Flume配置文件总结

无论是怎么配置在开头出都要进行命名

组件命名一：单个source和sink用这个

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

组件命名二：单个source，多个sink用这个，当然有副本和负载均衡等模式

# 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 副本，还有负载均衡
a1.sources.r1.selector.type = replicating

一、source配置

1、netcat的source：bind指定IP，port指定port

# Describe/configure the source
a1.sources.r1.type = netcat
a1.sources.r1.bind = localhost
a1.sources.r1.port = 44444

2、读文件exec：commd中写命令，如果用tail的话记得用大写的F

# 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

3、读取文件夹source：spooldir source ，tmp记得一定要忽略

# Describe/configure the source
a1.sources.r1.type = spooldir
# 指定文件夹
a1.sources.r1.spoolDir = /opt/module/flume/upload
#指定文件上传后的后缀
a1.sources.r1.fileSuffix = .COMPLETED
a1.sources.r1.fileHeader = true
#忽略所有以.tmp结尾的文件，不上传
a1.sources.r1.ignorePattern = ([^ ]*\.tmp)

4、最常用的source: arvo模式，bind指的是接收的主机，port不是随意的，是看sink给的端口

# Describe/configure the source
a1.sources.r1.type = avro
a1.sources.r1.bind = hadoop102
a1.sources.r1.port = 4141

二、sink配置文件

sink的选择特别多，常用的是hdfs，kafka,hbase,logger,同时还可能是avro，arvo主要是给下一个flume接收

1、hdfs的sink：

# Describe the sink
a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path = hdfs://hadoop102:9000/flume/%Y%m%d/%H
#上传文件的前缀
a1.sinks.k1.hdfs.filePrefix = logs-
#是否按照时间滚动文件夹
a1.sinks.k1.hdfs.round = true
#多少时间单位创建一个新的文件夹
a1.sinks.k1.hdfs.roundValue = 1
#重新定义时间单位
a1.sinks.k1.hdfs.roundUnit = hour
#是否使用本地时间戳
a1.sinks.k1.hdfs.useLocalTimeStamp = true
#积攒多少个Event才flush到HDFS一次
a1.sinks.k1.hdfs.batchSize = 1000
#设置文件类型，可支持压缩
a1.sinks.k1.hdfs.fileType = DataStream
#多久生成一个新的文件 单位是秒
a1.sinks.k1.hdfs.rollInterval = 600
#设置每个文件的滚动大小  128M
a1.sinks.k1.hdfs.rollSize = 134217700
#文件的滚动与Event数量无关
a1.sinks.k1.hdfs.rollCount = 0
#最小冗余数
a1.sinks.k1.hdfs.minBlockReplicas = 1

2、arvo sink：hostname是IP指的是发送给谁，port指的是监听端口可以任意写

a1.sinks.k2.type = avro
a1.sinks.k2.hostname = hadoop102
a1.sinks.k2.port = 4142

3、logger sink:  如果是像在控制台看打印，要在命令加，-Dflume.root.logger=INFO,console

# Describe the sink
a1.sinks.k1.type = logger

4、hbase待续

三、channel的配置

channel主要分为memory  channel和file channel,如果是要求速度和不追求数据的完整性用，memory channel, 一般也都用它

1、memory channel：1000指的是队列的容量，100指的是sink取数据的时候最大值

# Use a channel which buffers events in memory
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100

2、file channel：见文档

四、channel 和source，sink的绑定

1、单个source和单个sink

# Bind the source and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

2、单个source和多个

# Bind the source and sink to the channel
a1.sources.r1.channels = c1 c2
a1.sinks.k1.channel = c1
a1.sinks.k2.channel = c2

启动命令是：  bin/flume-ng agent --conf conf/ --name a1 --conf-file job/flume-dir-hdfs.conf

或者是bin/flume-ng agent  -a a1 -c conf/ --conf  -f job/flume-dir-hdfs.conf   a1不是乱写的