最新【数仓】flume软件安装及配置_flume的安装配置，【深度思考

最新推荐文章于 2024-05-19 17:32:56 发布

2401_84181058

最新推荐文章于 2024-05-19 17:32:56 发布

阅读量870

点赞数 10

分类专栏：程序员文章标签：大数据面试学习

本文链接：https://blog.csdn.net/2401_84181058/article/details/138758320

版权

程序员专栏收录该内容

171 篇文章 1 订阅

订阅专栏

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

一、flume有什么作用

Apache Flume是一个分布式、可靠且可用的大数据日志采集、聚合和传输系统。它主要用于将大量的日志数据从不同的数据源收集起来，然后通过通道（Channel）进行传输，最终将数据传输到指定的目的地，如HDFS、HBase等。Flume具有高度可扩展性、容错性和灵活性，可以适应各种复杂的数据采集场景。

Flume的核心组件包括Source、Channel和Sink。Source负责从数据源中读取数据，可以是文件、网络套接字、消息队列等；Channel是数据的缓冲区，用于在Source和Sink之间传输数据；Sink负责将数据写入目标存储系统，如HDFS、HBase、Kafka等。此外，Flume还支持多种类型的Source、Channel和Sink，用户可以根据实际需求进行选择和配置。

Flume的主要作用是实现大规模数据采集和传输，实现数据的实时处理和分析，从而为企业提供更好的业务决策支持。在实际应用中，Flume可以用于日志收集、事件跟踪、数据流处理等场景。通过将数据从不同的数据源采集并传输到指定的目的地，Flume可以帮助企业实现数据的集中存储和管理，为后续的数据分析和挖掘提供基础。

此外，Flume还具有可靠性机制和故障转移和恢复机制，能够保证数据传输的可靠性和安全性。同时，Flume还支持客户扩展和自定义开发，用户可以根据自己的需求进行扩展和优化，使其更加适合特定的应用场景。

总的来说，Apache Flume是一个功能强大、灵活可靠的大数据日志采集、聚合和传输系统，它在大数据处理中起到了至关重要的作用。

二、环境准备

准备1台虚拟机

Hadoop131：192.168.56.131

本例系统版本 CentOS-7.8，已安装jdk1.8

关闭防火墙

systemctl stop firewalld

zookeeper、kafka 已安装，且已启动

三、flume安装配置

1、flume下载安装

# 下载解压
wget --no-check-certificate https://dlcdn.apache.org/flume/1.11.0/apache-flume-1.11.0-bin.tar.gz
tar -xzvf apache-flume-1.11.0-bin.tar.gz
mv apache-flume-1.11.0-bin/ /data/flume/

2、配置环境变量

新增环境变量文件

vi /etc/profile.d/flume_env.sh

export FLUME\_HOME=/data/flume
export PATH=$PATH:$FLUME\_HOME/bin

使用source让新增环境生效

source /etc/profile

在命令行中输入flume-ng version命令，如果返回Flume的版本信息，则说明安装成功。

3、配置flume服务器属性

本例演示 flume 读取日志文件，然后发送到kafka中

1）配置日志存储路径

在flume主目录，执行 vim conf/log4j2.xml

<Property name="LOG_DIR">/data/flume/logs</Property>

2）新建配置文件 conf/job/file_to_kafka.conf，内容如下：

# 定义Agent的组件
# 设置source的名称为rl
al.sources = rl
# 设置channel的名称为cl
al.channels = cl

# 配置source
# 指定source的类型为TAILDIR，这是一个能够追踪文件变化并读取新增内容的source
al.sources.rl.type = TAILDIR
# 定义文件组fl，这里fl是一个标识符，可以定义多个文件组，每个文件组可以包含多个文件模式
al.sources.rl.filegroups = fl
# 指定文件组fl的文件路径模式，/data/applog/log/app.* 表示匹配/data/applog/log/目录下以app开头的所有文件
al.sources.rl.filegroups.fl = /data/applog/log/app.*
# 指定positionFile的位置，该文件用于记录TAILDIR source读取文件的偏移量，以便在Flume重启后可以从上次的位置继续读取
al.sources.rl.positionFile = /data/flume/data/taildir_position.json

# 配置channel
# 设置channel的类型为KafkaChannel，即数据将发送到Kafka
al.channels.cl.type = org.apache.flume.channel.kafka.KafkaChannel
# 指定Kafka集群的地址和端口，这里配置了3个Kafka broker
al.channels.cl.kafka.bootstrap.servers = hadoop131:9092,hadoop132:9092,hadoop133:9092
# 设置发送到Kafka的主题名称
al.channels.cl.kafka.topic = topic_log
# 设置parseAsFlumeEvent为false，表示发送到Kafka的数据不会被封装为Flume的Event格式，而是保持原始格式
al.channels.cl.parseAsFlumeEvent= false

# 组装source和channel
# 将source rl连接到channel cl，表示rl读取的数据将发送到cl指定的Kafka channel中
al.sources.rl.channels = cl

这份配置文件定义了一个简单的Flume Agent，它使用TAILDIR source来监控某个目录下的日志文件变化，并将新增的日志内容发送到Kafka。配置文件中的注释详细解释了每个配置项的作用和含义。在实际部署时，需要根据实际环境调整配置文件中的路径、Kafka集群地址、主题名称等参数。

另外，请注意，Flume的Kafka Channel在某些版本中可能已经被标记为过时，推荐使用Kafka Sink。如果你使用的是较新的Flume版本，并且希望使用推荐的配置，那么应该使用Kafka Sink而不是Kafka Channel。在这种情况下，你需要配置一个Kafka Sink并将其绑定到一个普通的Memory Channel或File Channel。

使用Kafka Sink的配置示例如下：

# Define the components of the agent
agent.sources = tailSource
agent.channels = memoryChannel
agent.sinks = kafkaSink

# Configure the source - TAILDIR
agent.sources.tailSource.type = TAILDIR
agent.sources.tailSource.filegroups = f1
agent.sources.tailSource.filegroups.f1 = /path/to/your/logfile.log
agent.sources.tailSource.positionFile = /path/to/flume/taildir_position.json
agent.sources.tailSource.fileHeader = true

# Configure the channel - Memory
agent.channels.memoryChannel.type = memory
agent.channels.memoryChannel.capacity = 10000
agent.channels.memoryChannel.transactionCapacity = 1000

# Configure the sink - KafkaSink
agent.sinks.kafkaSink.type = org.apache.flume.sink.kafka.KafkaSink
agent.sinks.kafkaSink.kafka.bootstrap.servers = kafka-server-1:9092,kafka-server-2:9092
agent.sinks.kafkaSink.kafka.topic = flume-logs
agent.sinks.kafkaSink.channel = memoryChannel

# Bind the source and channel, and the sink and channel
agent.sources.tailSource.channels = memoryChannel
agent.sinks.kafkaSink.channel = memoryChannel


![img](https://img-blog.csdnimg.cn/img_convert/6fe873369bdeee43af795485639275e7.png)
![img](https://img-blog.csdnimg.cn/img_convert/cad46d7b44fba4e5be3917b0e156d6c0.png)

**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

2401_84181058

关注

10
点赞
踩
22

收藏

觉得还不错? 一键收藏
0
评论
最新【数仓】flume软件安装及配置_flume的安装配置，【深度思考

在实际应用中，Flume可以用于日志收集、事件跟踪、数据流处理等场景。通过将数据从不同的数据源采集并传输到指定的目的地，Flume可以帮助企业实现数据的集中存储和管理，为后续的数据分析和挖掘提供基础。它主要用于将大量的日志数据从不同的数据源收集起来，然后通过通道（Channel）进行传输，最终将数据传输到指定的目的地，如HDFS、HBase等。这份配置文件定义了一个简单的Flume Agent，它使用TAILDIR source来监控某个目录下的日志文件变化，并将新增的日志内容发送到Kafka。
复制链接

扫一扫