Data Collection with Apache Flume（三）

      最后提及两个agent。首先第一个是使用一个avro souce和一个avro sink向另一个agent传递event，然后再写入特定目录。

     先看看配置代码。   

agent6.sources = avrosource //定义avrosource，可以使用avro client在网络上向其传送数据
agent6.sinks = avrosink
agent6.channels = memorychannel

agent6.sources.avrosource.type = avro
agent6.sources.avrosource.bind = localhost
agent6.sources.avrosource.port = 2000
agent6.sources.avrosource.threads = 5

agent6.sinks.avrosink.type = avro
agent6.sinks.avrosink.hostname = localhost
agent6.sinks.avrosink.port = 4000  //端口是4000，与下面agent3的source相对应

agent6.channels.memorychannel.type = memory
agent6.channels.memorychannel.capacity = 1000
agent6.channels.memorychannel.transactionCapacity = 100

agent6.sources.avrosource.channels = memorychannel
agent6.sinks.avrosink.channel = memorychannel

　 这里另一个agent的配置代码如下。

agent3.sources = avrosource //定义avro scource
agent3.sinks = filesink
agent3.channels = jdbcchannel //使用jdbc channel

agent3.sources.avrosource.type = avro
agent3.sources.avrosource.bind = localhost
agent3.sources.avrosource.port = 4000
agent3.sources.avrosource.threads = 5

agent3.sinks.filesink.type = FILE_ROLL
agent3.sinks.filesink.sink.directory = /home/leung/flume/files
agent3.sinks.filesink.sink.rollInterval = 0

agent3.channels.jdbcchannel.type = jdbc

agent3.sources.avrosource.channels = jdbcchannel
agent3.sinks.filesink.channel = jdbcchannel

　   OK，从两个配置文件可以看出，event是从agent6向agent3传递，最后写入到files目录中。首先逐一启动agent。

     

　  

     因为两个agent都是使用avro source，故现在尝试使用avro-client向两个agent分别提交数据。首先是向agent3提交message，这个message的内容是today is a good day.

     

     然后再向agent6提交数据。message2的内容是hadoop is a good project!

     

     最后看一下目标文件的写入情况。可以看到两句话的先后顺序。由于都是由同一个agent写入，故都写在了同一个文件。

     

     这样就实现了一个chain。向2000端口提交数据，数据经过agent6，agent3，最后到达目标文件。大家可以按照这个例子实现多个chain，在network上通信主要是使用avro，故中间节点同时需要使用avro source 和avro sink两个类型。

     最后再看一个agent。这个agent实现从一个source传入多个sink。这里是通过两个memorychannel分别将event传入hdfs以及files。首先看agent的配置代码。

agent7.sources = netsource
agent7.sinks = hdfssink filesink //分别定义两个sink
agent7.channels = memorychannel1 memorychannel2 //分别定义两个channel

agent7.sources.netsource.type = netcat
agent7.sources.netsource.bind = localhost
agent7.sources.netsource.port = 3000
agent7.sources.netsource.interceptors = ts
agent7.sources.netsource.interceptors.ts.type = org.apache.flume.interceptor.TimestampInterceptor$Builder 

agent7.sinks.hdfssink.type = hdfs
agent7.sinks.hdfssink.hdfs.path = /flume-%Y-%m-%d
agent7.sinks.hdfssink.hdfs.filePrefix = log
agent7.sinks.hdfssink.hdfs.rollInterval = 0
agent7.sinks.hdfssink.hdfs.rollCount = 3
agent7.sinks.hdfssink.hdfs.fileType = DataStream

agent7.sinks.filesink.type = FILE_ROLL
agent7.sinks.filesink.sink.directory = /home/leung/flume/files
agent7.sinks.filesink.sink.rollInterval = 0

agent7.channels.memorychannel1.type = memory
agent7.channels.memorychannel1.capacity = 1000
agent7.channels.memorychannel1.transactionCapacity = 100

agent7.channels.memorychannel2.type = memory
agent7.channels.memorychannel2.capacity = 1000
agent7.channels.memorychannel2.transactionCapacity = 100

agent7.sources.netsource.channels = memorychannel1 memorychannel2
agent7.sinks.hdfssink.channel = memorychannel1 //指定channel1对应hdfssink
agent7.sinks.filesink.channel = memorychannel2 //指定channel2对应filesink

agent7.sources.netsource.selector.type = replicating //指定source传递到sink的方式为全部sink都接收全部event

　　下面启动agent7。

      

      这里source的selectors选择了replicating，故会向所有channel传送全部的event。如果选择multiplexing，则会根据指定的header field传送到指定的sink。ok，下面看一下结果。分别在hdfs以及files目录中看到输入的信息。

      

      到这里，可以想象一下。首先实现从web server获取数据，然后通过一个agent传送到hadoop集群，然后传递到下一个agent，再由下一个agent传递到本地保存，或者传递到什么地方。。。可以由大家自由发挥！可见，flume是一款非常灵活以及方便的工具！

      谢谢大家！水平有限，请不吝指正！