Flume学习--1、Flume概述、Flume入门、

最新推荐文章于 2024-04-12 17:07:16 发布
最新推荐文章于 2024-04-12 17:07:16 发布
阅读量1.1k 收藏 3
点赞数
分类专栏： Flume 文章标签： flume 学习 大数据
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/qq_44804713/article/details/131120244
版权

1、Flume概述

1.1 Flume定义

Flume是Cloudera提供的一个高可用，高可靠的，分布式的海量日志采集、聚合和传输的系统。Flume基于流式结构，灵活简单。

在这里插入图片描述
Flume最主要的作用就是实时读取服务器本地磁盘的数据，将数据写入到HDFS。

1.2 Flume基础架构

在这里插入图片描述

1.2.1 Agent

Agent是一个JVM进程，它以事件的形式将数据从源头送至目的。
Agent主要有三个部分组成，Source、Channel、Sink。

1.2.2 Source

Source是负责接受数据到Flume Agent的组件。Source组件可以处理各种类型、各种格式的日志数据，包括avro、thrift、exec、jms、spooling directory、netcat、taildir、sequence、generator、syslog、http、legacy。

1.2.3 Sink

Sink不断轮询Channel中的事件并且批量地移除它们，并将这些事件批量写入到储存或索引系统、或者被发送到另一个Flume Agent。
Sink组件目的地包括hdfs、logger、avro、thrift、ipc、file、HBase、solr、自定义

1.2.4 Channel

Channel是位于Source和Sink之间的缓冲区。因此，Channel允许Source和Sink运作在不同的速率上。Channel是线程安全的，可以同时处理几个Source的写入操作和几个Sink的读取操作。
Flume自带两种Channel：Memory Channel和File Channel。
Memory Channel是内存中的队列。Memory Channel在不需要关心数据丢失的情景下适用。如果需要关心数据丢失，那么Memory Channel就不应该使用，因为程序死亡、机器宕机或者重启都会导致数据丢失。
File Channel将所有事件都写到磁盘。因为在程序关闭或机器宕机的情况下不会丢失数据。

1.2.5 Event

传输单元，Flume数据传输的基本单元，以Event的形式将数据从源头送至目的地。Event由Header和Body两部分组成，Header用来存放event的一些属性，为K-V结构，Body用来存放该条数据，形式为字节数组。

在这里插入图片描述

2、Flume入门

2.1 Flume安装部署
2.1.1 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/

2.1.2 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-1.9.0-bin.tar.gz 到/opt/module/目录下

tar -zxf /opt/software/apacheflume-1.9.0-bin.tar.gz -C /opt/module/

3、修改 apache-flume-1.9.0-bin 的名称为 flume-1.9.0

mv /opt/module/apache-flume-1.9.0-bin /opt/module/flume-1.9.0

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

2.2 Flume入门案例
2.2.1 监控端口数据

1、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。
2、需求分析

在这里插入图片描述

3、案例实现
1、安装netcat工具

 sudo yum install -y nc

2、判断44444端口是否被占用

sudo netstat -nlp | grep 44444

3、在 flume 目录下创建 job 文件夹并进入 job 文件夹。
4、在 job 文件夹下创建 Flume Agent 配置文件 flume-netcat-logger.conf。
5、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
6、先开启Flume监听端口
第一种写法：

 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：

 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：表示配置文件储存在conf/目录下
--name/-n：表示给agent取名为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-netcat-logger.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。

在这里插入图片描述

7、使用netcat根据向本级的44444端口发送内容

在这里插入图片描述
8、在flume监听页面观察接收数据情况

在这里插入图片描述

2.2.2 实时监控单个追加文件

1、案例需求：实时监控Hive日志文件，并且上传到HDFS
2、需求分析：

在这里插入图片描述
3、案例实现：
（1）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
（2）创建 flume-file-hdfs.conf 文件

# 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：（1）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。
（2）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）。

参数分析：

在这里插入图片描述
注意：a2.sinks.k2.hdfs.path = hdfs://hadoop102:9820/flume/%Y%m%d/%H
这个参数的填写中主机名和端口号要写NameNode主机名和内部通信的端口号
（3）运行flume

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

（4）开启 Hadoop 和 Hive 并操作 Hive 产生日志
（5）在HDFS上查看文件

在这里插入图片描述

2.2.3 实时监控目录下多个文件

1、案例需求：使用 Flume 监听整个目录的文件，并上传至 HDFS
2、需求分析

在这里插入图片描述

3、案例实现
（1）创建配置文件flume-dir-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://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

参数解析

在这里插入图片描述
（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

注意：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。
（3）向 upload 文件夹中添加文件

  • 在/opt/module/flume 目录下创建 upload 文件夹（这个操作要在开启监控之前，要不然监控不了，会报错）

  • 向 upload 文件夹中添加文件

  • touch atguigu.txt

  • touch atguigu.tmp

  • touch atguigu.log

（4）查看HDFS上的数据

在这里插入图片描述

2.2.4 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，不能实现断电续传；Spooldir Source适合用于同步新文件，但是不适合对实时追加的日志文件进行监听和同步；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。
1、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
2、需求分析

在这里插入图片描述
3、案例实现
（1）创建配置文件 flume-taildir-hdfs.conf

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

参数解析

在这里插入图片描述
（2）启动监控文件夹命令

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

（3）向files 文件夹中追加内容

  • 在/opt/module/flume 目录下创建 files 文件夹
  • 向 upload 文件夹中添加文件
 echo hello >> file1.txt
  echo atguigu >> file2.txt

（4）查看HDFS上的数据

在这里插入图片描述
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位置，因此能够实现断点续传。Position File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。

星光下的赶路人star
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Flume学习
weixin_44468025的博客
05-02 1837
简介： 1.Flume原本是Cloudera公司开发的后来贡献给饿了Apache的一套分布式的、可靠的、针对日志数据进行收集、汇聚和传输的机制 2.在大数据中，实际开发中有超过70%的数据来源于日志-日志是大数据的基石 3.Flume针对日志提供了非常简单且灵活的流式传输机制 4.版本 a.Flume0.X:又称之为Flume-og。依赖于Zookeeper，结构配置相对复杂，现在市面上已经停用这个版本 b.Flume1.X：又称之为Flume-og。不依赖于Zookeeper，结构配置相对简单，是市面上.
Flume学习01
达拉斯母牛
10-13 2477
概述Apache Flume是一个分布式的、可靠的和可用的系统，它能把不同数据源的海量日志数据有效地收集、汇总和移动，最后存入一个集中式数据存储系统中。Flume是Apache顶级开源项目，目前有0.9.x和1.x两个主要系列，其中0.9.x系列是Flume OG（Original Generation），1.x是Flume NG（Next Generation），Flume NG比Flume OG
Flume 入门教程
最新发布
zp8126的专栏
04-12 1517
Flume 是一个分布式、可靠且高可用的数据收集、聚合和传输系统，主要用于高效地处理大规模日志数据。设计之初，它主要服务于日志管理领域，但其灵活性和可扩展性使其能够适应多种数据源和目的地，适用于各类需要实时或批量数据流转的场景。
Flume 学习
Nurbiya_K的博客
08-29 243
学习flume的时候可能会想到明明有MySQL为什么还要用flume，下面来解释一下两者区别： Flume就是传输数据 Java 后台处理复杂的业务逻辑，大数据是处理海量数据，所以不可能把大数据放在后台服务器，不然会拖垮整个后台服务器。（服务器崩了，浏览器会崩） 所以大数据一般都是远程传过来的。 比如购买商品时的数据，从另外一台服务器读取过来订单，支付记录会落入mysql里面，这种用户购买商品时浏...
flume学习
Hello 我的
03-30 574
1.flume是分布式的日志收集系统，把收集来的数据传送到目的地去。 2.flume里面有个核心概念，叫做agent。agent是一个java进程，运行在日志收集节点。 3.agent里面包含3个核心组件：source、channel、sink。 3.1 source组件是专用于收集日志的，可以处理各种类型各种格式的日志数据,包括avro、thrift、exec、jms、spooling d
flume-ng-sql-source-1.5.2
10-12
Flume-ng-sql-source-1.5.2是Apache Flume的一个扩展，它允许Flume从SQL数据库中收集数据。Apache Flume是一个分布式、可靠且可用于有效聚合、移动大量日志数据的系统。"ng"代表"next generation"，表明这是Flume的...
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-1.6.0-cdh.zip
04-08
Flume-ng-1.6.0-cdh.zip 内压缩了 3 个项目，分别为：flume-ng-1.6.0-cdh5.5.0.tar.gz、flume-ng-1.6.0-cdh5.7.0.tar.gz 和 flume-ng-1.6.0-cdh5.10.1.tar.gz，选择你需要的版本。
apache-flume-1.5.0-cdh5.3.6-bin.zip
03-15
flume-1.5.0-cdh5.3.6。 大数据日志收集工具 flume-1.5.0-cdh5.3.6。 大数据日志收集工具flume-1.5.0-cdh5.3.6。 大数据日志收集工具flume-1.5.0-cdh5.3.6。 大数据日志收集工具flume-1.5.0-cdh5.3.6。 大数据日志...
apache-flume-1.9.0-bin.tar.gz
07-28
1. **bin** 目录：包含可执行脚本，如 `flume-ng` 和 `flume-agent`，用于启动、停止和管理 Flume 代理。 2. **conf** 目录：存放配置文件，例如 `flume.conf`，这是默认的配置文件，用户可以在这里定义数据流的结构...
flume 学习
yu_shao的博客
03-04 214
flume学习整理 一、介绍 flume是分布式、可靠的、可用性好的服务，用于收集、聚合、异动大量日志数据，基于流计算的简单灵活框架，用于在线分析。 二、特点 优点 可以和任何集中式存储进行集成 输入数据速率大于写入存储目的地的速率时，flume会进行缓存。 flume提供上下文路由（数据流路线） flume中的事务基于chan...
flume学习一
weixin_56541207的博客
01-01 1084
概念，组件，安装与部署
Flume入门学习
其实我是个程序员的博客
05-27 135
1.Flume是一个可收集例如日志，事件等数据资源，并将这些数量庞大的数据从各项数据资源中集中起来存储(HBase/Hadoop)的工具/服务。 Flume具有高可用，分布式，配置工具. Cloud\facbook\WebServers\Twitter(Log/Event data) ->Flume ->HDFS/HBase 2.Flume Agent Flume内部有一个或者多个Agent，然而对于每一个Agent来说，它就是一个独立的守护进程(JVM), 它从客户端接收数据，然后迅速将获取
Flume的学习和使用
热门推荐
哈工大许政的博客
06-18 2万+
Flume的学习和使用 本文是基于CentOS 7.3系统环境，进行Flume的学习和使用 CentOS 7.3 一、Flume的简介 1.1 Flume基本概念 (1) 什么是Flume Flume是Cloudera提供的一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统。 (2) Flume的目的 Flume最主要的作业就是，实时读取服务器本地磁盘的数据，将数据写入HDFS 1.2 Flume基本组件 (0) Flume工作流程 Source采集数据并包装成Event，并将Event
flume学习一：flume基础知识
健康平安的活着的专栏
05-30 1万+
一．Flume使用的前提： Flume使用 java编写，其需要运行在 Java1.6或更高版本之上。 二．Flume的定义： Flume是一个分布式、可靠、高效可用的海量日志采集、聚合和传输系统，支持在系统中定制各类数据发送方，用于搜集数据；同时，flume提供对数据进行加单处理，并写到各种数据接受方（可定制）的能力。 核心一句话：将数据从数据源收集过来，再送到目的地。为了保证输送一...
flume系列-flume负载均衡（存HDFS）
08-24
客户端可以使用任何适合的方式发送数据，如Flume SDK、Flume-ng SDK、或者自定义的客户端。 4. 数据写入HDFS：当负载均衡器收到请求后，会将请求转发给某个Flume agent。该agent会将数据写入HDFS。 这种方式可以...

“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

星光下的赶路人star

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