flume
flume官网
安装
1、下载flume安装包apache-flume-1.6.0-bin.tar.gz
2、解压apache-flume-1.6.0-bin.tar.gz
3、重命名
4、配置操作系统环境变量
5、修改flume-env.sh中JAVA_HOME环境变量
6、测试是否安装成功，flume-ng version如果正确显示信息，则表示安装成功
解压
tar -zxvf apache-flume-1.6.0-bin.tar.gz -C apps/
重命名
mv apache-flume-1.6.0-bin/ flume
配置系统环境变量
sudo vi /etc/profile
添加如下内容
export FLUME_HOME=/home/hadoop/apps/flume export PATH=$FLUME_HOME/bin:$PATH
source 配置文件
source /etc/profile
修改配置文件
配置文件在flume的conf目录下，修改JAVA_HOME为机器上的正确路径
mv flume-env.sh.template flume-env.sh vi flume-env.sh
测试
flume-ng version
简单使用
监听netcat命令
1、编辑文件netcat-logger.conf，内容如下
# 定义这个agent中各组件的名字 a1.sources = r1 a1.sinks = k1 a1.channels = c1 # 描述和配置source组件：r1 a1.sources.r1.type = netcat a1.sources.r1.bind = localhost a1.sources.r1.port = 44444 # 描述和配置sink组件：k1 a1.sinks.k1.type = logger # 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 # 描述和配置source channel sink之间的连接关系 a1.sources.r1.channels = c1 a1.sinks.k1.channel = c1
2、启动agent采集数据
flume-ng agent -c conf -f conf/netcat-logger.conf -n a1 -Dflume.root.logger=INFO,console
-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的名字必须和配置文件中的一样
3、telnet测试
向netcat监听的端口44444通过telnet发送数据telnet anget-hostname port
telnet 127.0.0.1 44444
telnet安装：sudo yum install telnet
把文件夹下的文件采集到hdfs上
1、配置文件
#定义三大组件的名称 agent1.sources = source1 agent1.sinks = sink1 agent1.channels = channel1 # 配置source组件 agent1.sources.source1.type = spooldir #那个目录读取文件 agent1.sources.source1.spoolDir = /home/hadoop/logs/ #是否添加头数据存储文件的绝对路径 agent1.sources.source1.fileHeader = false #配置拦截器 agent1.sources.source1.interceptors = i1 agent1.sources.source1.interceptors.i1.type = host #消息头里面添加主机名 agent1.sources.source1.interceptors.i1.hostHeader = hostname # 配置sink组件 agent1.sinks.sink1.type = hdfs #数据采集到的位置 agent1.sinks.sink1.hdfs.path =hdfs://m1:9000/weblog/flume-collection/%y-%m-%d/%H-%M #默认FlumeData，flume在hdfs上创建的文件的前缀 agent1.sinks.sink1.hdfs.filePrefix = access_log #最大打开文件的个数，如果超过这个值，以前打开的文件将被关闭 agent1.sinks.sink1.hdfs.maxOpenFiles = 5000 #在flume把数据写到hdfs上之前，最大缓冲的event个数 agent1.sinks.sink1.hdfs.batchSize= 100 #默认SequenceFile，可选值SequenceFile, DataStream 或者 CompressedStream，DataStream 不会压缩文件，不需要设置hdfs.codeC，CompressedStream会压缩文件，因此需要设置hdfs.codeC agent1.sinks.sink1.hdfs.fileType = DataStream #Writable是默认值，可选值有：Text Writable agent1.sinks.sink1.hdfs.writeFormat =Text #单位是字节，0代表不滚动 agent1.sinks.sink1.hdfs.rollSize = 102400 #写入多少个事件之前文件滚动，0不滚动 agent1.sinks.sink1.hdfs.rollCount = 1000000 #多少秒文件滚动，0不滚动 agent1.sinks.sink1.hdfs.rollInterval = 60 #时间戳是否四舍五入 #agent1.sinks.sink1.hdfs.round = true #四舍五入的最高倍数 #agent1.sinks.sink1.hdfs.roundValue = 10 #四舍五入的单位 second, minute hour #agent1.sinks.sink1.hdfs.roundUnit = minute #是否使用本地时间 agent1.sinks.sink1.hdfs.useLocalTimeStamp = true # Use a channel which buffers events in memory agent1.channels.channel1.type = memory # 内存中的时间 agent1.channels.channel1.keep-alive = 120 # 使用的内存大小 agent1.channels.channel1.capacity = 500000 #channel从source读取或者写入到sink中的一个事务中的最大事件数 agent1.channels.channel1.transactionCapacity = 600 # 绑定sink和source agent1.sources.source1.channels = channel1 agent1.sinks.sink1.channel = channel1
2、启动
flume-ng agent -c conf/ -f conf/dir_to_hdfs.conf -n agent1
3、拷贝文件到source指定的目录，然后在hdfs上查看
采集文件数据到hdfs上
1、配置文件
agent2.sources = source1 agent2.sinks = sink1 agent2.channels = channel1 # Describe/configure tail -F source1 agent2.sources.source1.type = exec # -F是根据文件名进行监听 agent2.sources.source1.command = tail -F /home/hadoop/logs/access_log agent2.sources.source1.channels = channel1 #configure host for source agent2.sources.source1.interceptors = i1 agent2.sources.source1.interceptors.i1.type = host agent2.sources.source1.interceptors.i1.hostHeader = hostname # Describe sink1 agent2.sinks.sink1.type = hdfs agent2.sinks.sink1.hdfs.path =hdfs://m1:9000/weblog2/flume-collection/file/%y-%m-%d/%H-%M agent2.sinks.sink1.hdfs.filePrefix = access_log agent2.sinks.sink1.hdfs.maxOpenFiles = 5000 agent2.sinks.sink1.hdfs.batchSize= 100 agent2.sinks.sink1.hdfs.fileType = DataStream agent2.sinks.sink1.hdfs.writeFormat =Text agent2.sinks.sink1.hdfs.rollSize = 102400 agent2.sinks.sink1.hdfs.rollCount = 1000000 agent2.sinks.sink1.hdfs.rollInterval = 60 agent2.sinks.sink1.hdfs.round = true agent2.sinks.sink1.hdfs.roundValue = 10 agent2.sinks.sink1.hdfs.roundUnit = minute agent2.sinks.sink1.hdfs.useLocalTimeStamp = true # Use a channel which buffers events in memory agent2.channels.channel1.type = memory agent2.channels.channel1.keep-alive = 120 agent2.channels.channel1.capacity = 500000 agent2.channels.channel1.transactionCapacity = 600 # Bind the source and sink to the channel agent2.sources.source1.channels = channel1 agent2.sinks.sink1.channel = channel1
2、通过echo向/home/hadoop/logs/access_log添加数据，查看hdfs上数据的变化
