第一次写博客，只是为了日后有所回忆，

简单描述一下这个例子：将项目日志实时采集到elasticsearch，便于统一管理。

1. 收集日志格式为：

log4j.properties ：org.apache.log4j.Logger： %d{ISO8601} [%l-%M]-[%p] %t %m%n

logback.xml ：org.slf4j.Logger： %date [%logger:%L]-[%level] %thread %msg%n

2. flume 1.7.0 （flume搭建只需解压配置jdk即可，官网教程都有案例，http://flume.apache.org/FlumeUserGuide.html）

source：Taildir Source

channel： File Channel

sinks：ElasticSearchSink

3.elasticsearch1.7.5

Flume搭建：

1. 下载flume安装包并解压apache-flume-1.7.0-bin.tar.gz，http://flume.apache.org/download.html

2. 创建软连接 ln -sapache-flume-1.7.0-bin flume

3. 进入conf目录，cp flume-env.sh.template flume-env.sh

4. 修改jdk，viflume-env.sh

5. 将elasticsearch lib中的elasticsearch-1.7.5.jar和lucene相关jar包拷贝到flume lib中

6.创建一些下面需要的目录（不同的source，channel，sink需要的目录不一样，用时看官网即可）

mkdir flume/conf/es (用来存放flume配置文件，并新建文件data-es.conf)

mkdir flume/tmp (Taildir Source生成的positionFile文件目录)

mkdir -p flume/file-channel/checkpoint (File Channel检查点写入间隔)

mkdir -pflume/file-channel/data (File Channel数据存放目录)

mkdir flume/test (存放测试数据)

Taildir Source配置，直接上data-es.conf截图：

File Channel配置：

ElasticSearchSink 配置：

接下来主要讲解一下上图标红的地方，就是flume自定义Serializer

首先大体说一下为什么需要自定义Seralizer，一是也许项目中的log4j日志我们只关心程序员自己输出的日志信息，而不需要log4j其他信息；二是项目日志一般都会统一格式，自定义的格式也许flume不能很精准的拆分。

这里定义日志格式为：

2017-02-27 13:57:19,218 [com.data.test]-[INFO] main {sysName###测试项目@@@status###正在初始化@@@info###开始执行了}

使用正则拆分日志：([\d- :,]{23}) (\[.+\])-(\[[A-Z]+\]) (.*) ([{].+}$)

拆分结构：

下载源码，只需导入flume-ng-elasticsearch-sink模块即可：

源码不做详细讲解 (因为我还没来的及仔细研究，只是了解大概照猫画虎)

一. 修改的地方是：通过ElasticSearchSink 传入的数据会按照 “prefix-yyyy-MM-dd” 每天创建index，如果数据量不大的话有点浪费，现在只想按照“prefix-yyyy-MM”每月创建index，修改org.apache.flume.sink.elasticsearch.TimeBasedIndexNameBuilder

二. 仿照org.elasticsearch.common.xcontent.XContentFactory.jsonBuilder.ElasticSearchDynamicSerializer创建自己的Search，其中flume也是封装了es的api操作， Event对象就是你获取到的每条日志，然后按照你自己的逻辑将日志拆分即可，简单的几个截图吧：

三. 因为只要程序员自己输出日志，所以要将正则不匹配的日志过滤掉。修改org.apache.flume.sink.elasticsearch.ElasticSearchSink, 标红为自己修改的地方

最后maven打包替换到flume lib下面相应jar包即可

算是写完了吧。。。