大数据技术之Flume 企业开发案例——复制和多路复用（5）

目录

案例需求

需求分析：

实现步骤：

（1）准备工作

（2）创建 flume-file-flume.conf

（3）创建 flume-flume-hdfs.conf

（4）创建 flume-flume-dir.conf

（5）执行配置文件

（6）启动 Hadoop 和 Hive

（7）检查 HDFS 上数据

（8）检查 /opt/module/datas/flume3 目录中数据

---

案例需求

• 使用 Flume-1 监控文件变动。
• Flume-1 将变动内容传递给 Flume-2，Flume-2 负责存储到 HDFS。
• 同时 Flume-1 将变动内容传递给 Flume-3，Flume-3 负责输出到 Local FileSystem。

需求分析：

单数据源多出口案例（选择器）

实现步骤：

（1）准备工作

在 /opt/module/flume/job 目录下创建 group1 文件夹

[lzl@hadoop12 job]$ cd group1/

在 /opt/module/datas/ 目录下创建 flume3 文件夹

[lzl@hadoop12 datas]$ mkdir flume3

（2）创建 flume-file-flume.conf

配置 1 个接收日志文件的 source 和两个 channel、两个 sink，分别输送给 flume-flume hdfs 和 flume-flume-dir。

编辑配置文件

[lzl@hadoop12 group1]$ vim flume-file-flume.conf

添加如下内容：

# Name the components on this agent
a1.sources = r1
a1.sinks = k1 k2
a1.channels = c1 c2

# 将数据流复制给所有 channel
a1.sources.r1.selector.type = replicating

# Describe/configure the source
a1.sources.r1.type = exec
a1.sources.r1.command = tail -F /opt/module/hive/logs/hive.log
a1.sources.r1.shell = /bin/bash -c

# Describe the sink
# sink 端的 avro 是一个数据发送者
a1.sinks.k1.type = avro
a1.sinks.k1.hostname = hadoop12
a1.sinks.k1.port = 4141

a1.sinks.k2.type = avro
a1.sinks.k2.hostname = hadoop12
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

（3）创建 flume-flume-hdfs.conf

配置上级 Flume 输出的 Source，输出是到 HDFS 的 Sink。

编辑配置文件

[lzl@hadoop12 group1]$ vim flume-flume-hdfs.conf

添加如下内容：

# Name the components on this agent
a2.sources = r1
a2.sinks = k1
a2.channels = c1

# Describe/configure the source
# source 端的 avro 是一个数据接收服务
a2.sources.r1.type = avro
a2.sources.r1.bind = hadoop12
a2.sources.r1.port = 4141

# Describe the sink
a2.sinks.k1.type = hdfs
a2.sinks.k1.hdfs.path = hdfs://hadoop12:9820/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 = 30
# 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

# 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

（4）创建 flume-flume-dir.conf

配置上级 Flume 输出的 Source，输出是到本地目录的 Sink。

编辑配置文件

[lzl@hadoop12 group1]$ vim flume-flume-dir.conf

添加如下内容：

# Name the components on this agent
a3.sources = r1
a3.sinks = k1
a3.channels = c2

# Describe/configure the source
a3.sources.r1.type = avro
a3.sources.r1.bind = hadoop12
a3.sources.r1.port = 4142

# Describe the sink
a3.sinks.k1.type = file_roll
a3.sinks.k1.sink.directory = /opt/module/data/flume3

# Describe the channel
a3.channels.c2.type = memory
a3.channels.c2.capacity = 1000
a3.channels.c2.transactionCapacity = 100 

# Bind the source and sink to the channel
a3.sources.r1.channels = c2
a3.sinks.k1.channel = c2

提示：输出的本地目录必须是已经存在的目录，如果该目录不存在，并不会创建新的目录。

（5）执行配置文件

分别启动对应的 flume 进程：flume-flume-dir，flume-flume-hdfs，flume-file-flume。

[lzl@hadoop12 flume]$ bin/flume-ng agent --conf conf/ --name 
a3 --conf-file job/group1/flume-flume-dir.conf

[lzl@hadoop12 flume]$ bin/flume-ng agent --conf conf/ --name 
a2 --conf-file job/group1/flume-flume-hdfs.conf

[lzl@hadoop12 flume]$ bin/flume-ng agent --conf conf/ --name 
a1 --conf-file job/group1/flume-file-flume.conf

（6）启动 Hadoop 和 Hive

[lzl@hadoop12 hadoop-2.7.2]$ sbin/start-dfs.sh

[lzl@hadoop13 hadoop-2.7.2]$ sbin/start-yarn.sh

[lzl@hadoop12 hive]$ bin/hive
hive (default)>

（7）检查 HDFS 上数据

（8）检查 /opt/module/datas/flume3 目录中数据

[lzl@hadoop12 flume3]$ ll
总用量 8
-rw-rw-r--. 1 lzl lzl 5942 5 月 22 00:09 1526918887550-3