Flume-ng

最新推荐文章于 2020-11-23 17:57:45 发布
最新推荐文章于 2020-11-23 17:57:45 发布
阅读量284 收藏 1
点赞数
分类专栏： bigdata 文章标签： flume
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ai721207/article/details/80907510
版权

埋点：

  1. 埋点分析，是网站分析的一种常用的数据采集方法。数据埋点分为初级、中级、高级三种方式。数据埋点是一种良好的私有化部署数据采集方式。
  2. 埋点技术如何采集数据，有何优缺点？
    数据埋点分为初级、中级、高级三种方式，分别为：
    初级：在产品、服务转化关键点植入统计代码，据其独立ID确保数据采集不重复（如购买按钮点击率）；
    中级：植入多段代码，追踪用户在平台每个界面上的系列行为，事件之间相互独立（如打开商品详情页——选择商品型号——加入购物车——下订单——购买完成）；
    高级：联合公司工程、ETL采集分析用户全量行为，建立用户画像，还原用户行为模型，作为产品分析、优化的基础。
    无疑，数据埋点是一种良好的私有化部署数据采集方式。数据采集准确，满足了企业去粗取精，实现产品、服务快速优化迭代的需求。
    但，因手动埋点工程量极大，且一不小心容易出错，成为很多工程师的痛。且其开发周期长，耗时费力，很多规模较小的公司并不具备自己埋点的能力。无埋点成为市场新宠。最后埋点、无埋点两种技术谁能成为最后赢家，我们拭目以待。

数据采集：

  1. 埋点：监听客户端浏览器
  2. spooldir：监听文件
  3. log4j：生成session日志，导入dpooldir



概念：

  • flume是分布式大量log数据的搜集、聚合、转移工具
  1. 分布式
  2. 可靠性强、容错、协调机制、错误恢复机制
  3. 高效
  • 基于数据流的组件完成数据采集
  • ng版本
  1. 去除了master、agent、collector等集群角色
  2. 用一种动态的方式来形成分布式数据采集
  3. 只有一种角色：agent（sources、shannels、sinks）
  4. 数据在agent的三个组件中流转的形态是Event
    1. Event是一个类型
    2. 每一个event都是一个对象
    3. 每一个event包含两个对象：
      1. header：存放多个kv类型，一般是元数据
      2. body：被采集的正式内容（二进制形式）

常用组件：

  • source：
  1. netcat：从网络端口接收数据（测试调试）
  2. avro source:
  3. jms:从mq中采集数据进flume
  4. spooling directory：
    1. 监听本地文件夹，把文件和新增文件采集到flume
    2. 如果一个文件在放入spooldir之后再往该文件中写入内容的话flume会报错
    3. 一个文件以aaa的名字放入spooldir之后就不允许在网spooldir中存放行的aaa名称的文件
  5. taildir：监听文件，实时采集文件中的新增内容
  6. kafka：从kafka中获取流数据
  7. Sequence Generator Source ：自动生成序列测试数据
  8. Syslog Source ：采集系统日志
  9. HTTP Source ：接受http协议请求发送来的数据
  • sink：
  1. logger：把数据输出成logger日志（测试调试）
  2. hdfs：
  3. hive：
  4. hbase：
  5. avro sink：
  6. ElasticSearchSink：
  7. Kafka Sink：
  8. HTTP:
  • channel
  • interceptor ：
  1. 拦截每一个source的event，并对event进行加工处理或者过滤
  2. 类型：
    1. timestamp interceptor ： 给每一个event的header里面添加一个kv：k由参数指定，v时间戳
    2. host interceptor ：给每event的header添加一个kv：k：指host，v：ip或者主机名

  • selector

标准输入输出：

  • free指令
  • JMS：Java消息服务（Java Message Service）java对接消息队列（少数MQ实现了java接口）
  • JDBC: Java数据库连接（Java DataBase Connectivity）
  • ORM:对象关系映射（Object Relational Mapping）
  • MQ: Message Queue 消息队列


Flume配置：

  • netstat -alnp|grep 8888 进程查看
  • netstat -an|grep LISTEN 进程查看
  • 进程关闭：kill -9  进程编号
  • 在apache-flume-1.8.0-bin/ 
  1. yum install nc 下载
  2. yum install telnet 下载
  3. 每个节点上面都要下载
  4. 两个节点进行测试：
    运行输入指令：telnet master 8888
运行接受指令：nc -lk 8888
  • 在apache-flume-1.8.0-bin/  新建文件夹resouce
  1. 在linux本地运行的两个节点里面发送和接收的信息采集，新建配置文件nc_to_logger.conf：
    运行输入指令：telnet master 8888
运行接受指令：nc -lk 8888
    a1.sources = s1
a1.channels = c1
a1.sinks = k1

a1.sources.s1.type = netcat
a1.sources.s1.bind = master
a1.sources.s1.port = 8888

a1.channels.c1.type = memory

a1.sinks.k1.type = logger

a1.sources.s1.channels = c1
a1.sinks.k1.channel = c1

  2. 运行：
    flume-ng agent -c conf -f （运行文件名） --name （脚本内自定义名） -Dflume.root.logger=INFO,console
  3. 连接运行节点：
    telnet master 8888
  4. 退出节点方法：
    CTRL+]键，这时会强制退到telnet命令界面下，再用quit退出就行了
  • 监听linux上本地文件夹，把文件采集到flume：
  1. 选择监听目录
  2. 运行后把文件导入到监听的文件夹内
    运行输入指令：telnet master 8888
运行接受指令：flume-ng agent -c conf -f spoolingdir_to_logger.conf --name a1 -Dflume.root.logger=INFO,console
    a1.sources = s1
a1.sinks = k1
a1.channels = c1


a1.sources.s1.type = spooldir
a1.sources.s1.spoolDir = /opt/hadoop/apache-flume-1.8.0-bin/resources/test_spooling_dir
a1.sources.s1.fileHeader = true

a1.channels.c1.type = memory
a1.sinks.k1.type = logger

a1.sources.s1.channels = c1
a1.sinks.k1.channel = c1
  • 把监听的数据上传到hdfs上：
  1. 设置hdfs目标目录
  2. 运行后默认每间隔30秒生成一个时间文件夹
    运行输入指令：telnet master 8888
运行接受指令：flume-ng agent -c conf netcat_to_hdfs.conf --name a1 -Dflume.root.logger=INFO,console
    a1.sources = s1
a1.sinks = k1
a1.channels = c1

a1.sources.s1.type = netcat
a1.sources.s1.bind = master
a1.sources.s1.port = 8888

a1.channels.c1.type = memory

a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path = /from_flume/%Y-%m-%d-%H-%M
a1.sinks.k1.hdfs.rollInterval = 0
a1.sinks.k1.hdfs.rollSize = 0
a1.sinks.k1.hdfs.rollCount = 0
a1.sinks.k1.hdfs.fileType = DataStream
a1.sinks.k1.hdfs.writeFormat = Text
a1.sinks.k1.hdfs.useLocalTimeStamp = true 获取的是本地时间戳，实时时间戳需要加拦截器

a1.sources.s1.channels = c1
a1.sinks.k1.channel = c1
  • 监听Windows上本地文件夹，把文件采集到flume然后再上传到hdfs：
  1. 选择Windows本地监听文件夹
  2. 运行服务：先运行接受端,在运行发送端
  3. 把文件导入到监听的文件内
    1. 发送端在Windows端运行，先解压flume文件
    2. 把运行的文件放到bin目录下
    3. 运行时用dox命令进入到bin目录下,报错可去掉 ：-c conf
      运行指令：flume-ng agent -c conf -f windows_spooldir_to_avro.conf --name a1 -Dflume.root.logger=INFO,console

      a1.sources = s1
a1.sinks = k1
a1.channels = c1

a1.sources.s1.type = spooldir
a1.sources.s1.spoolDir = E:/apache-flume-1.8.0-bin/resources/spoolingdir
a1.sources.s1.fileHeader = true

a1.channels.c1.type = memory

a1.sinks.k1.type = avro
a1.sinks.k1.hostname = master
a1.sinks.k1.port = 8888

a1.sources.s1.channels = c1
a1.sinks.k1.channels = c1
  4. 接收端在linux运行：
    1. 选择hdfs存储文件夹
    2. 按时间上进行存储
      运行指令：flume-ng agent -c conf -f linux_avro_to_hdfs.conf --name a1 -Dflume.root.logger=INFO,console
      a1.sources = s1
a1.sinks = k1
a1.channels = c1

a1.sources.s1.type = avro
a1.sources.s1.bind = master
a1.sources.s1.port = 8888

a1.channels.c1.type = memory

a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path = /from_flume_window/%Y-%m-%d-%H-%M
a1.sinks.k1.hdfs.rollInterval = 0
a1.sinks.k1.hdfs.rollSize = 0
a1.sinks.k1.hdfs.rollCount = 0
a1.sinks.k1.hdfs.fileType = DataStream
a1.sinks.k1.hdfs.writeFormat = Text
a1.sinks.k1.hdfs.useLocalTimeStamp = true

a1.sources.s1.channels = c1
a1.sinks.k1.channel = c1
  • 实时抓取日志数据：
  1. flume配置：
    a1.sources = s1
a1.sinks = k1
a1.channels = c1

a1.sources.s1.type = avro
a1.sources.s1.bind = master
a1.sources.s1.port = 8888

a1.channels.c1.type = memory

a1.sinks.k1.type=logger

a1.sources.s1.channels = c1
a1.sinks.k1.channel = c1
  2. Java代码：
    package com.zhiyou.bd23;
import java.nio.charset.Charset;
import org.apache.flume.Event;
import org.apache.flume.EventDeliveryException;
import org.apache.flume.api.RpcClient;
import org.apache.flume.api.RpcClientFactory;
import org.apache.flume.event.EventBuilder;
public class FlumeClientUitls {
	private static final String HOST_NAME = "master";
	private static final int PORT = 8888;
	
	public static RpcClient getClient(){
		RpcClient client = RpcClientFactory.getDefaultInstance(HOST_NAME, PORT);
		return client;
	}
	public static void clientClose(RpcClient client){
		client.close();
	}
	public static void sendData(RpcClient client, String msg){
		Event event = EventBuilder.withBody(msg, Charset.forName("UTF-8"));
		try {
			client.append(event);
		} catch (EventDeliveryException e) {
			e.printStackTrace();
			System.out.println("发送消息["+msg+"]失败");
		}
	}
	public static void main(String[] args){
		RpcClient client = FlumeClientUitls.getClient();
		for(int i=0;i<20;i++){
			sendData(client, "msg"+i);
		}
		clientClose(client);
	}
}
  • 高可用failover(故障转移,故障切换,容错,失效接管)当一个节点挂掉时启动另一个节点：
  1. flume配置：
    a1.sources = s1
a1.sinks = k1
a1.channels = c1

a1.sources.s1.type = avro
a1.sources.s1.bind = master
a1.sources.s1.port = 8888

a1.channels.c1.type = memory

a1.sinks.k1.type=logger

a1.sources.s1.channels = c1
a1.sinks.k1.channel = c1
  2. java代码：
    package com.zhiyou.bd23;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;
import java.nio.charset.Charset;
import java.util.Properties;
import org.apache.flume.Event;
import org.apache.flume.api.RpcClient;
import org.apache.flume.api.RpcClientFactory;
import org.apache.flume.event.EventBuilder;
public class FailOverClientTest {
	//服务端：master slaver1
	//端口号：8888
	//激活节点：master,备用节点：slaver1。master挂掉slaver1接上
	public static void main(String[] args) throws Exception {
		Properties properties = new Properties();
		InputStream inputStream = new FileInputStream("src/main/resources/failover_client.properties");
		properties.load(inputStream);
		RpcClient client = RpcClientFactory.getInstance(properties);
		for (int i = 0; i < 100; i++) {
			Event event = EventBuilder.withBody("ags"+i,Charset.forName("UTF-8"));
			client.append(event);
			Thread.sleep(2000);
		}
		client.close();
	}
}
  3. java端口配置file文件：
    file文件名：failover_client.properties

    client.type = default_failover
hosts = h1 h2

hosts.h1 = master:8888
hosts.h2 = slaver1:8888
  • 均衡区balance，用了两个agent平均分配处理数据：
  1. flume配置：
    a1.sources = s1
a1.sinks = k1
a1.channels = c1

a1.sources.s1.type = avro
a1.sources.s1.bind = master
a1.sources.s1.port = 8888

a1.channels.c1.type = memory

a1.sinks.k1.type=logger

a1.sources.s1.channels = c1
a1.sinks.k1.channel = c1
  2. Java实例代码：
    package com.zhiyou.bd23;

import java.io.FileInputStream;
import java.nio.charset.Charset;
import java.util.Properties;
import org.apache.flume.Event;
import org.apache.flume.api.RpcClient;
import org.apache.flume.api.RpcClientFactory;
import org.apache.flume.event.EventBuilder;

public class LoadBalanceClientTest {
	public static void main(String[] args) throws Exception {
		Properties properties = new Properties();
		properties.load(new FileInputStream("src/main/resources/loadbalance_client.propeties"));
		RpcClient client = RpcClientFactory.getInstance(properties);
		for (int i = 0; i <200; i++) {
			Event event = EventBuilder.withBody("asg"+i,Charset.forName("UTF-8"));
			client.append(event);
		}
		client.close();
	}
}
  3. java端口及分配配置file文件：
    file文件名：loadbalance_client.propeties
    client.type = default_loadbalance
hosts = h1 h2
hosts.h1 = master:8888
hosts.h2 = slaver1:8888
host-selector = round_robin
  • 选择器Selector,把选择的数据传到hdfs上：
  1. flume配置：
    a1.sources = s1
a1.channels = c1 c2 c3
a1.sinks = k1 k2 k3

a1.sources.s1.type = avro
a1.sources.s1.bind = master
a1.sources.s1.port = 8888

a1.channels.c1.type = memory
a1.channels.c2.type = memory
a1.channels.c3.type = memory

a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path = /flume/s_henan
a1.sinks.k1.hdfs.rollInterval = 0
a1.sinks.k1.hdfs.rollSize = 0
a1.sinks.k1.hdfs.rollCount = 0
a1.sinks.k1.hdfs.fileType = DataStream
a1.sinks.k1.hdfs.writeFormat = Text
a1.sinks.k1.hdfs.useLocalTimeStamp = true

a1.sinks.k2.type = hdfs
a1.sinks.k2.hdfs.path = /flume/s_shandong
a1.sinks.k2.hdfs.rollInterval = 0
a1.sinks.k2.hdfs.rollSize = 0
a1.sinks.k2.hdfs.rollCount = 0
a1.sinks.k2.hdfs.fileType = DataStream
a1.sinks.k2.hdfs.writeFormat = Text
a1.sinks.k2.hdfs.useLocalTimeStamp = true

a1.sinks.k3.type = hdfs
a1.sinks.k3.hdfs.path = /flume/s_qita
a1.sinks.k3.hdfs.rollInterval = 0
a1.sinks.k3.hdfs.rollSize = 0
a1.sinks.k3.hdfs.rollCount = 0
a1.sinks.k3.hdfs.fileType = DataStream
a1.sinks.k3.hdfs.writeFormat = Text
a1.sinks.k3.hdfs.useLocalTimeStamp = true


a1.sources.s1.channels = c1 c2 c3
a1.sources.s1.selector.type = multiplexing
a1.sources.s1.selector.header = province
a1.sources.s1.selector.mapping.henan = c1
a1.sources.s1.selector.mapping.shandong = c2
a1.sources.s1.selector.default = c3

a1.sinks.k1.channel = c1
a1.sinks.k2.channel = c2
a1.sinks.k3.channel = c3
  2. Java实例代码：
    package com.zhiyou.bd23;
import java.nio.charset.Charset;
import java.util.HashMap;
import java.util.Map;
import java.util.Random;
import org.apache.flume.Event;
import org.apache.flume.api.RpcClient;
import org.apache.flume.event.EventBuilder;
public class SelectorTest {
	//随机产生数据，加上地区标识,地区有henan、shandong、shanghai、beijing
		//要求河南的数据存放到hdfs的/flume/s_henan目录
//			要求山东的的数据存放到hdfs的/flume/s_shandong目录
		//要求其他的的数据存放到hdfs的/flume/s_qita目录
		public static void main(String[] args) throws Exception{
			Random random = new Random();
			String[] provinces = new String[]{"henan","shandong","shanghai","beijing"};
			RpcClient client = FlumeClientUitls.getClient();
			for(int i=0;i<1000;i++){
				String province = provinces[random.nextInt(provinces.length)];
				Event event = EventBuilder.withBody("msg,"+province+","+i, Charset.forName("UTF-8"));
				Map<String,String> header = new HashMap<String,String>();
				header.put("province", province);
				event.setHeaders(header);
				System.out.println("msg,"+province+","+i);
				client.append(event);
			}
			client.close();
		}
	}
  • Search and Replace Interceptor搜索和替换拦截器：
  1. flume配置：
    应用了正则表达式：(\\d{3})\\d{4}(\\d{4})
    a1.sources = s1
a1.channels = c1
a1.sinks = k1

a1.sources.s1.type = avro
a1.sources.s1.bind = master
a1.sources.s1.port = 8888

a1.sources.s1.interceptors = i1
a1.sources.s1.interceptors.i1.type = search_replace
a1.sources.s1.interceptors.i1.searchPattern = (\\d{3})\\d{4}(\\d{4})
a1.sources.s1.interceptors.i1.replaceString = $1xxxx$2

a1.channels.c1.type = memory

a1.sinks.k1.type=logger


a1.sources.s1.channels = c1
a1.sinks.k1.channel = c1
  2. java实例代码：
    package com.zhiyou.bd23;
import java.nio.charset.Charset;
import java.util.Random;
import org.apache.flume.Event;
import org.apache.flume.api.RpcClient;
import org.apache.flume.event.EventBuilder;
public class MockPhoneNums {
	public static void main(String[] args) throws Exception{
		String[] no_frags = new String[]{"135","136","138","158","139","152","130","131"};
		Random random = new Random();
		RpcClient client = FlumeClientUitls.getClient();
		for(int i=0;i<100;i++){
			String pre = no_frags[random.nextInt(no_frags.length)];
			for(int j=0;j<8;j++){
				pre += random.nextInt(10);
			}
			System.out.println(pre);
			Event event = EventBuilder.withBody("pn:"+pre+"id:"+i+",name:user_"+i,Charset.forName("utf-8"));
			client.append(event);
		}
		client.close();
	}
}



























兔子先生i
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Flume-NG指令集和第一个简单的案例
a118170653的专栏
01-23 3048
# flume-ng指令 commands:   help                      display this help text   agent                     run a Flume agent   avro-client               run an avro Flume client   version            
Flume-ng的原理和使用
weixin_33724570的博客
02-03 191
原文发表在：http://blog.javachen.com/2014/07/22/flume-ng.html 1. 介绍 Flume NG是Cloudera提供的一个分布式、可靠、可用的系统，它能够将不同数据源的海量日志数据进行高效收集、聚合、移动，最后存储到一个中心化数据存储系统中。由原来的Flume OG到现在的Flume NG...
Flume NG 部署实践
木东居士
09-15 1897
前言由于数据量不是特别大，因此我们在使用Flume的时候没有使用分区，基本上就是在业务端的web server上部署了一个agent，然后输出到hdfs上。部署kafka 数据源可以参考我的另一篇文章，里面讲了我在工作中遇到的定制的kafka source。tail 数据源flume ng里面可以使用Exec Source来代替。其实就相当于执行了一个tail -f 的的命令。 Note You
flume大数据框架数据采集系统
feinifi的博客
08-27 1403
flume是cloudera开源的数据采集系统，现在是apache基金会下的子项目，他是hadoop生态系统的日志采集系统，用途广泛，可以将日志、网络数据、kafka消息收集并存储在大数据hdfs系统之上。现在的flume其实已经不是最初的flume了，他其实是flume-ng，就是flume二代，我们下载最新的apache-flume解压之后，发现bin目录有flume-ng可执行程序，...
Flume数据采集
lzs_fan的博客
06-12 6615
flume自带很长多的source，如：exe、kafka...其中有一个非常简单的source——httpsource，使用httpSource，flume启动后会拉起一个web服务来监听指定的ip和port。常用的使用场景：对于有些应用环境中，不能部署Flume SDK及其依赖项，可以在代码中通过HTTP而不是Flume的PRC发送数据的情况，此时HTTP SOURCE可以用来将数据接收到Fl...
数据采集工具——Flume
☆Silence♂
11-23 2121
文章内容输出来源：拉勾教育大数据高薪训练营 第一部分 Flume概述 无论数据来自什么企业，或是多大量级，通过部署Flume，可以确保数据都安全、及时地到达大数据平台，用户可以将精力集中在如何洞悉数据上。 第 1 节 Flume的定义 Flume由Cloudera公司开发，是一个分布式、高可靠、高可用的海量日志采集、聚合、传输的系统。 Flume支持在日志系统中定制各类数据发送方，用于采集数据; Flume提供对数据进行简单处理，并写到各种数据接收方的能力。 简单的说，Flume是实时采集.
flume-ng-sql-source:Flume Source从SQL数据库导入数据
05-12
flume-ng-sql-source 该项目用于与sql数据库进行通信 当前支持SQL数据库引擎 在最后一次更新之后，该代码已与hibernate集成在一起，因此该技术支持的所有数据库均应正常工作。 编译与包装 $ mvn package 部署方式 ...
flume-ng-sql-source-1.5.3.jar
11-26
flume-ng-sql-source-1.5.3.jar，flume采集mysql数据jar包，将此文件拖入FLUME_HOME/lib目录下，如果是CM下CDH版本的flume，则放到/opt/cloudera/parcels/CDH-xxxx/lib/flume-ng/lib下，同样需要的包还有mysql-...
Flume-ng-1.6.0-cdh.zip
04-08
Flume-ng-1.6.0-cdh.zip 内压缩了 3 个项目，分别为：flume-ng-1.6.0-cdh5.5.0.tar.gz、flume-ng-1.6.0-cdh5.7.0.tar.gz 和 flume-ng-1.6.0-cdh5.10.1.tar.gz，选择你需要的版本。
flume-ng-sql-source-1.5.2
10-12
flume-ng-sql-source-1.5.2源码
FlumeKafkaSink:Flume-ng Sink 插件生成到 Kafka
06-21
Flume-NG 的配置 # example.conf: A single-node Flume configuration # Name the components on this agent a1.sources = r1 a1.sinks = k1 k2 a1.channels = c1 c2 # Describe/configure the source a1.sources....
flume-ng-sql-source-release-1.5.2.zip
06-26
flume-ng-sql-source-release-1.5.2.jar 用flume-ng-sql-source 从数据库抽取数据到kafka，支持sql
Flume-ng在windows环境搭建并测试+log4j日志通过Flume输出到HDFS.docx
06-10
Flume-ng在windows环境搭建并测试+log4j日志通过Flume输出到HDFS 11111
flume-ng安装
01-05
flume-ng安装
flume-ng-1.6.0 cdh5.7.0安装包
03-01
flume-ng-1.6.0 cdh5.7.0安装包，稳定版本。大家可以自由下载
flume-ng-sql-source-1.5.2.jar
11-15
flume-ng-sql-source-1.5.2.jar从数据库中增量读取数据到hdfs中的jar包
flume-ng 1.4的安装
Jack Zhu
11-26 7380
flume-ng 1.4的安装 1.下载安装包   可以到官网http://www.apache.org/dist/flume/stable/网站下载安装包：apache-flume-1.4.0-bin.tar.gz 2.解压安装包   tar -zxvf apache-flume-1.4.0-bin.tar.gz 3.将解压后的文件夹移至指定目录下：    这里，我放置的位置是个
关于网页埋统计代码的一些总结
z69183787的专栏
11-30 4456
背景: 一个网站上线,开发者除了保证网站功能正常,体验优好之外,还有一项重要的工作是数据收集,通过收集用户的行为数据可以帮助了解网站的功能是否满足用户的需求,导流方式是否有效,新功能上线后是否效果是否达到设计初衷,根据数据指引有效优化产品体验以及发现新的产品方向是产品经理的必备技能,而如何采集准确并且足够的网站数据则应该是开发者的责任.在大数据处理能力越来越强下,以及机器学习等依赖数据哺育的
flume-ng help
qq_18532033的博客
03-21 139
[root@node002 flume]# flume-ng help Usage: /opt/flume-1.6.0/bin/flume-ng <command> [options]... commands: help display this help text agent run a Fl...
flume-ng未找到命令
最新发布
05-25
如果在使用 Flume-ng 时出现 "未找到命令" 的错误，可能是因为您的系统环境变量没有将 Flume-ng 的安装目录添加到 PATH 变量中。您可以尝试以下步骤来解决这个问题： 1. 检查您是否已经正确地安装了 Flume-ng，并...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值