Flume快速入门

Agatha方艺璇

已于 2024-03-07 10:17:34 修改

阅读量759

点赞数

分类专栏：大数据 Flume 文章标签：大数据 flume

于 2021-01-03 19:19:53 首次发布

本文为作者原创文章转载请与作者联系并注明出处

本文链接：https://blog.csdn.net/agatha_aggie/article/details/112146777

版权

大数据同时被 2 个专栏收录

69 篇文章

订阅专栏

Flume

4 篇文章

订阅专栏

Flume快速入门

一、Flume安装部署

1、安装地址

1） Flume官网地址
http://flume.apache.org/
2）文档查看地址
http://flume.apache.org/FlumeUserGuide.html
3）下载地址
http://archive.apache.org/dist/flume/https://mirrors.tuna.tsinghua.edu.cn/apache/flume/1.9.0/apache-flume-1.9.0-bin.tar.gz

2、安装部署

1）将apache-flume-1.7.0-bin.tar.gz上传到linux的/home/spark/bigdata目录下
2）解压apache-flume-1.7.0-bin.tar.gz到/home/spark/bigdata目录下
tar -zxf apache-flume-1.7.0-bin.tar.gz
3）修改apache-flume-1.7.0-bin的名称为flume
mv apache-flume-1.7.0-bin flume-1.7.0
4）将flume/conf下的flume-env.sh.template文件修改为flume-env.sh，并配置flume-env.sh文件
mv flume-env.sh.template flume-env.sh vi flume-env.sh export JAVA_HOME=/opt/module/jdk1.8.0_144

二、Flume入门案例

1、监控端口数据官方案例

1）案例需求：
使用Flume监听一个端口，收集该端口数据，并打印到控制台。
2）需求分析：
在这里插入图片描述

3）实现步骤：
1.安装netcat工具
ubuntu中使用如下命令sudo apt-get install netcat
centos中使用如下命令sudo yum install nc
2.判断44444端口是否被占用
sudo netstat -tunlp | grep 44444
3.创建Flume Agent配置文件netcat-flume-logger.conf
在flume目录下创建job文件夹并进入job文件夹。
mkdir job cd job/
在job文件夹下创建Flume Agent配置文件netcat-flume-logger.conf。
vim netcat-flume-logger.conf
在netcat-flume-logger.conf文件中添加如下内容。
添加内容如下：

# Name the components on this agent 
a1.sources = r1 
a1.sinks = k1 a1.channels = c1   
# Describe/configure the source  
a1.sources.r1.type = netcat 
a1.sources.r1.bind = localhost a1.sources.r1.port = 44444   
# Describe the sink 
a1.sinks.k1.type = logger   
# Use a channel which buffers events in memory 
a1.channels.c1.type = memory 
a1.channels.c1.capacity = 1000 
a1.channels.c1.transactionCapacity = 100   
# Bind the source and sink to the channel 
a1.sources.r1.channels = c1 
a1.sinks.k1.channel = c1

注：配置文件来源于官方手册http://flume.apache.org/FlumeUserGuide.html
在这里插入图片描述

三、开启flume监听端口

第一种写法：

bin/flume-ng agent --conf conf/ --name a1 --conf-file job/netcat-flume-logger.conf -Dflume.root.logger=INFO,console

第二种写法：

bin/flume-ng agent -c conf/ -n a1 -f job/netcat-flume-logger.conf -Dflume.root.logger=INFO,console

参数说明：
–conf/-c：表示配置文件存储在conf/目录 --name/-n：表示给agent起名为a1 --conf-file/-f：flume本次启动读取的配置文件是在job文件夹下的flume-telnet.conf文件。 -Dflume.root.logger=INFO,console ：-D表示flume运行时动态修改flume.root.logger参数属性值，并将控制台日志打印级别设置为INFO级别。日志级别包括:log、info、warn、error。

1、使用netcat工具向本机的44444端口发送内容

nc localhost 44444 hello normal

2、在Flume监听页面观察接收数据情况

在这里插入图片描述

四、实时监控单个追加文件

1、案例需求：实时监控Hadoop resourcemanager的日志，第一步输出到logger当中，最后修改成上传到HDFS中

2、需求分析：

在这里插入图片描述

3、实现步骤：

1.Flume要想将数据输出到HDFS，必须持有Hadoop相关jar包
将commons-configuration-1.6.jar、hadoop-auth-2.7.2.jar、hadoop-common-2.7.2.jar、hadoop-hdfs-2.7.2.jar、commons-io-2.4.jar、htrace-core-3.1.0-incubating.jar
拷贝到/flume/lib文件夹下。
2.创建file-flume-hdfs.conf文件
创建文件
vim file-flume-hdfs.conf
注：要想读取Linux系统中的文件，就得按照Linux命令的规则执行命令。由于Hive日志在Linux系统中所以读取文件的类型选择：exec即execute执行的意思。表示执行Linux命令来读取文件。
简单配置：

# Name the components on this agent a1.sources = r1 
a1.sinks = k1 a1.channels = c1  
# Describe/configure the source 
a1.sources.r1.type = exec 
a1.sources.r1.command= tail -F  /var/log.log  
# Describe the sink 
a1.sinks.k1.type = logger   
# Use a channel which buffers events in memory 
a1.channels.c1.type = memory 
a1.channels.c1.capacity = 1000 
a1.channels.c1.transactionCapacity = 100   
# Bind the source and sink to the channel 
a1.sources.r1.channels = c1 
a1.sinks.k1.channel = c1

实验结果：
在这里插入图片描述

hdfs sink配置

# Name the components on this agent 
a2.sources = r2 
a2.sinks = k2 
a2.channels = c2   
# Describe/configure the source
a2.sources.r2.type = exec
a2.sources.r2.command = tail -F /opt/module/hive/logs/hive.log   
# Describe the sink 
a2.sinks.k2.type = hdfs 
a2.sinks.k2.hdfs.path = hdfs://spark:9000/flume/%Y%m%d/%H 
#上传文件的前缀
a2.sinks.k2.hdfs.filePrefix = logs- 
#是否按照时间滚动文件夹
a2.sinks.k2.hdfs.round = true 
#多少时间单位创建一个新的文件夹
a2.sinks.k2.hdfs.roundValue = 1 
#重新定义时间单位
a2.sinks.k2.hdfs.roundUnit = hour 
#是否使用本地时间戳
a2.sinks.k2.hdfs.useLocalTimeStamp = true 
#积攒多少个Event才flush到HDFS一次
a2.sinks.k2.hdfs.batchSize = 10 
#设置文件类型，可支持压缩
a2.sinks.k2.hdfs.fileType = DataStream 
#多久生成一个新的文件
a2.sinks.k2.hdfs.rollInterval = 10 
#设置每个文件的滚动大小
a2.sinks.k2.hdfs.rollSize = 134217700 
#文件的滚动与Event数量无关
a2.sinks.k2.hdfs.rollCount = 0   
# Use a channel which buffers events in memory 
a2.channels.c2.type = memory 
a2.channels.c2.capacity = 1000 
a2.channels.c2.transactionCapacity = 100                                     
# Bind the source and sink to the channel 
a2.sources.r2.channels = c2 
a2.sinks.k2.channel = c2

注意：
对于所有与时间相关的转义序列，Event Header中必须存在以 “timestamp”的key（除非hdfs.useLocalTimeStamp设置为true，此方法会使用TimestampInterceptor自动添加timestamp）。
a3.sinks.k3.hdfs.useLocalTimeStamp = true

在这里插入图片描述

4、运行Flume

bin/flume-ng agent --conf conf/ --name a2 --conf-file job/file-flume-hdfs.conf

5、开启Hadoop和Hive并操作Hive产生日志

sbin/start-dfs.sh sbin/start-yarn.sh bin/hive hive (default)>

6、在HDFS上查看文件。

在这里插入图片描述

五、实时监控目录下多个新文件

1）案例需求：使用Flume监听整个目录的文件，并上传至HDFS
2）需求分析：
在这里插入图片描述

3）实现步骤：

1、创建配置文件flume-dir-hdfs.conf

创建一个文件
vim flume-dir-hdfs.conf
添加如下内容

a3.sources = r3 
a3.sinks = k3 
a3.channels = c3   
# Describe/configure the source 
a3.sources.r3.type = spooldir
a3.sources.r3.spoolDir = /opt/module/flume/upload 
a3.sources.r3.fileSuffix = .COMPLETED 
a3.sources.r3.fileHeader = true 
#忽略所有以.tmp结尾的文件，不上传
a3.sources.r3.ignorePattern = ([^ ]*\.tmp)   
# Describe the sink--- hdfs 
a3.sinks.k3.type = hdfs a3.sinks.k3.hdfs.path = hdfs://hadoop102:9000/flume/upload/%Y%m%d/%H 
#上传文件的前缀
a3.sinks.k3.hdfs.filePrefix = upload- 
#是否按照时间滚动文件夹
a3.sinks.k3.hdfs.round = true 
#多少时间单位创建一个新的文件夹
a3.sinks.k3.hdfs.roundValue = 1 
#重新定义时间单位
a3.sinks.k3.hdfs.roundUnit = hour 
#是否使用本地时间戳
a3.sinks.k3.hdfs.useLocalTimeStamp = true 
#积攒多少个Event才flush到HDFS一次
a3.sinks.k3.hdfs.batchSize = 100 
#设置文件类型，可支持压缩
a3.sinks.k3.hdfs.fileType = DataStream 
#多久生成一个新的文件
a3.sinks.k3.hdfs.rollInterval = 60 
#设置每个文件的滚动大小大概是128M 
a3.sinks.k3.hdfs.rollSize = 134217700 
#文件的滚动与Event数量无关
a3.sinks.k3.hdfs.rollCount = 0  
# Use a channel which buffers events in memory 
a3.channels.c3.type = memory 
a3.channels.c3.capacity = 1000 
a3.channels.c3.transactionCapacity = 100   
# Bind the source and sink to the channel 
a3.sources.r3.channels = c3 
a3.sinks.k3.channel = c3

在这里插入图片描述

2、启动监控文件夹命令

bin/flume-ng agent --conf conf/ --name a3 --conf-file job/flume-dir-hdfs.conf
说明：在使用Spooling Directory Source时
不要在监控目录中创建并持续修改文件
上传完成的文件会以.COMPLETED结尾
被监控文件夹每500毫秒扫描一次文件变动

3、向upload文件夹中添加文件

在/opt/module/flume目录下创建upload文件夹
mkdir upload
向upload文件夹中添加文件
touch normal.txt touch normal.tmp touch normal.log

4、查看HDFS上的数据

localhost:9000 当中查看

5、等待1s，再次查询upload文件夹

ll
总用量 0

六、实时监控目录下的多个追加文件

Exec source适用于监控一个实时追加的文件，不能实现断点续传；Spooldir Source适合用于同步新文件，但不适合对实时追加日志的文件进行监听并同步；而Taildir Source适合用于监听多个实时追加的文件，并且能够实现断点续传。
1）案例需求：使用Flume监听整个目录的实时追加文件，并上传至HDFS
2）需求分析：
在这里插入图片描述

3）实现步骤：

1、创建配置文件taildir-flume-hdfs.conf

创建一个文件
vim taildir-flume-hdfs.conf
添加如下内容

a3.sources = r3a3.sinks = k3a3.channels = c3 # Describe/configure the
sourcea3.sources.r3.type = TAILDIRa3.sources.r3.positionFile =
/opt/module/flume/tail_dir.jsona3.sources.r3.filegroups = f1
f2a3.sources.r3.filegroups.f1 =
/opt/module/flume/files/.*file.*a3.sources.r3.filegroups.f2 =
/opt/module/flume/files/.log. # Describe the sinka3.sinks.k3.type =
hdfsa3.sinks.k3.hdfs.path =
hdfs://hadoop102:9000/flume/upload2/%Y%m%d/%H#上传文件的前缀a3.sinks.k3.hdfs.filePrefix
= upload-#是否按照时间滚动文件夹a3.sinks.k3.hdfs.round = true#多少时间单位创建一个新的文件夹a3.sinks.k3.hdfs.roundValue =
1#重新定义时间单位a3.sinks.k3.hdfs.roundUnit =
hour#是否使用本地时间戳a3.sinks.k3.hdfs.useLocalTimeStamp =
true#积攒多少个Event才flush到HDFS一次a3.sinks.k3.hdfs.batchSize =
100#设置文件类型，可支持压缩a3.sinks.k3.hdfs.fileType =
DataStream#多久生成一个新的文件a3.sinks.k3.hdfs.rollInterval =
60#设置每个文件的滚动大小大概是128Ma3.sinks.k3.hdfs.rollSize =
134217700#文件的滚动与Event数量无关a3.sinks.k3.hdfs.rollCount = 0 # Use a
channel which buffers events in memorya3.channels.c3.type =
memorya3.channels.c3.capacity = 1000a3.channels.c3.transactionCapacity
= 100 # Bind the source and sink to the channela3.sources.r3.channels = c3a3.sinks.k3.channel = c3

在这里插入图片描述

2、启动监控文件夹命令

bin/flume-ng agent --conf conf/ --name a3 --conf-file job/flume-taildir-hdfs.conf

3、向files文件夹中追加内容

在/opt/module/flume目录下创建files文件夹
mkdir files
向upload文件夹中添加文件echo hello >> file1.txtecho normal >> file2.txt

4、查看HDFS上的数据

在这里插入图片描述

5、Taildir说明：

Taildir Source维护了一个json格式的position File，其会定期的往position File中更新每个文件读取到的最新的位置，因此能够实现断点续传。Position File的格式如下：
{“inode”:2496272,“pos”:12,“file”:“/opt/module/flume/files/file1.txt”}
{“inode”:2496275,“pos”:12,“file”:“/opt/module/flume/files/file2.txt”}
注：Linux中储存文件元数据的区域就叫做inode，每个inode都有一个号码，操作系统用inode号码来识别不同的文件，Unix/Linux系统内部不使用文件名，而使用inode号码来识别文件。