Flume之：二、企业开发案例

Flume之：二、企业开发案例

---

---

—>Spark知识点总结导航<—

---

三、企业开发案例

1. 监控端口数据官方案例

(1) 案例需求：首先，Flume监控本机44444端口，然后通过telnet工具向本机44444端口发送消息，最后Flume将监听的数据实时显示在控制台。

(2) 需求分析：

(3) 实现步骤：
  ①. 安装telnet工具
    a) 检查是否已经安装telnet

rpm -qa | grep telnet

  如果什么都没有，就是没有安装接着下一步吧。

    b) 安装telnet及telnet-server，注意，需要root权限来安装。（在线安装，需要网络）

yum install telnet -y
				
yum install telnet-server -y

    c) 因为装好telnet服务之后，默认是不开启服务的，下面我们需要修改文件来开启服务。

vim /etc/xinetd.d/telnet

 修改 disable = yes 为 disable = no

    d) 需要激活xinetd服务

service xinetd restart

 如果已经开启，就是这样：

    e) 需要测试telnet是否成功开启

telnet localhost

 如果前面的操作都没问题，输入用户名密码能登录成功。

  当你使用其他机器远程telnet的时候，如果不成功，那么很有可能是防火墙的问题，下面我们来修改防火墙的设置
  关闭防火墙

  ②. 判断44444端口是否被占用

sudo netstat -tunlp | grep 44444

 被占用：

  功能描述：netstat命令是一个监控TCP/IP网络的非常有用的工具，它可以显示路由表、实际的网络连接以及每一个网络接口设备的状态信息。

  基本语法：netstat [选项]

  选项参数：

				-t或--tcp：显示TCP传输协议的连线状况； 
				-u或--udp：显示UDP传输协议的连线状况；
				-n或--numeric：直接使用ip地址，而不通过域名服务器； 
				-l或--listening：显示监控中的服务器的Socket； 
				-p或--programs：显示正在使用Socket的程序识别码和程序名称；

  ③. 创建Flume Agent配置文件flume-telnet-logger.conf
    在flume目录下创建job文件夹并进入job文件夹。

mkdir jobconf
		
cd jobconf/

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

			touch flume-telnet-logger.conf

 在flume-telnet-logger.conf文件中添加如下内容。

			vim flume-telnet-logger.conf

 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

 注：配置文件来源于官方手册http://flume.apache.org/FlumeUserGuide.html

  ④. 先开启flume监听端口

		bin/flume-ng agent --conf conf/ --name a1 --conf-file jobconf/flume-telnet-logger.conf -Dflume.root.logger=INFO,console

 出现问题：（不需要解决）

		Error: Could not find or load main class org.apache.flume.tools.GetJavaProperty

 参数说明：

			--conf conf/  ：表示配置文件存储在conf/目录
			--name a1    ：表示给agent起名为a1
			--conf-file job/flume-telnet.conf ：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。

  ⑤. 使用telnet工具向本机的44444端口发送内容

			[duck@Cloud00 ~]$ telnet localhost 44444

  ⑥．在Flume监听页面观察接收数据情况

---

2. 实时读取本地文件到HDFS案例

(1) 案例需求：实时监控Hive日志，并上传到HDFS中

(2) 需求分析：

(3) 实现步骤：
  ①. Flume要想将数据输出到HDFS，必须持有Hadoop相关jar包
    将hadoop-common-2.7.2.jar (~/software/hadoop/share/hadoop/common)、

		commons-configuration-1.6.jar  (~/software/hadoop/share/hadoop/common/lib)、
		commons-io-2.4.jar、
		hadoop-auth-2.7.2.jar、
		htrace-core-3.1.0-incubating.jar、
		hadoop-hdfs-2.7.2.jar (~/software/hadoop/share/hadoop/hdfs)、

 拷贝到/home/duck/software/flume/lib文件夹下。

  ②. 创建flume-file-hdfs.conf文件
      创建文件

		 touch 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。

		vim flume-file-hdfs.conf

 

		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 /home/duck/software/hive/logs/hive.log
		a2.sources.r2.shell = /bin/bash -c
		 
		# Describe the sink
		a2.sinks.k2.type = hdfs
		a2.sinks.k2.hdfs.path = hdfs://Cloud00:9000/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
		#最小冗余数
		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

  ③. 执行监控配置

		bin/flume-ng agent --conf conf/ --name a2 --conf-file jobconf/flume-file-hdfs.conf
		
		bin/flume-ng agent --conf conf/ --name a2 --conf-file jobconf/flume-file-hdfs.conf -Dflume.root.logger=INFO,console

  ④. 开启Hadoop和Hive并操作Hive产生日志

		sbin/start-dfs.sh
		sbin/start-yarn.sh
		bin/hive

  ⑤. 在HDFS上查看文件。

---

3. 实时读取目录文件到HDFS案例

(1) 案例需求：使用Flume监听整个目录的文件

(2) 需求分析：

(3) 实现步骤：
  ①. 创建配置文件flume-dir-hdfs.conf
     创建一个文件

				 touch flume-dir-hdfs.conf

   打开文件

				 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 = /home/duck/software/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://Cloud00:9000/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

  ②. 启动监控文件夹命令

		bin/flume-ng agent --conf conf/ --name a3 --conf-file job/flume-dir-hdfs.conf -Dflume.root.logger=INFO,console

   说明： 在使用Spooling Directory Source时
    a) 不要在监控目录中创建并持续修改文件
    b) 上传完成的文件会以.COMPLETED结尾
    c) 被监控文件夹每500毫秒扫描一次文件变动

  ③. 向upload文件夹中添加文件
   在/home/duck/software/flume目录下创建upload文件夹

			mkdir upload
			向upload文件夹中添加文件
			vim text1.txt
			vim text1.tmp
			vim text1.log
			（随便编辑内容）

  ④. 查看HDFS上的数据

  ⑤. 等待1s，再次查询upload文件夹

---

4. flume监控Kafka

(1)

(2)

(3)
  ①. 开启zookeeper集群、Kafka集群

  ②

. bin/flume-ng agent --conf conf/ --name a4 --conf-file jobconf/flume-exec-kafka.conf -Dflume.root.logger=INFO,console

  ③. 开启消费者

未完待续…

---

--->有问题请联系QQ1436281495^_^

---