flume 1.4的介绍及使用示例

flume 1.4的介绍及使用示例


 

本文将介绍关于flume 1.4的使用示例,如果还没有安装flume的话可以参考:http://blog.csdn.net/zhu_xun/article/details/16958385

在进行使用示例说明之前,先请大家先明确flume中的Source和Sink以及Channel的概念。

flume-ng是flume的新版本的意思,其中“ng”意为new generate(新一代),目前来说,flume 1.4(也就是flume-ng)是最新的版本。

一、flume介绍

flume是个日志收集系统,这个日志收集系统由一个或多个agent(代理)构成,每个agent由三部分构成:Source、Channel、Sink,如下图:


agent结构图

 

source为水源,是aent获取数据的入口;
channel为管道,是数据(由resource获得)流动的通道,主要作用是用来传输和存储数据;
sink为水槽,用来接收channel传入的数据并将数据输出到指定地方。
大家可以把agent看作一个水管,source就是水管的入口,sink就是水管的出口,把数据当作水来看,数据流也就意味着水流。数据由source获得流经channel,最后传给sink。下图演示了一个完整的agent流程,由webserver获取数据,数据经channel流向sink,最后由sink将数据存储在hdfs里面。


上面说到了一个flume系统可以由一个或多个agent组成,多个agent只要做一些简单的配置就可以串在一起,比如将两个agent(foo、bar)串在一起工作,只要将bar的source(入口)接在foo的sink(出口)上就可以了。如下图:

再看看下图,下图是将4个agent串在一起,agent1、agent2和agent3都是获取web服务器的数据,然后将各自获得到的数据统一地发送给agent4,最后由agent4将收集到的数据存储在hdfs里面。怎么样,agent的使用是不是很灵活,扩展性也很高,就行拼图一样,想怎么拼就怎么拼。

其实在1个agent里面,对source、channel、sink的个数是无限制的,可以有多个,只要他们能够正确匹配就行。请看下图,这个例子中source获取到的数据被分发给了3个channel,其中sink1将数据输出到hdfs里面,sink2将数据作为jms输出。



agent本质上是一个jvm进程,agent各组件间的工作是通过event事件来触发和协调的。使用agent时候,我们需要在agent的配置文件中设置好配置信息,source、channel、sink都有各自不同的配置选项。

二、flume使用示例

1.通过avro-client客户端向agent发送数据,并打印在屏幕上(也就是输出至日志中):

 

注意:

a.本文中,以$FLUME代表flume的安装目录。

b.本文中的每个使用示例的配置文件名称皆为:source_sourceType-sink_sinkType.properties。

其中,sourceType表示source的类型,sinkType表示sink的类型。

比如,配置文件source_avro-sink_filerole.properties表示此例中的source类型为avro,sink的类型为filerole,即接收avro客户端传来的数据并将数据输出值本地文件。

c.本文中的channel的类型默认为memory,意为将数据存储至内存。


(1).在$FLUME目录下新建目录test,并在test目录下新建文件source_avro-sink_logger.properties,文件内容如下:

 

[java]  view plain copy 在CODE上查看代码片 派生到我的代码片
 
  1. <span style="font-family:Tahoma;font-size:14px;">#为agent的各个组件命名  
  2. #本例中,agent的名称为"a1"   
  3. a1.sources = r1  
  4. a1.sinks = k1  
  5. a1.channels = c1  
  6.   
  7. #source配置信息  
  8. #r1的type为avro表示该source接收的数据协议为avro,且接收数据由avro客户端事件驱动  
  9. #(也就是说resource要通过avro-cliet向其发送数据)  
  10. a1.sources.r1.type = avro  
  11. a1.sources.r1.bind = localhost  
  12. a1.sources.r1.port = 44444  
  13.   
  14. #sink配置信息  
  15. # type为logger意将数据输出至日志中(也就是打印在屏幕上)  
  16. a1.sinks.k1.type = logger  
  17.   
  18. #channel配置信息  
  19. #type为memory意将数据存储至内存中  
  20. a1.channels.c1.type = memory  
  21. a1.channels.c1.capacity = 1000  
  22. a1.channels.c1.transactionCapacity = 100  
  23.   
  24. #将source和sink绑定至该channel上  
  25. a1.sources.r1.channels = c1  
  26. a1.sinks.k1.channel = c1</span>  


 

(2).生成测试源数据:

 

新建文件file01.txt,并向其中写入如下数据;

hello world 1
hello world 2
hello world 3
hello world 4
hello world 5
hello world 6
hello world 7
hello world 8
hello world 9
hello world 10

(3)启动agent代理:

flume-ng agent -n a1 -f source_avro-sink_logger.properties

(4). 启动avro-client客户端向agent代理发送数据:

flume-ng avro-client -H localhost -p 44444 -F file01

注:启动avro-client客户端要重新开一个会话框

(5).这是可以看到aent的输出信息:


2.通过avro-client客户端向agent发送数据,并将数据输出至本地文件中:

 

(1).在$FLUME目录下新建目录test,并在test目录下新建文件source_avro-sink_filerole.properties,文件内容如下:

 

[java]  view plain copy 在CODE上查看代码片 派生到我的代码片
 
  1. <span style="font-family:Tahoma;font-size:14px;">#为agent的各个组件命名  
  2. #本例中,agent的名称为"a1"  
  3. a1.sources = r1  
  4. a1.sinks = k1  
  5. a1.channels = c1  
  6.   
  7. #source配置信息  
  8. #r1的type为avro表示该source接收的数据协议为avro,且接收数据由avro客户端事件驱动  
  9. #(也就是说resource要通过avro-cliet向其发送数据)  
  10. a1.sources.r1.type = avroa1.sources.r1.bind = localhosta1.sources.r1.port = 44444  
  11. #sink配置信息  
  12. #"file_roll"表示将数据存入本地文件系统  
  13. a1.sinks.k1.type = file_roll  
  14. #指定数据存放目录  
  15. a1.sinks.k1.sink.directory = $FLUME/test/result  
  16. #设置滚动时间(即每隔一段你设置的时间,系统会生成一个新的文件存放数据  
  17. #(如果不指定,系统会默认生成N个文件,将数据分别存入N个文件中),  
  18. #为0时表示只有一个文件存放数据)  
  19. a1.sinks.k1.sink.rollInterval = 0   
  20.   
  21. #channel配置信息  
  22. #type为memory意将数据存储至内存中  
  23. a1.channels.c1.type = memory  
  24. a1.channels.c1.capacity = 1000  
  25. a1.channels.c1.transactionCapacity = 100  
  26.   
  27. #将source和sink绑定至该channel上  
  28. a1.sources.r1.channels= c1  
  29. a1.sinks.k1.channel = c1</span>  

同时在$FLUME/test下新建目录result,用来存放agent写入的数据。
(2).生成测试源数据:
同上
(3)启动agent代理:
flume-ng agent -n a1 -f source_avro-sink_filerole.properties
(4). 启动avro-client客户端向agent代理发送数据
flume-ng avro-client -H localhost -p 44444 -F file01
注:启动avro-client客户端要重新开一个会话框
(5)进入$FLUME/test/result目录:
  这是可以看到新生成的文件"1386378213670-1",这是打开文件看到内容如下:

 

 

3.通过avro-client客户端向agent发送数据,并将数据输出至hdfs中:
(1).在$FLUME目录下新建目录test,并在test目录下新建文件source_avro-sink_hdfs.properties,文件内容如下:

 

[java]  view plain copy 在CODE上查看代码片 派生到我的代码片
 
  1. <span style="font-family:Tahoma;font-size:14px;">#为agent的各个组件命名  
  2. #本例中,agent的名称为"a1"  
  3. a1.sources = r1  
  4. a1.sinks = k1  
  5. a1.channels = c1  
  6.   
  7. #source配置信息  
  8. #r1的type为avro表示该source接收的数据协议为avro,且接收数据由avro客户端事件驱动  
  9. #(也就是说resource要通过avro-cliet向其发送数据)  
  10. a1.sources.r1.type = avro  
  11. a1.sources.r1.bind = localhost  
  12. a1.sources.r1.port = 44444  
  13.   
  14. #加入时间戳拦截器,要不运行时会报异常  
  15. a1.sources.r1.interceptors = i1  
  16. a1.sources.r1.interceptors.i1.type = timestamp  
  17.   
  18. #sink配置信息  
  19. #type为"hdfs"表示将数据存入分布式文件系统(hdfs)  
  20. a1.sinks.k1.type = hdfs  
  21. a1.sinks.k1.channel = c1  
  22. a1.sinks.k1.hdfs.path = /flume/events/%y-%m-%d/%H%M/%S  
  23. a1.sinks.k1.hdfs.filePrefix = events-  
  24. #a1.sinks.k1.hdfs.round = true  
  25. #a1.sinks.k1.hdfs.roundValue = 0  
  26. #a1.sinks.k1.hdfs.roundUnit = minute  
  27. #a1.sinks.k1.hdfs.srollSize = 4000000  
  28. #a1.sinks.k1.hdfs.rollCount = 0    
  29. a1.sinks.k1.hdfs.writeFormat = Text  
  30. a1.sinks.k1.hdfs.fileType = DataStream  
  31. #a1.sinks.k1.hdfs.batchSize = 10  
  32.   
  33. #channel配置信息  
  34. #type为memory意将数据存储至内存中  
  35. a1.channels.c1.type = memory  
  36. a1.channels.c1.capacity = 1000  
  37. a1.channels.c1.transactionCapacity = 100  
  38.   
  39. #将source和sink绑定至该channel上  
  40. a1.sources.r1.channels = c1  
  41. a1.sinks.k1.channel = c1</span>  

(2).生成测试源数据:
同上
(3).启动hadoop环境
启动hadoop:start-all.sh
删除output目录:hadoop fs -rmr output
为了防止hadoop的安全性问题,可以把hadoop的安全模式关闭掉:hadoop dfsadmin -safemode leave
(4)启动agent代理:
flume-ng agent -n a1 -f source_avro-sink_hdfs.properties
(5). 启动avro-client客户端向agent代理发送数据:
flume-ng avro-client -H localhost -p 44444 -F file01
注:启动avro-client客户端要重新开一个会话框
(6)进入hadoop的output目录:
hadoop fs -cat /flume/events/13-12-07/1220/58/events-.1386390061690
可以看到输出如下:

 

 

注:在进入hdfs目录下查看文件时,agent在hdfs里创建的目录和文件名和我上面输入的会不一样,自己注意辨别。
4.将两个agent串起来:
这个示例是将agent01和agent02串起来工作的,agent01获取数据后向agent02输入。
(1).在$FLUME目录下新建目录test,并在test目录下新建文件agent01.properties和agent02.properties,文件内容如下:
 agent01.properties内容如下:

 

[java]  view plain copy 在CODE上查看代码片 派生到我的代码片
 
  1. <span style="font-family:Tahoma;font-size:14px;">#为agent的各个组件命名  
  2. #本例中,agent的名称为"a1"  
  3. a1.sources = r1  
  4. a1.sinks = k1  
  5. a1.channels = c1  
  6.   
  7. #source配置信息  
  8. #r1的type为avro表示该source接收的数据协议为avro,且接收数据由avro客户端事件驱动  
  9. #(也就是说resource要通过avro-cliet向其发送数据)  
  10. a1.sources.r1.type = avro  
  11. a1.sources.r1.bind = localhost  
  12. a1.sources.r1.port = 44444  
  13.   
  14. # Describe the sink  
  15. #a1.sinks.k1.type = logger  
  16.   
  17. #sink配置信息  
  18. #k1的type为avro表示该sink将通过avro-client客户端以avro协议通过5555端口发送数据  
  19. a1.sinks.k1.type = avro  
  20. a1.sinks.k1.hostname = localhost  
  21. a1.sinks.k1.port = 55555  
  22.   
  23. #channel配置信息  
  24. #type为memory意将数据存储至内存中  
  25. a1.channels.c1.type = memory  
  26. a1.channels.c1.capacity = 1000  
  27. a1.channels.c1.transactionCapacity = 100  
  28.   
  29. #将source和sink绑定至该channel上  
  30. a1.sources.r1.channels = c1  
  31. a1.sinks.k1.channel = c1</span>  

agent02.properties内容如下:

[java]  view plain copy 在CODE上查看代码片 派生到我的代码片
 
  1. <span style="font-family:Tahoma;font-size:14px;">#为agent的各个组件命名  
  2. #本例中,agent的名称为"a2"  
  3. a2.sources = r1  
  4. a2.sinks = k1  
  5. a2.channels = c1  
  6.   
  7.   
  8. #source配置信息  
  9. #r1的type为avro表示该source接收的数据协议为avro,且接收数据由avro客户端事件驱动  
  10. #(也就是说resource要通过avro-cliet向其发送数据)  
  11. a1.sources.r1.type = avro  
  12. a1.sources.r1.bind = localhost  
  13. a1.sources.r1.port = 55555   
  14.   
  15.   
  16. #sink配置信息  
  17. #type为"file_roll"表示将数据存入本地文件系统  
  18. a1.sinks.k1.type = file_roll  
  19. #指定数据存放目录  
  20. a1.sinks.k1.sink.directory = $FLUME/test/log  
  21. #设置滚动时间(即每隔一段你设置的时间,系统会生成一个新的文件存放数据  
  22. #(如果不指定,系统会默认生成N个文件,将数据分别存入N个文件中),  
  23. #为0时表示只有一个文件存放数据)  
  24. #a2.sinks.k1.sink.rollInterval = 0   
  25.   
  26.   
  27. #channel配置信息  
  28. #type为memory意将数据存储至内存中  
  29. a1.channels.c1.type = memory  
  30. a1.channels.c1.capacity = 1000  
  31. a1.channels.c1.transactionCapacity = 100  
  32.   
  33.   
  34. #将source和sink绑定至该channel上  
  35. a1.sources.r1.channels = c1  
  36. a1.sinks.k1.channel = c1</span>  

(2).生成测试源数据:
同上
(3).启动agent代理:
  先启动agent02:flume-ng agent -n a2 -f agent02.properties 
  再启动agent01:flume-ng agent -n a1 -f agent01.properties 
注意:要注意启动顺序,先启动agent02,在启动agent01,要分别在不同的窗口启动
(4). 启动avro-client客户端向agent01代理发送数据:
flume-ng avro-client -H localhost -p 44444 -F file01
注:启动avro-client客户端要重新开一个会话框
(5)进入$FLUME/test/result目录:
  这是可以看到新生成的文件"1386378213670-1",这是打开文件看到内容如下:

 

 

未完待续。。。。。。

关于flume-ng的详细介绍和使用说明,希望大家去参考它的官方网址:http://flume.apache.org/FlumeUserGuide.html,在这里我只是做一下简单的使用示例介绍。


posted on 2013-12-13 15:09  我的小人生  阅读(1941)  评论(0编辑  收藏  举报