flume和kafka整合——采集实时日志落地到hdfs
一、采用架构
flume 采用架构
exec-source + memory-channel + kafka-sink
kafka-source + memory-channel + hdfs-sink
模拟需求:
使用flume实时监听日志文件,并将采集数据传输到kafka,再从kafka采集数据到flume,最后落地到HDFS。
二、 前期准备
2.1 虚拟机配置
操作系统 | 主机名 | IP | flume | kafka |
---|---|---|---|---|
Ubuntu | slave1 | 192.168.0.104 | flume-kafka | 集群部署 |
Ubuntu | slave2 | 192.168.0.105 | 无 | 集群部署 |
Ubuntu | slave3 | 192.168.0.106 | kafka-flume | 集群部署 |
slave1部署flume实时监听日志文件
slave3部署flume实时消费kafka数据
kafka采用3台虚拟机集群部署方式
2.2 启动hadoop集群
因为需要将数据存储到HDFS,需要hadoop集群。这里使用Hadoop-2.7.6版本。不会集群的可以参考这篇:Hadoop-2.7.6 集群部署搭建
2.3 启动zookeeper集群,kafka集群
kafka单节点启动也可以。可以参考这篇:Kafka入门集群部署
三、编写配置文件
3.1 slave1创建flume-kafka.conf
cd /opt/apps/apache-flume-1.9.0-bin/job
vim flume-kafka.conf
在flume-kafka.conf输入
# Name the components on this agent
a1.sources = r1
a1.sinks = k1
a1.channels = c1
# Describe/configure the sources
# exec即execute执行命令
a1.sources.r1.type = exec
# 要执行的命令
a1.sources.r1.command = tail -F /data/sdk.log
# 执行shell脚本的绝对路径
a1.sources.r1.shell = /bin/bash -c
# Describe the sink
a1.sinks