Flume笔记

CBeann

已于 2022-03-07 14:44:15 修改

阅读量603

点赞数 7

分类专栏：【hadoop】文章标签： Flume安装 FlumeDemo

于 2019-05-02 22:24:16 首次发布

本文链接：https://blog.csdn.net/qq_37171353/article/details/89738972

版权

【hadoop】专栏收录该内容

12 篇文章 6 订阅

订阅专栏

Flume介绍

Source 用于采集数据，Source 是产生数据流的地方，同时 Source 会将产生的数据流传输到 Channel，这个有点类似于 Java IO 部分的 Channel。
Channel 用于桥接 Sources 和 Sinks，类似于一个队列。
Sink 从 Channel 收集数据，将数据写到目标源(可以是下一个 Source，也可以是 HDFS 或者 HBase)。
Event 传输单元，Flume 数据传输的基本单元，以事件的形式将数据从源头送至目的地。

Flume安装

环境：

hadoop-2.7.2

apache-flume-1.7.0

资料下载：

学习视频下载

链接：https://pan.baidu.com/s/1TdHMihOPb0hHt6L5OmyTnA
提取码：o5h2
复制这段内容后打开百度网盘手机App，操作更方便哦

apache-flume-1.7.0-bin.tar.gz

链接：https://pan.baidu.com/s/1f9wcALqEHpFNIrTkrPd0XA
提取码：vujs
复制这段内容后打开百度网盘手机App，操作更方便哦

flume-hadoop-jar

链接：https://pan.baidu.com/s/1n0YVyRj4uqdVRhG5NyxmZA
提取码：axyc
复制这段内容后打开百度网盘手机App，操作更方便哦

注意事项：

安装包放在 /opt/software

安装在 /opt/module

看到端口8020和9000的配置时候仔细看一下文字，看到端口8020和9000的配置时候仔细看一下文字，看到端口8020和9000的配置时候仔细看一下文字（有坑）

安装过程：

将apache-flume-1.7.0 上传到 /opt/software下

将apache-flume-1.7.0 解压到 /opt/module 下，将解压后的文件夹重命名为flume

将flume/conf/flume-env.sh.template 重命名为 flume-env.sh

修改flume-env.sh之前

修改flume-env.sh之后

案例一：flume监控本地hello.txt(某某.log)文件并且上传到HDFS

拷贝Hadoop相关jar到 Flume的 lib目录下

jar列表

找别的版本的jar包解决方法

进入到hadoop目录下

用find 模糊查询名字，一个一个查询

编写flume-localfile-hdfs.conf

监控的文件的路径：

a2.sources.r2.command = tail -F /opt/module/flume/temp/hello.txt

hdfs路径（有坑）（有坑）（有坑）：

有的视频教程的端口是8020，即（ hdfs://你的ip地址:8020/flume/%Y%m%d/%H），如果你按照这个端口配置出现服务正常开启，但是数据写入不到HDFS中，那就是是这个端口的问题，端口的值应该与下面当初配置hdaoop的值一样，如下图中的值，

a2.sinks.k2.hdfs.path = hdfs://你的ip地址:9000/flume/%Y%m%d/%H

# 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/flume/temp/hello.txt
a2.sources.r2.shell = /bin/bash -c
# Describe the sink
a2.sinks.k2.type = hdfs
a2.sinks.k2.hdfs.path = hdfs://你的ip地址:9000/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 = 1000
#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 = 600
#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
#最小副本数
a2.sinks.k2.hdfs.minBlockReplicas = 1
# 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

执行监控任务

其中： job/flume-localfile-hdfs.conf是上面文件的路径

 bin/flume-ng agent --conf conf/ --name a2 --conf-file job/flume-localfile-hdfs.conf

结果展示（文字介绍）

HDFS会有 /flume/%Y%m%d/%H 目录，在本地的hello.txt里面添加数据 HDFS目录下的文件也会添加相应的数据

案例二：实时读取整个目录下的文件到 HDFS

创建要监控的文件夹

在 flume 文件下创建 upload 文件夹，如下图所示，其实在哪创建名字为某某的文件夹都无所谓

编写 flume-folder-hdfs.conf

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://47.105.132.96:9000/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 = 600
#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
#最小冗余数
a3.sinks.k3.hdfs.minBlockReplicas = 1
# 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

执行监控任务

 bin/flume-ng agent --conf conf/ --name a3 --conf-file job/flume-folder-hdfs.conf

结果展示（文字介绍）

HDFS上会创建相应的目录，在upload文件夹中创建的文件存在HDFS中合并成一个文件，并且本地文件上传成功的文件用.COMPLETED结尾

案例三：Flume 与 Flume 之间数据传递：单 Flume 多 Channel、 Sink

监控 /opt/module/flume/temp/hello.txt 并且上传到HDFS和本地的/opt/module/flume/temp2下

fiume1.conf

# Name the components on this agent
a1.sources = r1
a1.sinks = k1 k2
a1.channels = c1 c2
# 将数据流复制给多个 channel
a1.sources.r1.selector.type = replicating
# Describe/configure the source
a1.sources.r1.type = exec
a1.sources.r1.command = tail -F /opt/module/flume/temp/hello.txt
a1.sources.r1.shell = /bin/bash -c
# Describe the sink
a1.sinks.k1.type = avro
a1.sinks.k1.hostname = iZm5ea99qngm2v98asii1aZ
a1.sinks.k1.port = 4141
a1.sinks.k2.type = avro
a1.sinks.k2.hostname = iZm5ea99qngm2v98asii1aZ
a1.sinks.k2.port = 4142
# Describe the channel
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
a1.channels.c2.type = memory
a1.channels.c2.capacity = 1000
a1.channels.c2.transactionCapacity = 100
# Bind the source and sink to the channel
a1.sources.r1.channels = c1 c2
a1.sinks.k1.channel = c1
a1.sinks.k2.channel = c2

flume2.conf

# Name the components on this agent
a2.sources = r1
a2.sinks = k1
a2.channels = c1
# Describe/configure the source
a2.sources.r1.type = avro
a2.sources.r1.bind = iZm5ea99qngm2v98asii1aZ
a2.sources.r1.port = 4141
# Describe the sink
a2.sinks.k1.type = hdfs
a2.sinks.k1.hdfs.path = hdfs://iZm5ea99qngm2v98asii1aZ:9000/flume2/%Y%m%d/%H
#上传文件的前缀
a2.sinks.k1.hdfs.filePrefix = flume2-
#是否按照时间滚动文件夹
a2.sinks.k1.hdfs.round = true
#多少时间单位创建一个新的文件夹
a2.sinks.k1.hdfs.roundValue = 1
#重新定义时间单位
a2.sinks.k1.hdfs.roundUnit = hour
#是否使用本地时间戳
a2.sinks.k1.hdfs.useLocalTimeStamp = true
#积攒多少个 Event 才 flush 到 HDFS 一次
a2.sinks.k1.hdfs.batchSize = 100
#设置文件类型，可支持压缩
a2.sinks.k1.hdfs.fileType = DataStream
#多久生成一个新的文件
a2.sinks.k1.hdfs.rollInterval = 600
#设置每个文件的滚动大小大概是 128M
a2.sinks.k1.hdfs.rollSize = 134217700
#文件的滚动与 Event 数量无关
a2.sinks.k1.hdfs.rollCount = 0
#最小冗余数
a2.sinks.k1.hdfs.minBlockReplicas = 1
# Describe the channel
a2.channels.c1.type = memory
a2.channels.c1.capacity = 1000
a2.channels.c1.transactionCapacity = 100
# Bind the source and sink to the channel
a2.sources.r1.channels = c1
a2.sinks.k1.channel = c1

fiume3.conf

注意： a3.sinks.k1.sink.directory = /opt/module/flume/temp2 的目录自己创建，否则不会成功

# Name the components on this agent
a3.sources = r1
a3.sinks = k1
a3.channels = c1
# Describe/configure the source
a3.sources.r1.type = avro
a3.sources.r1.bind = iZm5ea99qngm2v98asii1aZ
a3.sources.r1.port = 4142
# Describe the sink
a3.sinks.k1.type = file_roll
a3.sinks.k1.sink.directory = /opt/module/flume/temp2
# Describe the channel
a3.channels.c1.type = memory
a3.channels.c1.capacity = 1000
a3.channels.c1.transactionCapacity = 100
# Bind the source and sink to the channel
a3.sources.r1.channels = c1
a3.sinks.k1.channel = c1

执行监控任务:先启动flume1,在启动23

bin/flume-ng agent --conf conf/ --name a1 --conf-file job/groupjob/flume1.conf

bin/flume-ng agent --conf conf/ --name a2 --conf-file job/groupjob/flume2.conf

bin/flume-ng agent --conf conf/ --name a3 --conf-file job/groupjob/flume3.conf

结果展示（文字介绍）

HDFS中写入数据，本地指定的文件夹中也有数据

参考资料

尚硅谷大数据之 flume

链接：https://pan.baidu.com/s/1TdHMihOPb0hHt6L5OmyTnA
提取码：o5h2
复制这段内容后打开百度网盘手机App，操作更方便哦

遇到的坑

问题1：安装flume后数据写入不到HDFS，启动不报错

解决办法：conf中的端口应该和配置hadoop中core-site.xml（图二)中端口一致

参考文献：解决flume采集文件写不到hdfs里面问题_晓风岚月-CSDN博客_flume不能写入hdfs

CBeann

关注

7
点赞
踩
8

收藏

觉得还不错? 一键收藏
打赏
0
评论
Flume笔记

Flume介绍Source 用于采集数据，Source 是产生数据流的地方，同时 Source 会将产生的数据流传输到 Channel，这个有点类似于 Java IO 部分的 Channel。 Channel 用于桥接 Sources 和 Sinks，类似于一个队列。 Sink 从 Channel 收集数据，将数据写到目标源(可以是下一个 Source，也可以是 HDFS 或者 HBas...
复制链接

扫一扫