源sqlSourceHelper.close();} finally {super.stop();在这里插入代码片}}
}5.5 测试 5.5.1 Jar包准备
将MySql驱动包放入Flume的lib目录下
[atguiguhadoop102 flume]$ cp \
/opt/sorfware/mysql-libs/mysql-connector-java-5.1.27/mysql-connector-java-5.1.27-bin.jar \
/opt/module/flume/lib/打包项目并将Jar包放入Flume的lib目录下 5.5.2 配置文件准备 1创建配置文件并打开
[atguiguhadoop102 job]$ touch mysql.conf
[atguiguhadoop102 job]$ vim mysql.conf 2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 com.atguigu.source.SQLSource
a1.sources.r1.connection.url jdbc:mysql://192.168.9.102:3306/mysqlsource
a1.sources.r1.connection.user root
a1.sources.r1.connection.password 000000
a1.sources.r1.table student
a1.sources.r1.columns.to.select *
#a1.sources.r1.incremental.column.name id
#a1.sources.r1.incremental.value 0
a1.sources.r1.run.query.delay5000# Describe the sink
a1.sinks.k1.type logger# Describe the channel
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 c15.5.3 MySql表准备
创建MySqlSource数据库
CREATE DATABASE mysqlsource在MySqlSource数据库下创建数据表Student和元数据表Flume_meta
CREATE TABLE student (
id int(11) NOT NULL AUTO_INCREMENT,
name varchar(255) NOT NULL,
PRIMARY KEY (id)
);CREATE TABLE flume_meta (
source_tab varchar(255) NOT NULL,
currentIndex varchar(255) NOT NULL,
PRIMARY KEY (source_tab)
);3)向数据表中添加数据
1 zhangsan
2 lisi
3 wangwu
4 zhaoliu5.5.4测试并查看结果 1)任务执行
[atguiguhadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a1 \
--conf-file job/mysql.conf -Dflume.root.loggerINFO,console2)结果展示如图6-2所示
第6章 知识扩展
6.1 常见正则表达式语法
7.3 Flume的Channel Selectors 7.4 Flume参数调优
Source 增加Source个使用Tair Dir Source时可增加FileGroups个数可以增大Source的读取数据的能力。例如当某一个目录产生的文件过多时需要将这个文件目录拆分成多个文件目录同时配置好多个Source 以保证Source有足够的能力获取到新产生的数据。 batchSize参数决定Source一次批量运输到Channel的event条数适当调大这个参数可以提高Source搬运Event到Channel时的性能。Channel type 选择memory时Channel的性能最好但是如果Flume进程意外挂掉可能会丢失数据。type选择file时Channel的容错性更好但是性能上会比memory channel差。 使用file Channel时dataDirs配置多个不同盘下的目录可以提高性能。 Capacity 参数决定Channel可容纳最大的event条数。transactionCapacity 参数决定每次Source往channel里面写的最大event条数和每次Sink从channel里面读的最大event条数。transactionCapacity需要大于Source和Sink的batchSize参数。Sink 增加Sink的个数可以增加Sink消费event的能力。Sink也不是越多越好够用就行过多的Sink会占用系统资源造成系统资源不必要的浪费。 batchSize参数决定Sink一次批量从Channel读取的event条数适当调大这个参数可以提高Sink从Channel搬出event的性能。 7.5 Flume的事务机制 Flume的事务机制类似数据库的事务机制Flume使用两个独立的事务分别负责从Soucrce到Channel以及从Channel到Sink的事件传递。比如spooling directory source 为文件的每一行创建一个事件一旦事务中所有的事件全部传递到Channel且提交成功那么Soucrce就将该文件标记为完成。同理事务以类似的方式处理从Channel到Sink的传递过程如果因为某种原因使得事件无法记录那么事务将会回滚。且所有的事件都会保持到Channel中等待重新传递。
7.6 Flume采集数据会丢失吗? 不会Channel存储可以存储在File中数据传输自身有事务。
后面会持续更新更多优质内容感谢各位的喜爱与支持
