Flume (二) ---------- Flume 安装

已于 2022-11-07 09:08:06 修改
阅读量363 收藏 2
点赞数
分类专栏： 大数据架构 文章标签： flume 大数据
于 2022-08-06 22:24:13 首次发布
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/m0_51111980/article/details/126199070
版权

目录

一、Flume 安装部署

1. 安装地址

2. 安装部署

将 apache-flume-1.9.0-bin.tar.gz 上传到 linux 的 /opt/software 目录下

解压 apache-flume-1.9.0-bin.tar.gz 到 /opt/module/ 目录下

[fancyry@hadoop102 software]$ tar -zxf /opt/software/apache-flume-1.9.0-bin.tar.gz -C /opt/module/

修改 apache-flume-1.9.0-bin 的名称为 flume

[fancyry@hadoop102 module]$ mv /opt/module/apache-flume-1.9.0-bin /opt/module/flume

将 lib 文件夹下的 guava-11.0.2.jar 删除以兼容 Hadoop 3.1.3

[fancyry@hadoop102 lib]$ rm /opt/module/flume/lib/guava-11.0.2.jar

二、Flume 入门案例

1. 监控端口数据官方案例

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。

需求分析：

在这里插入图片描述
实现步骤：

安装 netcat 工具

[fancyry@hadoop102 software]$ sudo yum install -y nc

判断 44444 端口是否被占用

[fancyry@hadoop102 flume-telnet]$ sudo netstat -nlp | grep 44444

创建 Flume Agent 配置文件 flume-netcat-logger.conf

在 flume 目录下创建 job 文件夹并进入 job 文件夹

[fancyry@hadoop102 flume]$ mkdir job
[fancyry@hadoop102 flume]$ cd job/

在 job 文件夹下创建 Flume Agent 配置文件 flume-netcat-logger.conf。

[fancyry@hadoop102 job]$ vim flume-netcat-logger.conf

在 flume-netcat-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

配置文件解析
在这里插入图片描述
先开启 flume 监听端口

第一种写法：

[fancyry@hadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a1 --conf-file job/flume-netcat-logger.conf -Dflume.root.logger=INFO,console

第二种写法：

[fancyry@hadoop102 flume]$ bin/flume-ng agent -c conf/ -n a1 -f job/flume-netcat-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。

使用 netcat 工具向本机的 44444 端口发送内容

[fancyry@hadoop102 ~]$ nc localhost 44444
hello
fancyry

在 Flume 监听页面观察接收数据情况
在这里插入图片描述

2. 实时监控单个追加文件

案例需求：实时监控 Hive 日志，并上传到 HDFS 中

需求分析：

在这里插入图片描述

实现步骤：

A、Flume 要想将数据输出到 HDFS，依赖 Hadoop 相关 jar 包

检查 /etc/profile.d/my_env.sh 文件，确认 Hadoop 和 Java 环境变量配置正确

JAVA_HOME=/opt/module/jdk1.8.0_212
HADOOP_HOME=/opt/module/ha/hadoop-3.1.3
PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
export PATH JAVA_HOME HADOOP_HOME

B、创建 flume-file-hdfs.conf 文件

创建文件

[fancyry@hadoop102 job]$ vim flume-file-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。

添加如下内容

# 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://hadoop102:9820/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 = 100
#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 = 60
#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

C、运行 Flume

[fancyry@hadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a2 --conf-file job/flume-file-hdfs.conf

D、开启 Hadoop 和 Hive 并操作 Hive 产生日志

[fancyry@hadoop102 hadoop-2.7.2]$ sbin/start-dfs.sh
[fancyry@hadoop103 hadoop-2.7.2]$ sbin/start-yarn.sh
[fancyry@hadoop102 hive]$ bin/hive
hive (default)>

E、在 HDFS 上查看文件

3. 实时监控目录下多个新文件

案例需求：使用 Flume 监听整个目录的文件，并上传至 HDFS

需求分析：

在这里插入图片描述

实现步骤：

A、创建配置文件 flume-dir-hdfs.conf
创建一个文件

[fancyry@hadoop102 job]$ 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
a3.sinks.k3.type = hdfs
a3.sinks.k3.hdfs.path =
hdfs://hadoop102:9820/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

B、启动监控文件夹命令

[fancyry@hadoop102 flume]$ 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。

C、向 upload 文件夹中添加文件

在 /opt/module/flume 目录下创建 upload 文件夹

[fancyry@hadoop102 flume]$ mkdir upload
向 upload 文件夹中添加文件
[fancyry@hadoop102 upload]$ touch fancy.txt
[fancyry@hadoop102 upload]$ touch fancy.tmp
[fancyry@hadoop102 upload]$ touch fancy.log

D、查看 HDFS 上的数据

4. 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。

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

需求分析：

在这里插入图片描述

实现步骤：

A、创建配置文件 flume-taildir-hdfs.conf
创建一个文件

[fancyry@hadoop102 job]$ vim flume-taildir-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 = TAILDIR
a3.sources.r3.positionFile = /opt/module/flume/tail_dir.json
a3.sources.r3.filegroups = f1 f2
a3.sources.r3.filegroups.f1 = /opt/module/flume/files/.*file.*
a3.sources.r3.filegroups.f2 = /opt/module/flume/files2/.*log.*
# Describe the sink
a3.sinks.k3.type = hdfs
a3.sinks.k3.hdfs.path =
hdfs://hadoop102:9820/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 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

B、启动监控文件夹命令

[fancyry@hadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a3 --conf-file job/flume-taildir-hdfs.conf

C、向 files 文件夹中追加内容
在 /opt/module/flume 目录下创建 files 文件夹

[fancyry@hadoop102 flume]$ mkdir files

向 upload 文件夹中添加文件

[fancyry@hadoop102 files]$ echo hello >> file1.txt
[fancyry@hadoop102 files]$ echo fancy >> file2.txt

D、查看 HDFS 上的数据

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。

在森林中麋了鹿
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
flume-ng安装
01-05
flume-ng安装
hadoop的Flume配置
weixin_59601631的博客
12-08 263
hadoop的Flume配置
Flume启动脚本报错/无效
Y_Aryan的博客
02-04 264
（1）执行 fl.sh stop时，能正常关闭。————> 表示该脚本能正常执行（权限为777）（2）但在执行 fl.sh start ，却发现没有启动任何一个服务器的 Flume进程（即 JPS都查不到Application）可以正常启动 Flume，用jps查询进程能查到 “Application”
flume No such file or directory
weixin_41259597的博客
12-29 1658
flume agent无角色日志
一文带你入门Flume
qq_48959845的博客
03-10 383
1，Flume概述 Flume是Cloudera提供的一款高可用，高可靠的，分布式海量日志采集软件。 Flume的核心是把数据从数据源（source）收集过来，再将收集到的数据送到指定的目的地（sink）。为了保证数据的成功传输，在数据传送到目的地（sink）之前会先将数据缓存下来（channel），在数据真正到达目的地后，再将缓存的数据删除。 2，架构图 Agent:Flume的核心角色是Agent,Agent本身是一个JAVA进程他运行在Flume所在的节点。 Source:采集源，数据源负责采集数据
六、Flume 组件安装配置
流年的博客
05-11 127
# 解压：tar -zxvf apache-flume-1.7.0-bin.tar.gz# 重命名：mv apache-flume-1.7.0-bin/ flume# 配置环境变量：vi /etc/profileexport FLUME_HOME=/usr/local/src/flumeexport PATH=$PATH:$FLUME_HOME/bin刷新环境变量：source /etc/profile# 切换目录：cd /usr/local/src/flume/conf# 拷贝文件：cp flume-en
Flume 入门
weixin_44966780的博客
12-15 915
Flume 入门 1、Flume 安装部署 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/ 安装部署 （1）将 apache-flume-1.9.0-bin.tar.gz 上传到 linux 的/opt/software 目录下 （2）解压 apache-flume-1.
Flume的学习及使用
xhzxhz12的博客
05-19 769
第一章：Flume的简介 1.1 大数据处理流程 在企业中，大数据的处理流程一般是： 1.数据采集 2.数据存储 3.数据清洗 4.数据分析 5.数据展示 参考下图： 1.2 Flume的简介 Flume是一种分布式的，可靠的、高可用的服务，用于有效地收集，聚合和移动大量日志数据。它具有基于流数据流的简单灵活的体系结构。它具有可调整的可靠性机制以及许多故障转移和恢复机制，具有强大的功能和容错能力。它使用一个简单的可扩展数据模型，允许在线分析应用程序。 参考官网： http://flume.apache
Flume 快速入门【概述、安装、拦截器】
JIE的博客
10-29 1585
Flume 是一个开源的数据采集工具，最初由 Apache 软件基金会开发和维护。它的主要目的是帮助用户将大规模数据从各种数据源（如日志文件、网络数据源、消息队列等）采集、传输和加载到数据存储系统（如 Hadoop HDFS、Apache HBase、Apache Hive 等）。Flume 旨在处理大规模数据流，以便进行数据分析和处理。
Flume 入门教程（超详细）
热门推荐
西门催学不吹雪
03-10 1万+
文章目录1. Flume 概述1.1 Flume 定义 1. Flume 概述 1.1 Flume 定义   
flume-interceptor-1.0-SNAPSHOT.jar
08-16
注意：flume-interceptor-1.0-SNAPSHOT.jar flume-interceptor-1.0-SNAPSHOT.jar flume-interceptor-1.0-SNAPSHOT.jar flume-interceptor-1.0-SNAPSHOT.jar flume-interceptor-1.0-SNAPSHOT.jar flume-interceptor-...
flume-ng-sql-source-1.5.2
10-12
flume-ng-sql-source-1.5.2源码
flume-chd版本
04-26
这个是linux下flume-chd版本压缩包
flume-ng-sql-source
01-03
flume-ng从数据库抽取数据到kafka，支持按数据库中时间字段，准实时抽取实时数据。已经在oracle-kafka中长期测试可用
flume配置
最新发布
yujinlong2002的博客
04-26 119
删除Flume安装目录的lib目录下的guava-11.0.2.jar包，之后查看/etc/profile文件中的Hadoop安装目录，将Hadoop安装目录的/share/hadoop/common/lib/目录中的guava-27.0-jre.jar复制至Flume安装目录的lib目录。进入Flume安装目录的conf目录，将flume-env.sh.template重命名为flume-env.sh，Java安装目录添加至flume-env.sh文件末尾。个人笔记：仅供参考如有错误望指正。
【Hadoop】-HDFS的存储原理[4]
weixin_63106307的博客
04-20 1369
HDFS的存储原理是将大文件切分成固定大小的数据块，并在集群中的不同节点上存储数据块的，以提高数据的可靠性和性能。同时，HDFS采用流式的数据读写方式，减少了寻址的开销，提高了数据的传输效率。
ELK日志系统的搭建
adminstate的博客
04-23 1026
ELK日志系统搭建
ElasticSearch 入门学习
灰熊
04-23 729
ElasticsSearch 是一个分布式的实时文档存储，每个字段可以被索引与搜索也是一个分布式实时分析搜索引擎也是一个能胜任上百个服务节点的扩展，并支持 PB 级别的结构化或者非结构化数据。
flume-ng未找到命令
05-18
如果你在执行 flume-ng 命令时出现 "未找到命令" 的错误提示，可能是因为 flume-ng 没有被正确安装或者没有被添加到系统环境变量中。你可以尝试以下解决方案： 1. 确认 flume-ng 是否已经安装。你可以使用命令行...

“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

打赏作者

在森林中麋了鹿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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