flume
Apache Flume 是一个分布式、高可靠、高可用的用来收集、聚合、转移不同来源的大量日志数据到中央数据仓库的工具
Apache Flume是Apache软件基金会(ASF)的顶级项目
Event是Flume定义的一个数据流传输的最小单元。Agent就是一个Flume的实例,本质是一个JVM进程,该JVM进程控制Event数据流从外部日志生产者那里传输到目的地(或者是下一个Agent)
Agent中的source和sink与channel存取Event是异步的。
Flume的Source负责消费外部传递给它的数据(比如web服务器的日志)。外部的数据生产方以Flume Source识别的格式向Flume发送Event。
提示 “Source消耗由外部传递给它的Event”,这句话听起来好像Flume只能被动接收Event,实际上Flume也有Source是主动收集Event的,比如:Spooling Directory Source 、Taildir Source 。
Event会在每个Agent的Channel上进行缓存,随后Event将会传递到流中的下一个Agent或目的地(比如HDFS)。只有成功地发送到下一个Agent或目的地后Event才会从Channel中删除。这一步保证了Event数据流在Flume Agent中传输时端到端的可靠性。
net-example.properties 配置文件
bin/flume-ng agent --conf conf --conf-file conf/net-example.properties --name a1 -Dflume.root.logger=INFO,console
flume 示例(source netcat telnet 44444)
# example.conf: 一个单节点的 Flume 实例配置
# 配置Agent a1各个组件的名称
a1.sources = r1
#Agent a1 的source有一个,叫做r1
a1.sinks = k1
#Agent a1 的sink也有一个,叫做k1
a1.channels = c1
#Agent a1 的channel有一个,叫做c1
# 配置Agent a1的source r1的属性
a1.sources.r1.type = netcat
#使用的是NetCat TCP Source,这里配的是别名,Flume内置的一些组件都是有别名的,没有别名填全限定类名
a1.sources.r1.bind = master
#NetCat TCP Source监听的hostname,这个是本机
a1.sources.r1.port = 44444
#监听的端口
# 配置Agent a1的sink k1的属性
a1.sinks.k1.type = logger
# sink使用的是Logger Sink,这个配的也是别名
# 配置Agent a1的channel c1的属性,channel是用来缓冲Event数据的
a1.channels.c1.type = memory
#channel的类型是内存channel,顾名思义这个channel是使用内存来缓冲数据
a1.channels.c1.capacity = 1000
#内存channel的容量大小是1000,注意这个容量不是越大越好,配置越大一旦Flume挂掉丢失的event也就越多
a1.channels.c1.transactionCapacity = 100
#source和sink从内存channel每次事务传输的event数量
# 把source和sink绑定到channel上
a1.sources.r1.channels = c1
#与source r1绑定的channel有一个,叫做c1
a1.sinks.k1.channel = c1
#与sink k1绑定的channel有一个,叫做c1
./flume-ng agent --conf conf --conf-file conf/net-example.properties --name a1 -Dflume.root.logger=INFO,console
cmd telnet
flume 示例(source exec tail -f /home/hadoop/flumetest/test.log )
a1.sources = r1
a1.channels = c1
a1.sinks = k1
a1.sources.r1.type = exec
a1.sources.r1.command = tail -f /home/hadoop/flumetest/test.log
a1.sinks.k1.type = logger
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1
./flume-ng agent --conf conf --conf-file ../conf/spoolds.properties --name a1 -Dflume.root.logger=INFO,console
echo hello asds > test.log
chamnel memory
source netcat avro
sink hdfs logger HbaseSink avro
flume多agent 复杂流
Avro RPC 两个Agent 数据采集
以两个Agent为例,搭建Flume集群
Agent1负责对目录/flumeagent的监听,然后将数据通过Avro RPC发送给Agent2的Source
sqoop基础
基本概念
如下图所示,sqoop中有导入和导出的概念,参照物都是hadoop文件系统,其中关系型数据库可以是mysql、oracle和db2,hadoop文件系统中可以是hdfs、hive和hbase等。执行sqoop导入和导出,其本质都是转化成了mr任务去执行。
sqoop简介
Sqoop是一款开源的工具,主要用于在Hadoop(Hive)与传统的数据库(mysql、postgresql…)间进行数据的传递,可以将一个关系型数据库(例如 : MySQL ,Oracle ,Postgres等)中的数据导进到Hadoop的HDFS中,也可以将HDFS的数据导进到关系型数据库中。
sqoop安装:
安装在一台节点上就可以了。
1.上传sqoop
2.安装和配置
在添加sqoop到环境变量
将数据库连接驱动拷贝到$SQOOP_HOME/lib里
export HADOOP_COMMON_HOME=/home/hadoop/app/hadoop-2.10.1
3.使用
第一类:数据库中的数据导入到HDFS上 sqoop import
sqoop import --connect jdbc:mysql://192.168.1.10:3306/itcast --username root --password 123 --table trade_detail --columns 'id, account, income, expenses'
指定输出路径、指定数据分隔符
sqoop import --connect jdbc:mysql://192.168.1.10:3306/itcast --username root --password 123 --table trade_detail --target-dir '/sqoop/td' --fields-terminated-by '\t'
指定Map数量 -m
sqoop import --connect jdbc:mysql://192.168.1.10:3306/itcast --username root --password 123 --table trade_detail --target-dir '/sqoop/td1' --fields-terminated-by '\t' -m 2
增加where条件, 注意:条件必须用引号引起来
sqoop import --connect jdbc:mysql://192.168.1.10:3306/itcast --username root --password 123 --table trade_detail --where 'id>3' --target-dir '/sqoop/td2'
增加query语句(使用 \ 将语句换行)
sqoop import --connect jdbc:mysql://192.168.1.10:3306/itcast --username root --password 123 \
–query ‘SELECT * FROM trade_detail where id > 2 AND $CONDITIONS’ --split-by trade_detail.id --target-dir ‘/sqoop/td3’
注意:如果使用--query这个命令的时候,需要注意的是where后面的参数,AND $CONDITIONS这个参数必须加上
而且存在单引号与双引号的区别,如果--query后面使用的是双引号,那么需要在$CONDITIONS前加上\即\$CONDITIONS
如果设置map数量为1个时即-m 1,不用加上--split-by ${tablename.column},否则需要加上
第二类:将HDFS上的数据导出到数据库中 sqoop export
sqoop export --connect jdbc:mysql://192.168.8.120:3306/itcast --username root --password 123 --export-dir '/td3' --table td_bak -m 1 --fields-termianted-by '\t'
4.配置mysql远程连接
GRANT ALL PRIVILEGES ON itcast.* TO 'root'@'192.168.1.201' IDENTIFIED BY '123' WITH GRANT OPTION;
FLUSH PRIVILEGES;
GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFIED BY '123' WITH GRANT OPTION;
FLUSH PRIVILEGES
第一步 从hdfs /liuliang/srclog 统计出 topurl 到 /liuliang/output2/
hadoop fs -cat /liuliang/srclog/access_2013_05_30.log | more
./sqoop-version
./sqoop help
第二步 从hdfs /liuliang/output2/ 导出 数据库 urlcontent
bin/sqoop export \
--connect jdbc:mysql://cch:3306/urlcontent \
--username root --password 123456 \
--table urlinfo \
--export-dir /liuliang/output2/ \
--columns url \
--input-fields-terminated-by '\t'
第三步 从数据库 urlcontent 导出到 /sqoop_test/table_urlinfo/queryresult
bin/sqoop import \
--connect jdbc:mysql://cch:3306/urlcontent \
--username root \
--password 123456 \
--table urlinfo \
--m 1
bin/sqoop import --connect jdbc:mysql://cch:3306/urlcontent \
--username root--password 123456 \
--target-dir /sqoop_test/table_urlinfo/queryresult \
--table urlinfo --num-mappers 1