flume的概念和基本使用

原创 2017年01月02日 23:36:56

一、flume概述

    flume是一个分布式的、可靠的、可用的以及高效的对大量数据日志进行收集、聚集、移动信息的服务。flume是一个可容错的、健壮的并且非常简单的流式数据框架,他只需要简单配置source、channel以及sink后,编写一条命令就可实时采集数据。
    agent的三个组成部分为:source、channel和sink。
    source:用于采集数据,source是产生数据流的地方,同时,source会将产生的数据传输到channel上。
    channel:连接source和sink,类似队列
    sink:从channel收集数据,将数据写到目标源,可以是下一个flume的source,或者是hdfs或者hbase等。

二、flume使用版本

        笔者使用的hadoop版本是cdh-5.3.6,所以选择的flume对应版本是flume-ng-1.5.0-cdh.5.3.6,这里简单介绍下,flume大的版本可以分为flume-og和flume-ng,其中og中的o笔者以前以为是old的意思,但是看了官方介绍是orginal的意思,ng的n也不是new 的意思,而是next(下一代)的意思,两个版本的差别还是比较大的。其中0.9x版本以前是flume-og,1.x以后的版本是flume-ng。

三、flume-nge的使用

  1. 基本使用:

    基本使用就是简单的从source读消息到sink
    flume基本使用的简单架构如下:
    

    这里写图片描述

场景1:从本地文件到本地文件

  source:hive.log (某个日志文件)
  channel:mem(内存通道)
  sink:log(另一个日志文件)

  配置文件:

这里写图片描述

  运行后:

这里写图片描述

场景2:从本地文件到本地文件,使用file channel

source:hive.log (某个日志文件)
channel:filechannel
sink:log(另一个日志文件)

配置文件:

这里写图片描述

运行:

这里写图片描述

场景3:从本地文件到hdfs

source:hive.log (某个日志文件)
channel:mem(内存通道)
sink:hdfs
同时,需要把hadoop下面的commons-configuration-1.6.jar、hadoop-auth-2.5.0-cdh5.3.6.jar、hadoop-common-2.5.0-cdh5.3.6.jar和hadoop-hdfs-2.5.0-cdh5.3.6.jar拷贝到flume_home\lib下面
配置文件:

这里写图片描述

运行结果不再赘述。

四、flume在企业中使用的一些问题和思考

1.flume向hdfs传输数据时,有可能产生很多小的文件,这在企业中肯定是不行的,hdfs要求存储文件越大越好,至少是128M,如何设置flume中hdfs的sink?

2.使用flume把数据导入hive表中,如果hive使用的是分区表,比如按照年、月、日分区,那么如何把每天的数据导入到对应的日期目录下,此时如何配置flume中的hdfs的sink?

3.如何在指定的文件夹过滤掉一些不需要的文件,例如以xxx开头或者.xxx结尾的文件?

解决上述几个问题就需要了解sink的一些其他配置,
1) 在sink中,通过sourceName.sinks.sinkName.hdfs.rollSize可以设定输出文件的最大大小,例如我们可以设置10k,那么配置就是:
sourceName.sinks.sinkName.hdfs.rollSize=102400

2)在sink中,可以通过系统时间来进行动态文件夹的生成,例如我们期望按照每小时来分区,那么分区目录是:
2014-10-12/01
          /02
          ...
          /24
该需求可以通过sourceName.sinks.sinkName.path参数来配置,那么上面需求的配置就是:
sourceName.sinks.sinkName.path=/flume/events/%y-%m-%d/%H

(注意:,其中1和2会有冲突,例如我们设置文件大小为128M,但是我们分区时按照分钟来分区,那么有可能1分钟的数据没有128M,那么文件大小肯定不会是128M)

3)如果期望过滤掉指定文件名的文件,那需要通过配置source中的sourceName.sinks.sinkName.ignorePattern来设置,如果期望过滤掉.tmp结尾的文件,那么配置如下:
sourceName.sinks.sinkName.ignorePattern=([^]*\.tmp)

那么最终的flume的配置文件如下:

这里写图片描述

flume的基本使用就介绍到这里。
版权声明:本文为博主原创文章,未经博主允许不得转载。

相关文章推荐

Flume的基本概念

一:Flume介绍 1.1、在hadoop生态圈中,Flume的位置。 1.2、Flume是什么?     有Cloudera公司开源     分布式、可靠、高可用的海量日志采集系统 ...

Flume基本使用

Flume的核心组件为source、channle、sink:组件描述source可以对接数据源,可以是mysql、file、tcp等 channle为数据传输通道,可指定为内存、文件等 sink...
  • chftig
  • chftig
  • 2017年07月31日 11:14
  • 145

MQX免费操作系统基本概念和使用

  • 2012年09月13日 16:54
  • 698KB
  • 下载

flume (日志收集系统) 基础概念

Flume是一个分布式、可靠、和高可用的海量日志聚合的系统,支持在系统中定制各类数据发送方,用于收集数据;同时,Flume提供对数据进行简单处理,并写到各种数据接受方(可定制)的能力。...
  • ronmy
  • ronmy
  • 2017年03月05日 14:45
  • 967

BroadcastReceiver基本概念和使用

BroadcastReceiver是四大组件之一,是为了让开发者更方便的来进行开发的,翻译成中文就是广播接受者。     接收到的广播分为有序广播、无序广播,并且注册监听广播的方式还分静态注册和动态...

数据库-视图(概念、优点、使用规则和限制、视图和基本表的区别)

(1)定义和概念      ① 从一个或几个基本表中根据用户需要而做成一个虚表      ② 视图是虚表,它在存储时只存储视图的定义,而没有存储对应的数据       ③ 视图只在刚刚打开的一瞬...
  • zdplife
  • zdplife
  • 2015年08月29日 22:34
  • 2078

Objective-C--block的概念和基本使用

Objective-C--block的概念和基本使用

DBus 入门与应用--基本概念 上(C API 级别的使用观点)

转自:http://www.cnblogs.com/liyiwen/archive/2012/12/06/2806305.html 前面一篇讲了DBus的 C 编程接口。...

第十二章 异常处理 概念和基本使用

1.为什么要有异常处理 Java的基本理念是结构不佳的代码不能运行。why:发现错误的理想时机是在编译阶段,余下的问题在运行期间解决,这就需要错误源能通过某种方式,把适当的信息传递给某个接受者【...
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:flume的概念和基本使用
举报原因:
原因补充:

(最多只允许输入30个字)