设为首页 加入收藏

TOP

flume的安装及使用及各种案例
2019-03-12 14:10:43 【大 中 小】 浏览:93次
Tags：flume 安装 使用 及各种 案例

1.下载flume-1.6.0（apache-flume-1.6.0-bin.tar.gz）

http://flume.apache.org/download.html

2.上传到集群（本文上传到hadoop04节点）

3.解压安装包

tar -zxvf apache-flume-1.6.0-bin.tar.gz -C apps/

并且修改文件夹名字

mvapache-flume-1.6.0-binflume-1.6.0

4.进入conf文件夹修改配置信息

cd/home/hadoop/apps/flume-1.6.0/conf

5.修改配置文件

[hadoop@hadoop04 conf]$cp flume-env.sh.template flume-env.sh

vimflume-env.sh

6.配置环境变量

vim .bashrc

增加下面的内容

export FLUME_HOME=/home/hadoop/apps/flume-1.6.0/bin

export PATH=$PATH:$FLUME_HOME/bin

source .bashrc

7.测试是否成功

[hadoop@hadoop04 ~]$flume-ng version

8.flume的使用

官方帮助文档：点击打开链接

Source:读数据

Avro Source:

监听Avro的一个端口和接收事件从外部的Avro client获取流数据（监听指定的端口，并且在指定端口上接收数据），在linux里面有一个nc命令（可以向指定端口发送数据，就跟ping baidu.com一样，即通过nc向端口发送数据，Avro Source就可以在这个端口接收到数据）

Spooling Directory Source: （日志常用）

监控指定文件的数据，在磁盘上去写一个指定的spooling的目录，这个Source可以观测指定的目录的新文件并且把这个事件粘贴到新文件里面。（监控指定的文件夹或者目录，这个文件夹下面是没有子文件夹的，一旦这个目录被监控以后，往该目录下写文件，这个文件将被Spooling DirectorySource读取文件中的内容，读取完之后将文件名增加后缀.COMPLETED

Exec Source：（日志常用）

运行在一个给定的Unix或者Linux命令，当命令执行时候，Exec Source会去读取接收命令所接受到的数据（比如说cat，tail命令），其实就是使用一个linux命令读取数据信息，然后通过Exec Source就可以获取出来，其实也是写日志。（tail命令就是获取

获取最后多少行，获取最新的新增加的）

Exec Source 和Spool Source 比较

1、ExecSource可以实现对日志的实时收集，但是存在Flume不运行或者指令执行出错时，将无法收集到日志数据，无法何证日志数据的完整性。

2、SpoolSource虽然无法实现实时的收集数据，但是可以使用以分钟的方式分割文件，趋近于实时。

3、总结：如果应用无法实现以分钟切割日志文件的话，可以两种 收集方式结合使用。


Channel：消息队列，缓存

Memory Channel：

让内存作为我们中间的缓存，所有的事件数据都放到内存队列里去，可以去配置最大的内存大小，可以实现高速的吞吐，但是无法保证数据的完整性。

JDBC Channel：

Kafaka Channel：

File Channel：文件也可以作为Channel，保证数据的完整性与一致性。在具体配置不现的FileChannel时，建议FileChannel设置的目录和程序日志文件保存的目录设成不同的磁盘，以便提高效率。

Spillable Memory Channel：可分割内存的Channel

MemoryRecoverChannel在官方文档的建议上已经建义使用FileChannel来替换。

Sink：将Channel中的数据写入到目的地，进行相应的存储文件系统，数据库，或者提交到远程服务器。

HDFS Sink：把事件写到HDFS上，支持创建新的文本和序列化文件和压缩格式，还支持回滚（最大的好处就是从HDFS中直接分区导入到Hive中）

Hive Sink：

Logger Sink：将日志事件在信息的级别去显示（可以显示到控制台）

Avro Sink：写到指定的端口去写数据

Thrift Sink：

flume部署种类：

单一代理流程：

多代理流程：

流合并：（多代理的一种）

多路复用：从一个地方收集信息最终写到不同的地方去，（多路复制是接收到的数据都是一样的）

注意：一个sink只能指定一个channel

下面是模板：

  1. #文件名后缀是.properties

  2. #agent的名称可以自定义 a1 ,sources、sinks、channels的名称也可以自定义

  3. a1.sources = s1

  4. a1.sinks = k1

  5. a1.channels = c1

  7. #为source指定他的channel

  8. a1.sources.s1.channels = c1

  10. #为sink指定他的channel

  11. a1.sinks.k1.channel = c1

流配置：

单一代理流配置：

Spooling Directory Source,Memory Channel,Logger Sink的案例：

  1. #监控指定的目录，如果有新文件产生，那么将文件的内容显示到控制台(Spooling Directory Source,Memory Channel,Logger Sink)

  2. #运行命令：flume-ng agent --conf conf --conf-file case_single.properties --name a1 -Dflume.hadoop.logger=INFO,console

  3. #运行命令解释：flume-ng agent --conf conf --conf-file HDFS上的配置文件的位置 --name agent的名称 打印出来的日志打印到控制台当中

  5. #agent的名称可以自定义 a1 ,sources、sinks、channels的名称也可以自定义

  6. a1.sources = s1

  7. a1.sinks = k1

  8. a1.channels = c1

  10. #配置source

  11. a1.sources.s1.type = spooldir

  12. a1.sources.s1.spoolDir = /home/hadoop/flumetest

  14. #配置channel

  15. a1.channels.c1.type = memory

  17. #配置sink

  18. a1.sinks.k1.type = logger

  20. #为source指定他的channel

  21. a1.sources.s1.channels = c1

  23. #为sink指定他的channel

  24. a1.sinks.k1.channel = c1

把上面的代码复制到case_single.properties文本文件中，然后上传到hadoop04家目录下面，并且在hadoop用户家目录下新建一个flumetest的文件夹（mkdir flumetest)

使用命令：[hadoop@hadoop04 ~]$ flume-ng agent --conf conf --conf-file case_single.properties --name a1 -Dflume.hadoop.logger=INFO,console

然后再hadoop04上复制一个新的连接窗口，使用 vim t 在里面写入hello flume 然后保存。执行下面的命令

[hadoop@hadoop04 ~]$ mv t flumetest/

此时hadoop04的flume窗口会自动出现下图所示样子：

到此测试成功！

NetCat TCP Source,Memory Channel,Logger Sink的案例

  1. #通过NetCat TCP Source读取指定端口的输入数据到控制台显示(NetCat TCP Source,Memory Channel,Logger Sink)

  2. #往端口输入数据 可以通过nc命令，telnet命令也可以去发送数据的

  3. #运行命令：flume-ng agent --conf conf --conf-file case_tcp.properties --name a1 -Dflume.hadoop.logger=INFO,console

  4. #运行命令解释：flume-ng agent --conf conf --conf-file 配置文件的位置 --name agent的名称 打印出来的日志打印到控制台当中

  6. a1.sources = s1

  7. a1.sinks = k1

  8. a1.channels = c1

  10. #配置source

  11. a1.sources.s1.type = netcat

  12. a1.sources.s1.bind = 192.168.123.104

  13. a1.sources.s1.port = 55555

  15. #配置channel

  16. a1.channels.c1.type = memory

  18. #配置sink

  19. a1.sinks.k1.type = logger

  21. #为source指定他的channel

  22. a1.sources.s1.channels = c1

  24. #为sink指定他的channel

  25. a1.sinks.k1.channel = c1

复制上面的代码到case_tcp.properties文本文件中，然后从hadoo04节点上传到hadoop用户的根目录下。执行下面的命令

[hadoop@hadoop04 ~]$ flume-ng agent --conf conf --conf-file case_tcp.properties --name a1 -Dflume.hadoop.logger=INFO,console

然后再复制hadoop04节点连接会话，输入telnet hadoop04 55555

[hadoop@hadoop04 ~]$ sudo yum install telnet

安装好telnet后使用下面命令发送数据：

[hadoop@hadoop04 ~]$ telnet hadoop04 55555

然后就可以输入数据了

另一端就能接收到：

Avro Source,Memory Channel,Logger Sink的案例

  1. #通过Avro Source读取指定端口的输入数据到控制台显示(Avro Source,Memory Channel,Logger Sink)

  2. #往端口输入数据 可以通过nc命令，telnet命令也可以去发送数据的

  3. #运行命令：flume-ng agent --conf conf --conf-file case_avro.properties --name a1 -Dflume.hadoop.logger=INFO,console

  4. #运行命令解释：flume-ng agent --conf conf --conf-file 配置文件的位置 --name agent的名称 打印出来的日志打印到控制台当中

  6. a1.sources = s1

  7. a1.sinks = k1

  8. a1.channels = c1

  10. #配置source

  11. a1.sources.s1.type = avro

  12. a1.sources.s1.bind = 192.168.123.104

  13. a1.sources.s1.port = 55555

  15. #配置channel

  16. a1.channels.c1.type = memory

  18. #配置sink

  19. a1.sinks.k1.type = logger

  21. #为source指定他的channel

  22. a1.sources.s1.channels = c1

  24. #为sink指定他的channel

  25. a1.sinks.k1.channel = c1

复制上面的代码到case_avro.properties文本文件中，然后从hadoo04节点上传到hadoop用户的根目录下。执行下面的命令

[hadoop@hadoop04 ~]$ flume-ng agent --conf conf --conf-file case_avro.properties --name a1 -Dflume.hadoop.logger=INFO,console

然后再复制hadoop04节点连接会话，输入echo "hello avro" | nc hadoop04 55555

[hadoop@hadoop04 ~]$ sudo yum install nc

输入nc命令查看是否安装成功

再次输入

[hadoop@hadoop04 ~]$ echo "hello avro" | nc hadoop04 55555

先创建一个vim t.log 然后写qwert world

[hadoop@hadoop04 ~]$ flume-ng avro-client -c ./conf -H hadoop04 -p 55555 -F t.log

Exec Source,Memory Channel,hdfs-Sink的案例

准备：

模拟服务器的业务系统不断的写日志，不断的往里面写入数据，最终通过flume写到HDFS上面

只要这个窗口在就不断的往里面写数据

注意这个窗口别关！！

复制一个新的窗口输入下面的命令：

[hadoop@hadoop04 tom]$ tail -F catalina.out

查看是不是正常状态，这个窗口可以结束。

正文：

首先启动整个集群，在HDFS下面建一个flumetest的文件夹

hadoop fs -mkdir /flumetest

然后新建一个case_hdfs.properties的文本文件复制下面的代码：

  1. #使用Exec Source通过Linux命令去取数据，然后不断的写入HDFS中(Exec Source,Memory Channel,hdfs-Sink)

  2. #运行命令：flume-ng agent --conf conf --conf-file case_hdfs.properties --name a1 -Dflume.hadoop.logger=INFO,console

  3. #运行命令解释：flume-ng agent --conf conf --conf-file 配置文件的位置 --name agent的名称 打印出来的日志打印到控制台当中

  5. a1.sources = s1

  6. a1.sinks = k1

  7. a1.channels = c1

  9. #配置source

  10. a1.sources.s1.type = exec

  11. #tail -F 和-f的区别是 -F追踪的是文件名字。-f是追踪id。因为.out文件满了就变成了.out.1了，再会去重建一个.out文件

  12. a1.sources.s1.command = tail -F /home/hadoop/tom/catalina.out

  14. #配置channel

  15. a1.channels.c1.type = memory

  17. #配置sink

  18. a1.sinks.k1.type = hdfs

  19. a1.sinks.k1.hdfs.path = /flumetest/%Y-%m-%d/%H%M

  20. #设置目录回滚(首先根据时间创建个文件夹，写了一分钟后我们就需要重新建文件夹了，所以我们要指定回滚为true)

  21. a1.sinks.k1.hdfs.round = true

  22. a1.sinks.k1.hdfs.roundValue = 1

  23. a1.sinks.k1.hdfs.roundUnit = minute

  24. a1.sinks.k1.hdfs.useLocalTimeStamp = true

  25. a1.sinks.k1.hdfs.filePrefix = taobao

  26. a1.sinks.k1.hdfs.fileSuffix = log

  28. #设置文件的回滚(下面三个条件只要有一个满足都会进行回滚)

  29. #每过多少秒回滚一次，所以一分钟内我们写6个文件(满足)

  30. a1.sinks.k1.hdfs.rollInterval = 10

  31. #文件多大的时候再回滚

  32. a1.sinks.k1.hdfs.rollSize = 1024

  33. #写了多少条就回滚(满足)

  34. a1.sinks.k1.hdfs.rollCount = 10

  36. #设置压缩格式为不压缩

  37. a1.sinks.k1.hdfs.fileType = DataStream

  39. #为source指定他的channel

  40. a1.sources.s1.channels = c1

  42. #为sink指定他的channel

  43. a1.sinks.k1.channel = c1

然后上传到hadoop04的家目录下，执行命令：

[hadoop@hadoop04 ~]$ flume-ng agent --conf conf --conf-file case_hdfs.properties --name a1 -Dflume.hadoop.logger=INFO,console

flume会不断的在写之前准备阶段的数据到HDFS上面的flumetest文件夹里面，并且，每个文件夹下面有6个文件

单代理多流配置

单代理指的是一个agent，多流指的是多个Source，多个Channel，多个sinks。注意单代理端口不能冲突

多代理流程

分别在hadoop04和hadoop05上跑代码

在hadoop04下面的代码：

  1. #运行命令：flume-ng agent --conf conf --conf-file case_source.properties --name a1 -Dflume.hadoop.logger=INFO,console

  2. #运行命令解释：flume-ng agent --conf conf --conf-file 配置文件的位置 --name agent的名称 打印出来的日志打印到控制台当中

  3. a1.sources = s1

  4. a1.sinks = k1

  5. a1.channels = c1

  7. a1.sources.s1.type = netcat

  8. a1.sources.s1.bind = 192.168.123.104

  9. a1.sources.s1.port = 44455

  11. a1.channels.c1.type = memory

  13. a1.sinks.k1.type = avro

  14. a1.sinks.k1.hostname = 192.168.123.105

  15. a1.sinks.k1.port = 44466

  17. a1.sources.s1.channels = c1

  18. a1.sinks.k1.channel = c1

新建一个名为case_source.properties的文本文件

复制上面的代码并上传至hadoop04上面

在hadoop05上面执行下面的代码：

  1. #运行命令：flume-ng agent --conf conf --conf-file case_sink.properties --name a1 -Dflume.hadoop.logger=INFO,console

  2. #运行命令解释：flume-ng agent --conf conf --conf-file 配置文件的位置 --name agent的名称 打印出来的日志打印到控制台当中

  3. a1.sources = s1

  4. a1.sinks = k1

  5. a1.channels = c1

  7. a1.sources.s1.type = avro

  8. a1.sources.s1.bind = 192.168.123.105

  9. a1.sources.s1.port =44466

  11. a1.channels.c1.type = memory

  13. a1.sinks.k1.type = logger

  15. a1.sources.s1.channels = c1

  16. a1.sinks.k1.channel = c1

新建一个名为case_sink.properties的文本文件

复制上面的代码并上传至hadoop05上面

注意：先执行hadoop05上面的代码:

[hadoop@hadoop05 ~]$ flume-ng agent --conf conf --conf-file case_sink.properties --name a1 -Dflume.hadoop.logger=INFO,console

在执行hadoop04上面的代码：

[hadoop@hadoop04 ~]$ flume-ng agent --conf conf --conf-file case_source.properties --name a1 -Dflume.hadoop.logger=INFO,console

启动之后请回到hadoop05查看日志是不是增加了下图所示

现在开始写入数据：

复制hadoop04的连接并执行下面的命令：

telnet hadoop04 44455

然后输入hello

然后再hadoop05可以看到下图的消息（消息传输没想象中那么快）：

多路复制流

目的：把hadoop04的数据一模一样的发送给hadoop05和hadoop03

把下面的代码上传到hadoop04上去：

新建case_replicate.properties 文件：

  1. #2个channel和2个sink的配置文件

  2. a1.sources = s1

  3. a1.sinks = k1 k2

  4. a1.channels = c1 c2

  6. # Describe/configure the source

  7. a1.sources.s1.type = netcat

  8. a1.sources.s1.port = 44455

  9. a1.sources.s1.bind = 192.168.123.104

  10. #默认就是replicating就是复制，multiplexing是复用

  11. a1.sources.s1.selector.type = replicating

  12. a1.sources.s1.channels = c1 c2

  14. # Describe the sink

  15. #发送给hadoop05

  16. a1.sinks.k1.type = avro

  17. a1.sinks.k1.channel = c1

  18. a1.sinks.k1.hostname = 192.168.123.105

  19. a1.sinks.k1.port = 44466

  21. #发送给hadoop03

  22. a1.sinks.k2.type = avro

  23. a1.sinks.k2.channel = c2

  24. a1.sinks.k2.hostname = 192.168.123.103

  25. a1.sinks.k2.port = 44466

  27. # Use a channel which buffers events in memory

  28. a1.channels.c1.type = memory

  29. a1.channels.c1.capacity = 1000

  30. a1.channels.c1.transactionCapacity = 100

  32. a1.channels.c2.type = memory

  33. a1.channels.c2.capacity = 1000

  34. a1.channels.c2.transactionCapacity = 100

把下面的代码上传到hadoop05上面去：

新建case_replicate_s1.properties 文件

  1. # Name the components on this agent

  2. a1.sources = s1

  3. a1.sinks = k1

  4. a1.channels = c1

  6. # Describe/configure the source

  7. a1.sources.s1.type = avro

  8. a1.sources.s1.channels = c1

  9. a1.sources.s1.bind = 192.168.123.105

  10. a1.sources.s1.port = 44466

  12. # Describe the sink

  13. a1.sinks.k1.type = logger

  14. a1.sinks.k1.channel = c1

  16. # Use a channel which buffers events in memory

  17. a1.channels.c1.type = memory

  18. a1.channels.c1.capacity = 1000

  19. a1.channels.c1.transactionCapacity = 100

把下面的代码放到hadoop03上面去：

新建case_replicate_s2.properties 文件：

  1. # Name the components on this agent

  2. a1.sources = s1

  3. a1.sinks = k1

  4. a1.channels = c1

  6. # Describe/configure the source

  7. a1.sources.s1.type = avro

  8. a1.sources.s1.channels = c1

  9. a1.sources.s1.bind = 192.168.123.103

  10. a1.sources.s1.port = 44466

  12. # Describe the sink

  13. a1.sinks.k1.type = logger

  14. a1.sinks.k1.channel = c1

  16. # Use a channel which buffers events in memory

  17. a1.channels.c1.type = memory

  18. a1.channels.c1.capacity = 1000

  19. a1.channels.c1.transactionCapacity = 100

然后执行

在hadoop05上执行：

[hadoop@hadoop05 ~]$ flume-ng agent --conf conf --conf-file case_replicate_s1.properties --name a1 -Dflume.hadoop.logger=INFO,console

在hadoop03上执行：

[hadoop@hadoop03 ~]$ flume-ng agent --conf conf --conf-file case_replicate_s2.properties --name a1 -Dflume.hadoop.logger=INFO,console

在hadoop04上执行：

[hadoop@hadoop04 ~]$ flume-ng agent --conf conf --conf-file case_replicate.properties --name a1 -Dflume.hadoop.logger=INFO,console

同时hadoop03增加显示：

同时hadoop05增加显示：

然后在hadoop04上写数据：

然后观察hadoop03和hadoop05都接受到下图所示同一数据：

多路复用：

在hadoop04上新建 case_multi_sink.properties 文件

  1. #2个channel和2个sink的配置文件

  2. a1.sources = s1

  3. a1.sinks = k1 k2

  4. a1.channels = c1 c2

  6. # Describe/configure the source

  7. a1.sources.s1.type = org.apache.source.http.HTTPSource

  8. a1.sources.s1.port = 44455

  9. a1.sources.s1.host = 192.168.123.104

  10. #默认就是replicating就是复制，multiplexing是复用

  11. a1.sources.s1.selector.type = multiplexing

  12. a1.sources.s1.channels = c1 c2

  14. #state就是发送信息的头部信息，是CZ开头往c1走，默认往c1走

  15. a1.sources.s1.selector.header = state

  16. a1.sources.s1.selector.mapping.CZ = c1

  17. a1.sources.s1.selector.mapping.US = c2

  18. a1.sources.s1.selector.default = c1

  20. # Describe the sink

  21. #发送给hadoop05

  22. a1.sinks.k1.type = avro

  23. a1.sinks.k1.channel = c1

  24. a1.sinks.k1.hostname = 192.168.123.105

  25. a1.sinks.k1.port = 44466

  27. #发送给hadoop03

  28. a1.sinks.k2.type = avro

  29. a1.sinks.k2.channel = c2

  30. a1.sinks.k2.hostname = 192.168.123.103

  31. a1.sinks.k2.port = 44466

  33. # Use a channel which buffers events in memory

  34. a1.channels.c1.type = memory

  35. a1.channels.c1.capacity = 1000

  36. a1.channels.c1.transactionCapacity = 100

  38. a1.channels.c2.type = memory

  39. a1.channels.c2.capacity = 1000

  40. a1.channels.c2.transactionCapacity = 100

在hadoop05上新建case_multi_s1.properties 文件：

  1. # Name the components on this agent

  2. a1.sources = s1

  3. a1.sinks = k1

  4. a1.channels = c1

  6. # Describe/configure the source

  7. a1.sources.s1.type = avro

  8. a1.sources.s1.channels = c1

  9. a1.sources.s1.bind = 192.168.123.105

  10. a1.sources.s1.port = 44466

  12. # Describe the sink

  13. a1.sinks.k1.type = logger

  14. a1.sinks.k1.channel = c1

  16. # Use a channel which buffers events in memory

  17. a1.channels.c1.type = memory

  18. a1.channels.c1.capacity = 1000

  19. a1.channels.c1.transactionCapacity = 100

在hadoop03上新建case_multi_s2.properties 文件

  1. # Name the components on this agent

  2. a1.sources = s1

  3. a1.sinks = k1

  4. a1.channels = c1

  6. # Describe/configure the source

  7. a1.sources.s1.type = avro

  8. a1.sources.s1.channels = c1

  9. a1.sources.s1.bind = 192.168.123.103

  10. a1.sources.s1.port = 44466

  12. # Describe the sink

  13. a1.sinks.k1.type = logger

  14. a1.sinks.k1.channel = c1

  16. # Use a channel which buffers events in memory

  17. a1.channels.c1.type = memory

  18. a1.channels.c1.capacity = 1000

  19. a1.channels.c1.transactionCapacity = 100

按顺序执行下面的命令：

[hadoop@hadoop03 ~]$ flume-ng agent --conf conf --conf-file case_multi_s2.properties --name a1 -Dflume.hadoop.logger=INFO,console

[hadoop@hadoop05 ~]$ flume-ng agent --conf conf --conf-file case_multi_s1.properties --name a1 -Dflume.hadoop.logger=INFO,console

[hadoop@hadoop04 ~]$ flume-ng agent --conf conf --conf-file case_multi_sink.properties --name a1 -Dflume.hadoop.logger=INFO,console

在hadoop04上发送数据

curl-X POST -d '[{ "headers" :{"state" :"CZ"},"body" : "TEST1"}]' http://localhost:44455

curl-X POST -d '[{ "headers" :{"state" :"US"},"body" : "TEST2"}]' http://localhost:44455

curl-X POST -d '[{ "headers" :{"state" :"cn"},"body" : "TEST2"}]' http://localhost:44455
【大 中 小】【打印】 【繁体】【投稿】【收藏】 【推荐】【举报】【评论】 【关闭】 【返回顶部】
上一篇：flume   三大核心组件 下一篇：flume读取日志数据写入kafka &nbs..

最新文章

flume读取日志数据写入kafka  ..
Authentication plugin 'cachin..
Flume 自定义source   -- SQL..
flume   三大核心组件
ICC副本>>>>(logback+f..

热门文章

flume学习（1）
flume读取日志数据写入kafka  ..
Authentication plugin 'cachin..
通过Flume拉取Kafka数据保存到ES
Flume抽取Oracle中的数据到Kafka

Hot 文章

flume学习（1）
flume读取日志数据写入kafka  ..
Authentication plugin 'cachin..
通过Flume拉取Kafka数据保存到ES
Flume抽取Oracle中的数据到Kafka

Python

C 语言

C++基础

大数据基础

linux编程基础

C/C++面试题目