Flume的四个使用案例
一、Flume监听端口
1，在linux机器上下载telnet工具
yum search telnet
yumm install telnet.x86_64
2.编写flume的配置文件，并将文件复制到flume/conf文件夹下
#1.agent a1.sources = r1 a1.sinks = k1 a1.channels = c1 #2.source netcat表示监视端口、localhost监视本机(也可以写本机名如hd1-1) #44444端口号(随便写，注意不要与常用的端口号重复即可) a1.sources.r1.type = netcat a1.sources.r1.bind = localhost a1.sources.r1.port = 44444 #3.sinks Describe the sink 输出日志文件 a1.sinks.k1.type = logger #4. 使用内存、总容量1000、每次传输100 a1.channels.c1.type = memory a1.channels.c1.capacity = 1000 a1.channels.c1.transactionCapacity = 100 #5.Bind the source and sink to the channel 一个source可以绑定多个channel # 一个sinks可以只能绑定一个channel 使用的是图二的模型 a1.sources.r1.channels = c1 a1.sinks.k1.channel = c1
3.启动配置文件
bin/flume-ng agent --conf conf/ --name a1 --conf-file conf/flumejob_telnet.conf -Dflume.root.logger==INFO,console
4.新建一个Linux本机，输入下面命令连接本机
telnet localhost 44444
5.发送数据查看
二、实施采集数据到hdfs（监控文件）
这里有一个无限产生数据的jar包，其产生的数据存放在/opt/jars/calllog.csv下
1.写配置文件 flumejob_hdfs.conf
# 1.agent a1.sources = r1 a1.sinks = k1 a1.channels = c1 # 2.sources # exec 执行一个命令的方式去查看文件 tail -F 实时查看 a1.sources.r1.type = exec # 要执行的脚本command tail -F 默认10行 man tail 查看帮助 a1.sources.r1.command = tail -F /opt/jars/calllog.csv # 执行这个command使用的是哪个脚本 -c 指定使用什么命令 # bash: /usr/bin/bash /usr/share/man/man1/bash.1.gz a1.sources.r1.shell = /usr/bin/bash -c # 3.sinks a1.sinks.k1.type = hdfs a1.sinks.k1.hdfs.path = hdfs://hd1-1:9000/flume/calllog #上传文件的前缀 a1.sinks.k1.hdfs.filePrefix = logs- #是否按照时间滚动文件夹 a1.sinks.k1.hdfs.round = true #多少时间单位创建一个新的文件夹 秒 （默认30s） a1.sinks.k1.hdfs.roundValue = 1 #重新定义时间单位（每小时滚动一个文件夹） a1.sinks.k1.hdfs.roundUnit = minute #是否使用本地时间戳 a1.sinks.k1.hdfs.useLocalTimeStamp = true #积攒多少个 Event 才 flush 到 HDFS 一次 a1.sinks.k1.hdfs.batchSize = 500 #设置文件类型，可支持压缩 a1.sinks.k1.hdfs.fileType = DataStream #多久生成一个新的文件 秒 a1.sinks.k1.hdfs.rollInterval = 30 #设置每个文件的滚动大小 字节（最好128M） a1.sinks.k1.hdfs.rollSize = 134217700 #文件的滚动与 Event 数量无关 a1.sinks.k1.hdfs.rollCount = 0 #最小冗余数(备份数 生成滚动功能则生效roll hadoop本身有此功能 无需配置) 1份 不冗余 a1.sinks.k1.hdfs.minBlockReplicas = 1 # 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
2.启动hdfs、yarn，并在hdfs上建立文件中的生成文件目录
hdfs dfs -mkdir -p /flume/calllog
3.启动命令
bin/flume-ng agent --conf conf/ --name a1 --conf-file conf/flumejob_hdfs.conf
4.启动jar包，然后查看hdfs上calllog文件夹下的变化
三、监控文件目录
1.写配置文件 flumejob_dir.conf
# 1.agent a1.sources = r1 a1.sinks = k1 a1.channels = c1 # 2.sources a1.sources.r1.type = spooldir # 监控的文件夹 a1.sources.r1.spoolDir = /root/spooldir # 上传成功后显示后缀名 a1.sources.r1.fileSuffix = .COMPLETED # 如论如何 加绝对路径的文件名 默认false a1.sources.r1.fileHeader = true #忽略所有以.tmp 结尾的文件（正在被写入），不上传 # ^以任何开头 出现无限次 以.tmp结尾的 a1.sources.r1.ignorePattern = ([^ ]*\.tmp) # 3.sinks a1.sinks.k1.type = hdfs a1.sinks.k1.hdfs.path = hdfs://hd09-01:9000/flume/spooldir/%Y%m%d/%H #上传文件的前缀 a1.sinks.k1.hdfs.filePrefix = spooldir- #是否按照时间滚动文件夹 a1.sinks.k1.hdfs.round = true #多少时间单位创建一个新的文件夹 a1.sinks.k1.hdfs.roundValue = 1 #重新定义时间单位 a1.sinks.k1.hdfs.roundUnit = hour #是否使用本地时间戳 a1.sinks.k1.hdfs.useLocalTimeStamp = true #积攒多少个 Event 才 flush 到 HDFS 一次 a1.sinks.k1.hdfs.batchSize = 50 #设置文件类型，可支持压缩 a1.sinks.k1.hdfs.fileType = DataStream #多久生成一个新的文件 a1.sinks.k1.hdfs.rollInterval = 600 #设置每个文件的滚动大小大概是 128M a1.sinks.k1.hdfs.rollSize = 134217700 #文件的滚动与 Event 数量无关 a1.sinks.k1.hdfs.rollCount = 0 #最小副本数 a1.sinks.k1.hdfs.minBlockReplicas = 1 # 4.channels a1.channels.c1.type = memory a1.channels.c1.capacity = 1000 a1.channels.c1.transactionCapacity = 100 # 5.bink a1.sources.r1.channels = c1 a1.sinks.k1.channel = c1
2.启动hdfs、yarn，注意，不需要在hdfs上创建
3.启动命令
bin/flume-ng agent --conf conf\ --name a1 --conf-file conf/flumejob_dir.conf
4.将任意文件复制到spool文件目录中，在hdfs中可看到生成日志文件
四、Flume监听一个文件，然后使用两个channel，一个channle对应的sink存储到hdfs，另一个channel对应的sink存储到本地。
思路：这时应需要三个agent，
第一个agent用来监听文件并将数据源复制为两份发送到其他两个agent，
第二个agent将数据传输到hdfs存储，第三个agent将数据存储在本地。
1.编写三个conf文件（flumejob1.conf、flumejob2.conf、flumejob3.conf）
# name the components on this agent a1.sources = r1 a1.sinks = k1 k2 a1.channels = c1 c2 # 将数据流复制给多个 channel a1.sources.r1.selector.type = replicating # Describe/configure the source a1.sources.r1.type = exec a1.sources.r1.command = tail -F /tmp/root/hive.log a1.sources.r1.shell = /bin/bash -c # Describe the sink # 分两个端口发送数据 a1.sinks.k1.type = avro a1.sinks.k1.hostname = hd09-01 a1.sinks.k1.port = 4141 a1.sinks.k2.type = avro a1.sinks.k2.hostname = hd09-01 a1.sinks.k2.port = 4142 # Describe the channel a1.channels.c1.type = memory a1.channels.c1.capacity = 1000 a1.channels.c1.transactionCapacity = 100 a1.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
# Name the components on this agent a2.sources = r1 a2.sinks = k1 a2.channels = c1 # Describe/configure the source a2.sources.r1.type = avro # 端口抓取数据 a2.sources.r1.bind = hd09-01 a2.sources.r1.port = 4141 # Describe the sink a2.sinks.k1.type = hdfs a2.sinks.k1.hdfs.path = hdfs://hd09-01:9000/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 #最小副本数 # 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 = c1
# 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 = hd09-01 a3.sources.r1.port = 4142 # Describe the sink a3.sinks.k1.type = file_roll a3.sinks.k1.sink.directory = /root/flume2 # 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 = c1
2.在本地创建文件中本地存放的文件夹，本地不会自动创建，而hdfs会
mkdir /root/flume2
3.打开jar包测试。
