Flume NG 学习笔记（二）单机与集群Flume 配置

下面的内容基本来自官网：http://flume.apache.org/FlumeUserGuide.html英语好的就不用看我这里来。。。

本文使用的是最新版本的apache flume 1.5，安装完Flume然后测试下Flume是否可以用，在Flume目录下用以下语句测试：

bin/flume-ng agent -n$agent_name -c conf -f conf/flume-conf.properties.template

结果如图显示：

Ok,我们接下去看下面常用架构、功能配置示例

一、最简单的单一代理Flume 配置

 

下面是配置文件：

#文件名：single_case1.conf.conf
#配置内容：
#single_case1.conf.conf: A single-node Flume configuration
#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

说明下，这里所有的例子都是将配置文件放到 $FLUME_HOME/conf 目录下，后面就不赘述了。

 

#敲命令

flume-ng agent -cconf -f conf/single_case1.conf -n a1 -Dflume.root.logger=INFO,console

 

#参数命令

-c conf 指定配置目录为conf

-f conf/single_case1.conf指定配置文件为conf/single_case1.conf

-n a1 指定agent名字为a1,需要与case1_example.conf中的一致

-Dflume.root.logger=INFO,console指定DEBUF模式在console输出INFO信息

具体参数命令请通过flume-nghelp查看

 

#然后在另一个终端进行测试

telnet 127.0.0.1 44444

然后会看在之前启动的终端查看console输出到如下：

这里会发现消息hello world! 输出了，而hello world! hello world!hello world!则被拦截了。因为在配置文件中，我们选择的输出方式为：a1.sinks.k1.type= logger

，即console输出，flume-ng针对logger是只显示16个字节的，剩下的都被sink截了。下面是源码
在LoggerSink.java中：

if(event != null) {
       if (logger.isInfoEnabled()) {
         logger.info("Event: " + EventHelper.dumpEvent(event));
       }
}

我们去看EventHelper.java的dumpEvent方法：

privatestatic final int DEFAULT_MAX_BYTES = 16;
publicstatic String dumpEvent(Event event) {
   return dumpEvent(event, DEFAULT_MAX_BYTES);
}
 
publicstatic String dumpEvent(Event event, int maxBytes) {
   StringBuilder buffer = new StringBuilder();
   if (event == null || event.getBody() == null) {
     buffer.append("null");
   } else if (event.getBody().length == 0) {
     // do nothing... in this case, HexDump.dump() will throw anexception
   } else {
     byte[] body = event.getBody();
     byte[] data = Arrays.copyOf(body, Math.min(body.length,maxBytes));
     ByteArrayOutputStream out = new ByteArrayOutputStream();
     try {
       HexDump.dump(data, 0, out, 0);
       String hexDump = new String(out.toByteArray());
       // remove offset since it's not relevant for such a smalldataset
       if(hexDump.startsWith(HEXDUMP_OFFSET)) {
         hexDump =hexDump.substring(HEXDUMP_OFFSET.length());
       }
       buffer.append(hexDump);
     } catch (Exception e) {
      if(LOGGER.isInfoEnabled()) {
        LOGGER.info("Exception while dumpingevent", e);
      }
       buffer.append("...Exception while dumping:").append(e.getMessage());
     }
     String result = buffer.toString();
     if(result.endsWith(EOL) && buffer.length() >EOL.length()) {
       buffer.delete(buffer.length() - EOL.length(),buffer.length()).toString();
     }
   }
   return "{ headers:" + event.getHeaders() + " body:"+ buffer + " }";
 }

不难看出，在event处理过程中，发生了数据截取操作。

Ok，进入下一个环节。

 

二、“集群”代理Flume 配置

这里集群的概念是多台机器的管理，最简单的就是两台机器一台代理主机从数据源获取数据，然后将数据在传送到另一台主机上，进行输出。这样做的意义是，一个业务多数据源的时候，我们可以对每个数据源设置代理，然后将它们汇总到一台代理主机上进行输出。

下面实现最简单的集群配置，即两个代理，一台接受数据源数据的代理将数据推送到汇总的代理，而汇总的代理再将数据输出。因此这两台主机分别是push,pull

根据上图需要用AVRO RPC通信，因此推数据sinks类型与拉数据的sources的类型都是avro 。而拉数据代理的数据源，我们用前文讲的Spool Source 形式来处理，这里我们预先建好目录与文件，test.log

下面设置推代理主机的flume配置文件：

#推数据代理的配置文件push.conf
#Name the components on this agent
a2.sources= r1
a2.sinks= k1
a2.channels= c1
 
#Describe/configure the source
a2.sources.r1.type= spooldir
a2.sources.r1.spoolDir= /tmp/logs
a2.sources.r1.channels= c1
 
#Use a channel which buffers events in memory
a2.channels.c1.type= memory
a2.channels.c1.keep-alive= 10
a2.channels.c1.capacity= 100000
a2.channels.c1.transactionCapacity= 100000
 
#Describe/configure the source
a2.sinks.k1.type= avro
a2.sinks.k1.channel= c1
a2.sinks.k1.hostname= pull
a2.sinks.k1.port= 4444

下面设置汇总代理主机的flume配置文件：

#汇总数据代理的配置文件pull.conf
#Name the components on this agent
a1.sources= r1
a1.sinks= k1
a1.channels= c1
 
#Describe/configure the source
a1.sources.r1.type= avro
a1.sources.r1.channels= c1
a1.sources.r1.bind= pull
a1.sources.r1.port= 44444
 
#Describe the sink
a1.sinks.k1.type= logger
 a1.sinks.k1.channel = c1
 
#Use a channel which buffers events in memory
a1.channels.c1.type= memory
a1.channels.c1.keep-alive= 10
a1.channels.c1.capacity= 100000
a1.channels.c1.transactionCapacity= 100000

虽然Spool Source是非实时的，但由于数据量少，处理还是很快的，因此我们只能先启动pull代理。

#敲命令

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

上图显示成功。

先后去启动push主机的flume

#敲命令

flume-ng agent -n a2 -c conf -f conf/push.conf -Dflume.root.logger=INFO,console

查看pull主机的状态，发现数据已经传过来了。

然后会过去看push主机的文件

已经加上后缀名.COMPLETED。这与前文说的是一致的。

 

下面只要将新数据存入到目录/tmp/logs，push主机就会将数据发送到pull主机输出，并修改新数据文件的文件名。