Flume介绍以及实战应用

浅浅的花香味﹌ 2022-10-01 12:44 270阅读 0赞

# **1.1 Flume介绍** #

**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：

![70][]

### **1.1.1 概述** ###

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

### **1.1.2 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，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

![70 1][]

### **1.1.4 Flume采集系统结构图** ###

**1. 简单结构**

单个agent采集数据

![70 2][]

**2. 复杂结构**

多级agent之间串联

![70 3][]

## **1.2 Flume实战案例** ##

**1.2.1 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

<table> 
 <tbody> 
 <tr> 
 <td style="vertical-align:top;"> #&nbsp;定义这个agent中各组件的名字 a1.sources = r1 a1.sinks = k1 a1.channels = c1 &nbsp; #&nbsp;描述和配置source组件：r1 a1.sources.r1.type = netcat a1.sources.r1.bind = localhost a1.sources.r1.port = 44444 &nbsp; #&nbsp;描述和配置sink组件：k1 a1.sinks.k1.type = logger &nbsp; #&nbsp;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 &nbsp; #&nbsp;描述和配置source &nbsp;channel &nbsp;&nbsp;sink之间的连接关系 a1.sources.r1.channels = c1 a1.sinks.k1.channel = c1 </td> 
 </tr> 
 </tbody> 
</table>

2、启动agent去采集数据

<table> 
 <tbody> 
 <tr> 
 <td style="vertical-align:top;"> bin/flume-ng agent -c conf -f conf/netcat-logger.conf -n a1 &nbsp;-Dflume.root.logger=INFO,console </td> 
 </tr> 
 </tbody> 
</table>

\-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

3、测试

先要往agent采集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）

tips:如果没有telnet请先安装telnet : yum -y install telnet

**1.2.2 采集案例**

**1、采集目录到HDFS**

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

1.)采集源，即source——监控文件目录 :  spooldir

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：

<table> 
 <tbody> 
 <tr> 
 <td style="vertical-align:top;"> #定义三大组件的名称 agent1.sources = source1 agent1.sinks = sink1 agent1.channels = channel1 &nbsp; # 配置source组件 agent1.sources.source1.type = spooldir agent1.sources.source1.spoolDir = /home/hadoop/logs/ agent1.sources.source1.fileHeader = false &nbsp; #配置拦截器 agent1.sources.source1.interceptors = i1 agent1.sources.source1.interceptors.i1.type = host agent1.sources.source1.interceptors.i1.hostHeader = hostname &nbsp; # 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 &nbsp; # Bind the source and sink to the channel agent1.sources.source1.channels = channel1 agent1.sinks.sink1.channel = channel1 </td> 
 </tr> 
 </tbody> 
</table>

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

**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：

<table> 
 <tbody> 
 <tr> 
 <td style="vertical-align:top;"> agent1.sources = source1 agent1.sinks = sink1 agent1.channels = channel1 &nbsp; # 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 &nbsp; #configure host for source agent1.sources.source1.interceptors = i1 agent1.sources.source1.interceptors.i1.type = host agent1.sources.source1.interceptors.i1.hostHeader = hostname &nbsp; # 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 &nbsp; # 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 &nbsp; # Bind the source and sink to the channel agent1.sources.source1.channels = channel1 agent1.sinks.sink1.channel = channel1 </td> 
 </tr> 
 </tbody> 
</table>

##    **1.3 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][http_flume.apache.org_FlumeUserGuide.html]

转自：[https://blog.csdn.net/l1212xiao/article/details/80435448][https_blog.csdn.net_l1212xiao_article_details_80435448]

[70]: /images/20220118/db23f935e2644d7f8f9255adad106b69.png
[70 1]: /images/20220118/68655285d95846a699185010fc386699.png
[70 2]: /images/20220118/b19433bd269b4cf8a94ff7cbbe7bbc7f.png
[70 3]: /images/20220118/6c75a90902f9482984eb0619a14a6635.png
[http_flume.apache.org_FlumeUserGuide.html]: http://flume.apache.org/FlumeUserGuide.html
[https_blog.csdn.net_l1212xiao_article_details_80435448]: https://blog.csdn.net/l1212xiao/article/details/80435448