Flume快速入门&&企业开发案例

1、Flume安装地址

1） Flume官网地址

Welcome to Apache Flume — Apache Flume

通过Download链接进入下载页面Download — Apache Flume。

在Download页面通过Previous_Releases的archive repository 链接进入 Releases — Apache Flume 可以下载早期的版本。我们这里下载1.7的版本。

下载 apache-flume-1.7.0-bin.tar.gz。

2）文档查看地址

Flume 1.9.0 User Guide — Apache Flume

3）下载地址

http://archive.apache.org/dist/flume/

2、安装部署

1）将apache-flume-1.7.0-bin.tar.gz上传到linux的/opt/software目录下

[root@hadoop101 softwares]# cd /export/softwares/ [root@hadoop101 softwares]# rz -E

2）解压apache-flume-1.7.0-bin.tar.gz到/export/servers/目录下

[root@hadoop101 softwares]# tar -zxf apache-flume-1.7.0-bin.tar.gz -C /export/servers/

3）修改apache-flume-1.7.0-bin的名称为flume

[root@hadoop101 softwares]# cd /export/servers/ [root@hadoop101 softwares]# mv apache-flume-1.7.0-bin flume

4）将flume/conf下的flume-env.sh.template文件修改为flume-env.sh，并配置flume-env.sh文件

[root@hadoop101 softwares]# cd flume/conf [root@hadoop101 conf]# mv flume-env.sh.template flume-env.sh [root@hadoop101 conf]# vi flume-env.sh

在中间添加这一句

export JAVA_HOME=/export/servers/jdk1.8.0_141

Flume运行只需要指定一个Java环境。Flume会启动一个Agent，每个Agent都有自己的Source和Sink。Flume就是写配置再跑起来就完事了。

3、​​监控端口数据官方案例

1）案例需求：

首先启动Flume任务，监控本机44444端口，服务端；

然后通过netcat工具向本机44444端口发送消息，客户端；

最后Flume将监听的数据实时显示在控制台。

端口发数据，经过Flume写到屏幕上。确保Flume这条路跑通了。

2）需求分析：

3）实现步骤：

1．安装netcat工具

[root@hadoop101 softwares]# cd /export/servers [root@hadoop101 softwares]# yum install -y nc

2．判断44444端口是否被占用

[root@hadoop101 softwares]# netstat -tunlp | grep 44444

没有占用则不输出任何信息。确保该端口目前没有被占用。

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：

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

3．创建Flume Agent配置文件flume-netcat-logger.conf

在flume目录下创建job文件夹并进入job文件夹。Job中主要放置各种各样的配置文件。

[root@hadoop101 softwares]# cd flume/ [root@hadoop101 flume]# mkdir job [root@hadoop101 flume]# cd job/

在job文件夹下创建Flume Agent配置文件flume-netcat-logger.conf。（输入源是netcat，输出是logger）

[root@hadoop101 job]# touch flume-netcat-logger.conf

在flume-netcat-logger.conf文件中添加如下内容。

[root@hadoop101 job]# vim flume-netcat-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

第一种写法：

[root@hadoop101 job]# cd /export/servers/flume [root@hadoop101 flume]# 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：

[root@hadoop101 flume]# bin/flume-ng agent -c conf/ -n a1 –f job/flume-netcat-logger.conf -Dflume.root.logger=INFO,console

参数说明：

1. --conf conf/：表示配置文件存储在conf/目录
2. --name a1：表示给agent起名为a1（需要跟flume-netcat-logger.conf中的a1对应起来）
3. --conf-file job/flume-netcat.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。
4. -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console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。

注意此时该终端不会退出。后面的命令需要启动第二个终端执行。

现在在第二个终端中，通过netsat命令查看一下44444端口的占用情况。

[root@hadoop101 ~]# netstat -nltp | grep 44444

5．使用netcat工具向本机的44444端口发送内容

[root@hadoop101 ~]# nc localhost 44444 123

注意OK是自动回复的。

6．在Flume监听页面（第一个终端）观察接收数据情况

这里就是一个Event，它的header是空的，什么都没有；Body就是发送过去的信息。

PS. 关于header，这里发不了。有些特殊的数据，比如日志的属性，它不是这个日志的本身，但是有需要这些信息。一般只有自定义的时候才使用header。

思考：nc hadoop101 44444， flume能否接收到？

需要把

a1.sources.r1.bind = localhost

改为

a1.sources.r1.bind = 0.0.0.0

4、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commons-configuration-1.6.jar、

hadoop-auth-2.7.2.jar、

hadoop-common-2.7.2.jar、

hadoop-hdfs-2.7.2.jar、

commons-io-2.4.jar、

htrace-core-3.1.0-incubating.jar

拷贝到/export/software/flume/lib文件夹下。

[root@hadoop101 flume]# mv *.jar /export/servers/flume/lib/

2．创建flume-file-hdfs.conf文件

创建文件

[root@hadoop101 flume]# cd job/ [root@hadoop101 job]# 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。

[root@hadoop101 job]# vim flume-file-hdfs.conf

添加如下内容（很多关于HDFS的配置信息）

# 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 /export/servers/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://hadoop101:9000/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(下面设置了单位为hour) 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 = 60 #设置每个文件的滚动大小(约128M) 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

注意：

1. 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）。

a3.sinks.k3.hdfs.useLocalTimeStamp = true

3．执行监控配置

[root@hadoop101 job]# cd .. [root@hadoop101 flume]# bin/flume-ng agent --conf conf/ --name a2 --conf-file job/flume-file-hdfs.conf

注意此时，该终端并没有退出。

4．开启Hadoop和Hive并操作Hive产生日志

在第二个终端中启动hdfs

[root@hadoop101 hadoop-2.7.2]# sbin/start-dfs.sh [root@hadoop101 hadoop-2.7.2]# sbin/start-yarn.sh

访问 http://hadoop101:50070/explorer.html#/ ，确保出现flume。

启动hive

[root@hadoop101 hive]# bin/hive hive (default)>

刷新 /flume/202xxxxx/xx（前面是日期后面是小时） 可以看到文件大小已经发生了变化（可能页面上的Size没有变化，可以把文件下载下来看大小）

注意HDFS并不支持并发写入，一个文件只能启动一个连接。假如有一个启动连接在连上的情况下，连接只要不断，源数据的大小在页面上是不会改的。就是，在namenode中的数据不会改，但是在datanode中的数据会改变。所以如果连接一直开着，会看不到大小的变化，但实际上大小已经变了。

Flume的特点是，假设产生了变化，有了新的日志，会自动采集到HDFS的flume/20xxxxxx/xx目录上。可以看到已经按日期和时间分区了，将来Hive处理的数据就是这样的。

5、实时读取目录文件到HDFS案例

现在源已经不是一个文件了，而是一个文件夹。把这个文件夹中所有的变化上传到HDFS。

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flume-dir-hdfs.conf（从一个目录到hdfs）

[root@hadoop101 flume]# cd job/ [root@hadoop101 job]# touch flume-dir-hdfs.conf

打开文件

[root@hadoop101 job]# 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 = /export/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://hadoop101:9000/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 = 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

2. 启动监控文件夹命令

[root@hadoop101 flume]# bin/flume-ng agent --conf conf/ --name a3 --conf-file job/flume-dir-hdfs.conf

说明： 在使用Spooling Directory Source时

1)不要在监控目录中创建并持续修改文件

2)上传完成的文件会以.COMPLETED结尾

3)被监控文件夹每500毫秒扫描一次文件变动

现在文件夹正在监视中，启动另一个终端。

3. 向upload文件夹中添加文件

在flume目录下创建upload文件夹

[root@hadoop101 flume]# mkdir upload

向upload文件夹中添加文件

[root@hadoop101 flume]# cp README.md upload/ [root@hadoop101 flume]# cp NOTICE upload/ [root@hadoop101 flume]# cp LICENSE upload/

也可以用如下命令创建新文件

[root@hadoop101 flume]# cat<<EOF >>test.txt > 123 > 123 > 123 > EOF

4. 查看HDFS上的数据

注意每往upload目录下添加内容（比如文件），HDFS上的upload-xxx.tmp文件大小会变化（需要等待1分钟左右的时间才会变化），后面的xxx大概是3个文件大小的总和。

5. 等待1s，再次查询upload文件夹

[root@hadoop101 upload]# ll 总用量 0 -rw-rw-r--. 1 root root 0 5月  20 22:31 README.md.COMPLETED -rw-rw-r--. 1 root root 0 5月  20 22:31 NOTICE -rw-rw-r--. 1 root root 0 5月  20 22:31 LICENSE.COMPLETED

注意：更新上传到HDFS上的文件，完成后都变成COMPLETED了。

PS. 其实flume用起来一点都不难。难点是数据流需要配通。

6、单数据源多出口案例（选择器）

单Source多Channel、Sink如图所示

1）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。

2）需求分析：

3）实现步骤：

0．准备工作

在/export/software/flume/job目录下创建group1文件夹

[root@hadoop101 job]# cd group1/

在/export/servers/datas/目录下创建flume3文件夹

[root@hadoop101 datas]# mkdir flume3

1．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。

创建配置文件并打开

[root@hadoop101 group1]# touch flume-file-flume.conf [root@hadoop101 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 /export/software/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 = hadoop101  a1.sinks.k1.port = 4141 a1.sinks.k2.type = avro a1.sinks.k2.hostname = hadoop101 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

注：Avro是由Hadoop创始人Doug Cutting创建的一种语言无关的数据序列化和RPC框架。

注：RPC（Remote Procedure Call）—远程过程调用，它是一种通过网络从远程计算机程序上请求服务，而不需要了解底层网络技术的协议。

2．创建flume-flume-hdfs.conf

配置上级Flume输出的Source，输出是到HDFS的Sink。

创建配置文件并打开

[root@hadoop101 group1]# touch flume-flume-hdfs.conf [root@hadoop101 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 = hadoop101 a2.sources.r1.port = 4141 # Describe the sink a2.sinks.k1.type = hdfs a2.sinks.k1.hdfs.path = hdfs://hadoop101:9000/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 # 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

3．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。

创建配置文件并打开

[root@hadoop101 group1]# touch flume-flume-dir.conf [root@hadoop101 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 = hadoop101 a3.sources.r1.port = 4142 # Describe the sink a3.sinks.k1.type = file_roll a3.sinks.k1.sink.directory = /export/servers/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。

4．执行配置文件

分别开启对应配置文件：flume-flume-dir，flume-flume-hdfs，flume-file-flume。

[root@hadoop101 flume]# bin/flume-ng agent --conf conf/ --name a3 --conf-file job/group1/flume-flume-dir.conf [root@hadoop101 flume]# bin/flume-ng agent --conf conf/ --name a2 --conf-file job/group1/flume-flume-hdfs.conf [root@hadoop101 flume]# bin/flume-ng agent --conf conf/ --name a1 --conf-file job/group1/flume-file-flume.conf

5．启动Hadoop和Hive

[root@hadoop101 hadoop-2.7.2]# sbin/start-dfs.sh [root@hadoop101 hadoop-2.7.2]# sbin/start-yarn.sh [root@hadoop101 hive]# bin/hive hive (default)>

6．检查HDFS上数据

7．检查/export/servers/datas/flume3目录中数据

[root@hadoop101 flume3]# ll 总用量 8 -rw-rw-r--. 1 root root 5942 5月  22 00:09 1526918887550-3

​​​​​​​7、单数据源多出口案例（Sink组）

单Source、Channel多Sink(负载均衡)如图所示。

1）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也负责存储到HDFS

2）需求分析：

3）实现步骤：

0．准备工作

在/export/servers/flume/job目录下创建group2文件夹

[root@hadoop101 job]# cd group2/

1．创建flume-netcat-flume.conf

配置1个接收日志文件的source和1个channel、两个sink，分别输送给flume-flume-console1和flume-flume-console2。

创建配置文件并打开

[root@hadoop101 group2]# touch flume-netcat-flume.conf [root@hadoop101 group2]# vim flume-netcat-flume.conf

添加如下内容

# Name the components on this agent a1.sources = r1 a1.channels = c1 a1.sinkgroups = g1 a1.sinks = k1 k2 # Describe/configure the source a1.sources.r1.type = netcat a1.sources.r1.bind = localhost a1.sources.r1.port = 44444 a1.sinkgroups.g1.processor.type = load_balance a1.sinkgroups.g1.processor.backoff = true a1.sinkgroups.g1.processor.selector = round_robin a1.sinkgroups.g1.processor.selector.maxTimeOut=10000 # Describe the sink a1.sinks.k1.type = avro a1.sinks.k1.hostname = hadoop101 a1.sinks.k1.port = 4141 a1.sinks.k2.type = avro a1.sinks.k2.hostname = hadoop101 a1.sinks.k2.port = 4142 # Describe the channel 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.sinkgroups.g1.sinks = k1 k2 a1.sinks.k1.channel = c1 a1.sinks.k2.channel = c1

注：Avro是由Hadoop创始人Doug Cutting创建的一种语言无关的数据序列化和RPC框架。

注：RPC（Remote Procedure Call）—远程过程调用，它是一种通过网络从远程计算机程序上请求服务，而不需要了解底层网络技术的协议。

2．创建flume-flume-console1.conf

配置上级Flume输出的Source，输出是到本地控制台。

创建配置文件并打开

[root@hadoop101 group2]# touch flume-flume-console1.conf [root@hadoop101 group2]# vim flume-flume-console1.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 a2.sources.r1.type = avro a2.sources.r1.bind = hadoop101 a2.sources.r1.port = 4141 # Describe the sink a2.sinks.k1.type = logger # 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

3．创建flume-flume-console2.conf

配置上级Flume输出的Source，输出是到本地控制台。

创建配置文件并打开

[root@hadoop101 group2]# touch flume-flume-console2.conf [root@hadoop101 group2]# vim flume-flume-console2.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 = hadoop101 a3.sources.r1.port = 4142 # Describe the sink a3.sinks.k1.type = logger # 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

4．执行配置文件

分别开启对应配置文件：flume-flume-console2，flume-flume-console1，flume-netcat-flume。

[root@hadoop101 flume]# bin/flume-ng agent --conf conf/ --name a3 --conf-file job/group2/flume-flume-console2.conf -Dflume.root.logger=INFO,console [root@hadoop101 flume]# bin/flume-ng agent --conf conf/ --name a2 --conf-file job/group2/flume-flume-console1.conf -Dflume.root.logger=INFO,console [root@hadoop101 flume]# bin/flume-ng agent --conf conf/ --name a1 --conf-file job/group2/flume-netcat-flume.conf

5. 使用netcat工具向本机的44444端口发送内容

$ nc localhost 44444

6. 查看Flume2及Flume3的控制台打印日志

8、多数据源汇总案例

多Source汇总数据到单Flume如图所示。

1）案例需求：

hadoop102上的Flume-1监控文件/export/servers/group.log，

hadoop101上的Flume-2监控某一个端口的数据流，

Flume-1与Flume-2将数据发送给hadoop103上的Flume-3，Flume-3将最终数据打印到控制台。

2）需求分析：

3）实现步骤：

0．准备工作

分发Flume

[root@hadoop101 module]# xsync flume

在hadoop101、hadoop102以及hadoop103的/export/servers/flume/job目录下创建一个group3文件夹。

[root@hadoop101 job]# mkdir group3 [root@hadoop102 job]# mkdir group3 [root@hadoop103 job]# mkdir group3

1．创建flume1-logger-flume.conf

配置Source用于监控hive.log文件，配置Sink输出数据到下一级Flume。

在hadoop102上创建配置文件并打开

[root@hadoop102 group3]# touch flume1-logger-flume.conf [root@hadoop102 group3]# vim flume1-logger-flume.conf

添加如下内容

# Name the components on this agent a1.sources = r1 a1.sinks = k1 a1.channels = c1 # Describe/configure the source a1.sources.r1.type = exec a1.sources.r1.command = tail -F /export/servers/group.log a1.sources.r1.shell = /bin/bash -c # Describe the sink a1.sinks.k1.type = avro a1.sinks.k1.hostname = hadoop103 a1.sinks.k1.port = 4141 # Describe the channel 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

2．创建flume2-netcat-flume.conf

配置Source监控端口44444数据流，配置Sink数据到下一级Flume：

在hadoop101上创建配置文件并打开

[root@hadoop101 group3]# touch flume2-netcat-flume.conf [root@hadoop101 group3]# vim flume2-netcat-flume.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 a2.sources.r1.type = netcat a2.sources.r1.bind = hadoop101 a2.sources.r1.port = 44444 # Describe the sink a2.sinks.k1.type = avro a2.sinks.k1.hostname = hadoop103 a2.sinks.k1.port = 4141 # Use a channel which buffers events in memory 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

3．创建flume3-flume-logger.conf

配置source用于接收flume1与flume2发送过来的数据流，最终合并后sink到控制台。

在hadoop103上创建配置文件并打开

[root@hadoop103 group3]# touch flume3-flume-logger.conf [root@hadoop103 group3]# vim flume3-flume-logger.conf

添加如下内容

# 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 = hadoop103 a3.sources.r1.port = 4141 # Describe the sink # Describe the sink a3.sinks.k1.type = logger # 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

4．执行配置文件

分别开启对应配置文件：flume3-flume-logger.conf，flume2-netcat-flume.conf，flume1-logger-flume.conf。

[root@hadoop103 flume]# bin/flume-ng agent --conf conf/ --name a3 --conf-file job/group3/flume3-flume-logger.conf -Dflume.root.logger=INFO,console [root@hadoop101 flume]# bin/flume-ng agent --conf conf/ --name a2 --conf-file job/group3/flume2-netcat-flume.conf [root@hadoop102 flume]# bin/flume-ng agent --conf conf/ --name a1 --conf-file job/group3/flume1-logger-flume.conf

5．在hadoop102上向/export/servers目录下的group.log追加内容

[root@hadoop102 module]# echo 'hello' > group.log

6．在hadoop101上向44444端口发送数据

[root@hadoop101 flume]# telnet hadoop101 44444

7.检查hadoop103上数据