flume学习-含安装

1.Flume是什么：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。Flume基于流式架构，灵活简单。

Flume组成架构

下面我们来详细介绍一下Flume架构中的组件。

1） Agent：

是一个jvm程序，它以事件的形式将数据从源头送至目的地，是Flume数据传输的基本单元

Agent 主要有三个部分组成：Source、Channel、Sinl

2） Source：

Source是负责接收数据到Flume Agent的组建。Source组建可以处理各种类型、各种格式的日志数据，包括avro、thirft、exec、jms、spooling directory、netcat、sequence generator、syslog、http、legacy。

3） Channel：

Channel是位于Source和Sink之间的缓冲器

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在不需要关系数据丢失的情况下适合用。如果需要关系数据丢失，那么Memory Channel就不应该使用，因为程序死亡、机器宕机货值重启都会导致数据丢失。

File Channel 将所有事件写到磁盘。因此在程序关系货值机器宕机的情况下不会丢失数据。

4） Sink：

Sink 不断地轮询Channel中的事件且批量地移除他们，并将这些事件批量写入到存储或索引系统、或者被发送到另一个Flume Agent。

Sink是完全事务性的。在从Channel批量删除数据之间，每个Sink用Channel启动一个事务。批量事件一旦成功写出到存储系统或下一个Flume Agent，Sink就利用Channel提交事务。事务一旦被提交，该Channel从自己的内部缓冲区删除事件。

Sink组建目的地包括：hdfs、logger、avro、thrift、ipc、file、null、Hbase、solr、自定义。

---

Event拓扑结构

Flume的拓扑结构如图

Flume Agent连接

单source，多channel、sink

Flume负载均衡

Flume Agent聚合

Flume Agent内部原理

Flume安装

1) 官网

2) 文档查看地址

3) 下载地址

安装部署

1）将apache-flume-1.9.0-bin.tar.gz上传到linux的/usr/local/目录下

2）解压apache-flume-1.9.0-bin.tar.gz到/usr/local/目录下

$ tar -zxf apache-flume-1.9.0-bin.tar.gz -C /usr/local/

3）修改apache-flume-1.9.0-bin的名称为flume

$ mv apache-flume-1.9.0-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

$ mv flume-env.sh.template flume-env.sh
$ vi flume-env.sh
export JAVA_HOME=/home/hduser/software/jdk1.8.0_221

案例：

1）

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

需求分析：

3）实现步骤：

安装telnet工具
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。
安装telnet及telnet-server，注意，需要root权限来安装。（好像需要先按照server）

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

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。

注意：centos7的telnet配置文件是：/etc/xinetd.conf。centos7以前的是/etc/xinetd.d/telnet

vim /etc/xinetd.d/telnet

修改 disable = yes 为 disable = no

需要激活xinetd服务

systemctl start xinetd.service

让xinetd开机自启

systemctl enable xinetd.service

启动telnet服务

systemctl restart telnet.socket 

设置让telnet服务开机自启

systemctl enable telnet.socket

测试telnet是否成功开启

telnet localhost

判断44444端口是否被占用

sudo netstat -tunlp | grep 44444
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；

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

运行

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

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。

使用telnet工具向本机的44444端口发送内容

telnet localhost 44444

在Flume监听页面观察接收数据情况

案例 2）实时读取本地文件到HDFS案例

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/opt/module/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 /udr/local/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://chun1:9000/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 job/flume-file-hdfs.conf

4．开启Hadoop和Hive并操作Hive产生日志

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

5．在HDFS上查看文件。

案例3） 实时读取目录文件到HDFS案例

使用Flume监听整个目录的文件

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 = /usr/local/flume-1.9.0/jobconf/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://hadoop102:9000/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 = minute
#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

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

3. 向upload文件夹中添加文件

在/opt/module/flume目录下创建upload文件夹

mkdir upload

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