1. 采集数据_项目一

说明

  1. 用户点击页面后数据存储到a.log文件中。（本项目省去了这一步，数据已经在a.log中了）
  2. 使用java代码将a.log文件中的数据，写入project.log中。
  3. 使用flume采集日志，监控project.log文件内容的变化，将新增的用户的数据写出到hdfs上。

a.log中的现成数据

点击查看代码 
120.191.181.178 - - 2018-02-18 20:24:39 "POST https://www.taobao.com/item/b HTTP/1.1" 203 69172 https://www.taobao.com/register UCBrowser Webkit X3android 8.0 海南 20.02 110.20 36 
149.74.183.133 - - 2018-09-24 19:38:17 "GET https://www.taobao.com/register HTTP/1.0" 300 72815 https://www.taobao.com/item/a Windows Internet Explorer Tridentwindows 广西 22.48 108.19 39 
58.9.92.122 - - 2018-08-30 11:28:15 "GET https://www.taobao.com/list/ HTTP/1.0" 203 17119 https://www.taobao.com/category/a OPera blinkwindows 重庆 29.59 106.54 35 
77.56.72.210 - - 2018-05-13 18:11:22 "POST https://www.taobao.com/category/b HTTP/1.0" 201 17843 https://www.taobao.com/list/ Firefox ios 吉林 43.54 125.19 57 
217.147.196.74 - - 2018-08-22 18:06:01 "GET https://www.taobao.com/category/c HTTP/1.0" 501 95033 https://www.taobao.com/category/b Mozilla Firefox Geckowindows 山东 36.40 117.00 28 
37.146.124.65 - - 2018-05-08 02:12:24 "POST https://www.taobao.com/category/d HTTP/1.1" 203 47329 https://www.taobao.com/item/a Safari webkitwindows 江西 28.40 115.55 25 
167.108.24.171 - - 2018-08-20 12:19:01 "POST https://www.taobao.com/recommand HTTP/1.1" 302 80056 https://www.taobao.com/category/d Google Chrome Chromium/BlinkMac OS X 广东 23.08 113.14 19 
94.69.229.202 - - 2018-07-27 13:46:37 "GET https://www.taobao.com/recommand HTTP/1.1" 501 63116 https://www.taobao.com/recommand Windows Internet Explorer Tridentwindows 陕西 34.17 108.57 58

日志采集脚本的编写

  • 监控文件内容的变化，进而采集到数据
[root@node1 dataCollect]# cat dataCollect.conf 
dataCollect.sources = s1
dataCollect.channels = c1
dataCollect.sinks = k1
 
dataCollect.sources.s1.type = exec
dataCollect.sources.s1.command = tail -F /opt/project/dataCollect/project.log
 
dataCollect.channels.c1.type = memory
dataCollect.channels.c1.capacity = 20000
dataCollect.channels.c1.transactionCapacity = 10000
dataCollect.channels.c1.byteCapacity = 1048576000
 
# sink info
dataCollect.sinks.k1.type = hdfs
#指定采集的数据存储到HDFS的哪个目录下
dataCollect.sinks.k1.hdfs.path = hdfs://node1:9000/project/%Y%m%d/
#上传文件的前缀
dataCollect.sinks.k1.hdfs.filePrefix = project-
#上传文件的后缀
dataCollect.sinks.k1.hdfs.fileSuffix = .log
##是否按照时间滚动文件夹
dataCollect.sinks.k1.hdfs.round = true
##多少时间单位创建一个新的文件夹
dataCollect.sinks.k1.hdfs.roundValue = 24
##重新定义时间单位
dataCollect.sinks.k1.hdfs.roundUnit = hour
##是否使用本地时间戳
dataCollect.sinks.k1.hdfs.useLocalTimeStamp = true
##积攒多少个Event才flush到HDFS一次
dataCollect.sinks.k1.hdfs.batchSize = 5000
##设置文件类型，可支持压缩
dataCollect.sinks.k1.hdfs.fileType = DataStream
##多久生成一个新的文件每隔6小时
dataCollect.sinks.k1.hdfs.rollInterval = 21600
##设置每个文件的滚动大小128M
dataCollect.sinks.k1.hdfs.rollSize = 134217700
##文件的滚动与Event数量无关
dataCollect.sinks.k1.hdfs.rollCount = 0
##最小冗余数 副本数
dataCollect.sinks.k1.hdfs.minBlockReplicas = 1
 
# Bind the source and sink to the channel
dataCollect.sources.s1.channels = c1
dataCollect.sinks.k1.channel = c1

使用java代码将用户行为数据写入project.log中

package com.sxuek;
 
import java.io.*;
import java.util.Random;
 
public class SimPro {
    public static void main(String[] args) throws IOException, InterruptedException {
        /*
         每隔一段时间去读取/root/project/dataCollect/a.log文件中的一行或者多行数据
         然后将数据追加到project.log文件
         */
        BufferedReader br = new BufferedReader(new InputStreamReader(new FileInputStream("/root/project/dataCollect/a.log"), "UTF-8"));
        BufferedWriter bw = new BufferedWriter(new OutputStreamWriter(new FileOutputStream("/root/project/dataCollect/project.log", true), "utf-8"));
        /*
          读取文件数据 模拟用户点击
         */
        /*
          随机生成两个数字，第一个数字时间间隔，第二个数字每一次点击的次数
         */
        String line = null;
        Random random = new Random();
        while ((line = br.readLine()) != null) {
            int time = random.nextInt(5000);
            int count = 1 + random.nextInt(10000);
            Thread.sleep(time); // 代表时间间隔
            System.out.println("间隔了"+time+"时间，有"+count+"个用户点击了网站，产生了用户行为日志数据");
            for (int i = 0; i < count; i++) {
                bw.write(line);
                bw.newLine();
                bw.flush();
                line = br.readLine();
            }
        }
 
    }
}

打jar包上传，运行

开始采集

flume-ng agent -n dataCollect -f dataCollect.conf -Dflume.root.logger=INFO,console
 
java -jar untitled.jar SimPro.java
posted @   jsqup  阅读(53)  评论(0)  编辑  收藏  举报
相关博文：
·  案例七：启动一个flume采集数据程序，要求采集指定端口、指定目录、指定文件的数据，其中端口数据发送到HDFS和flume日志中，目录数据只发送给hdfs、文件数据只发送给logger
·  案例六：启动一个采集数据进程，采集端口和文件内容数据，其中端口数据输出到flume日志中，同时需要输出到HDFS上，文件内容只需要输出到HDFS上
·  使用Flume http进行数据采集
·  使用Flume agent进行数据采集
·  flume采集文件到HDFS
阅读排行：
· TypeScript + Deepseek 打造卜卦网站：技术与玄学的结合
· Manus的开源复刻OpenManus初探
· AI 智能体引爆开源社区「GitHub 热点速览」
· 三行代码完成国际化适配，妙~啊~
· .NET Core 中如何实现缓存的预热？
点击右上角即可分享
微信分享提示
SQL AI 助手