flume综合案例

综合案例
1、案例场景/需求
A、B 两台日志服务机器实时生产日志主要类型为 access.log、nginx.log、web.log
现在要求：
把 A、B 机器中的 access.log、nginx.log、web.log 采集汇总到 C 机器上然后统一收集到 hdfs
中。
但是在 hdfs 中要求的目录为：
/source/logs/access/20160101/**
/source/logs/nginx/20160101/**
/source/logs/web/20160101/**
2、场景分析

3、数据处理流程分析

4、需求实现
第一：准备 3 台服务器
服务器 A 对应的 IP 为 192.168.123.103，主机名为 hadoop03
服务器 B 对应的 IP 为 192.168.123.104，主机名为 hadoop04
服务器 C 对应的 IP 为 192.168.123.105，主机名为 hadoop05
第二：设计采集方案 exec_source_avro_sink.properties
在服务器 hadoop03 和服务器 hadoop04 上的$FLUME_HOME/agentconf 创建采集方案的配置
文件 exec_source_avro_sink.properties，文件内容为：
|# 指定各个核心组件
a1.sources = r1 r2 r3
a1.sinks = k1
a1.channels = c1

a1.sources.r1.type = exec
a1.sources.r1.command = tail -F /home/hadoop/flume_data/access.log
a1.sources.r1.interceptors = i1
a1.sources.r1.interceptors.i1.type = static
a1.sources.r1.interceptors.i1.key = type
a1.sources.r1.interceptors.i1.value = access
a1.sources.r2.type = exec
a1.sources.r2.command = tail -F /home/hadoop/flume_data/nginx.log
a1.sources.r2.interceptors = i2
a1.sources.r2.interceptors.i2.type = static
a1.sources.r2.interceptors.i2.key = type
a1.sources.r2.interceptors.i2.value = nginx
a1.sources.r3.type = exec
a1.sources.r3.command = tail -F /home/hadoop/flume_data/web.log
a1.sources.r3.interceptors = i3
a1.sources.r3.interceptors.i3.type = static
a1.sources.r3.interceptors.i3.key = type
a1.sources.r3.interceptors.i3.value = web

a1.sinks.k1.type = avro
a1.sinks.k1.hostname = hadoop05
a1.sinks.k1.port = 41414

a1.channels.c1.type = memory
a1.channels.c1.capacity = 20000
a1.channels.c1.transactionCapacity = 10000

a1.sources.r1.channels = c1
a1.sources.r2.channels = c1
a1.sources.r3.channels = c1
a1.sinks.k1.channel = c1 |
第三：准备 avro_source_hdfs_sink.properties 配置文件
在服务器 C 上的KaTeX parse error: Expected 'EOF', got '#' at position 71: …erties 文件内容为： |#̲定义 agent 名， sou…Builder
#定义 channels
a1.channels.c1.type = memory
a1.channels.c1.capacity = 20000
a1.channels.c1.transactionCapacity = 10000
#定义 sink
a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path=hdfs://myha01/source/logs/%{type}/%Y%m%d
a1.sinks.k1.hdfs.filePrefix =events
a1.sinks.k1.hdfs.fileType = DataStream
a1.sinks.k1.hdfs.writeFormat = Text
#时间类型
a1.sinks.k1.hdfs.useLocalTimeStamp = true
#生成的文件不按条数生成
a1.sinks.k1.hdfs.rollCount = 0
#生成的文件按时间生成
a1.sinks.k1.hdfs.rollInterval = 30
#生成的文件按大小生成
a1.sinks.k1.hdfs.rollSize = 10485760
#批量写入 hdfs 的个数
a1.sinks.k1.hdfs.batchSize = 20
#flume 操作 hdfs 的线程数（包括新建，写入等）
a1.sinks.k1.hdfs.threadsPoolSize=10
#操作 hdfs 超时时间
a1.sinks.k1.hdfs.callTimeout=30000
#组装 source、channel、sink
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1 |
第四：启动
配置完成之后，在服务器 A 和 B 上的/home/hadoop/data 有数据文件 access.log、nginx.log、
web.log。
先启动服务器 C（hadoop05）上的 flume，启动命令：在 flume 安装目录下执行：
bin/flume-ng agent -c conf -f agentconf/avro_source_hdfs_sink.properties -name a1 -
Dflume.root.logger=DEBUG,console
然后在启动服务器上的 A（hadoop03）和 B（hadoop04），启动命令：在 flume 安装目录下执
行：
bin/flume-ng agent -c conf -f agentconf/exec_source_avro_sink.properties -name a1 -
Dflume.root.logger=DEBUG,console
第五：测试
自行测试