一、kafka基本操作与flume级联案例操作手册(不使用选择器、拦截器)
1、启动hdfs、kafka
(1)如果是第一次启动kafka,启动前需要设置一下broker.id=0或1:
vi /opt/apps/kafka_2.11-2.0.0/config/server.properties
①broker.id=0或broker.id=1
②zookeeper地址:
zookeeper.connect=doitedu01:2181,doitedu02:2181,doitedu03:2181
(2)①先启动zookeeper:
zkall.sh start
②后台启动kafka:(后台:-daemon;三台都需要启动)
bin/kafka-server-start.sh -daemon config/server.properties
③查看端口:jps -m
④如果出现下面这种情况:
1356 -- process information unavailable
说明进程程序已经退出的,但是进程没有关掉
⑤找到这个进程:
find / -name 1356
得到如下地址:
/tmp/hsperfdata_impala/1356
这是个impala的进程
⑥删掉即可:
rm -rf /tmp/hsperfdata_impala
2、准备级联配置:(第一版:不使用选择器、拦截器)
agent级联配置,没有加选择器和拦截器,使用avro,kafka sink
##第一级配置,第一级所有的节点配置都一样
a1.sources = r1
a1.channels = c1
a1.sinks = k1
a1.sources.r1.channels = c1
a1.sources.r1.type = TAILDIR
a1.sources.r1.filegroups = g1
a1.sources.r1.filegroups.g1 = /logdata/a.*
a1.sources.r1.fileHeader = false
a1.channels.c1.type = file
a1.sinks.k1.channel = c1
a1.sinks.k1.type = avro
a1.sinks.k1.hostname = doitedu02
a1.sinks.k1.port = 4444
##第二级agent配置,使用file channel,下一级bind、端口决定上一级
a1.sources = r1
a1.channels = c1
a1.sinks = k1
a1.sources.r1.channels = c1
a1.sources.r1.type = avro
a1.sources.r1.bind = doitedu02
a1.sources.r1.port = 4444
a1.sources.r1.batchSize = 100
a1.channels.c1.type = file
a1.sinks.k1.channel = c1
a1.sinks.k1.type = org.apache.flume.sink.kafka.KafkaSink
a1.sinks.k1.kafka.bootstrap.servers = doitedu01:9092,doitedu02:9092,doitedu03:9092
a1.sinks.k1.topic = doitedu17
a1.sinks.k1.flumeBatchSize = 100
a1.sinks.k1.producer.acks = 1
3、kafka的基本命令操作:
启动kafka
bin/kafka-server-start.sh -daemon config/server.properties
(1)topic查看
bin/kafka-topics.sh --list --zookeeper doitedu01:2181
(2)topic创建(指定topic名、分区数、副本数)
bin/kafka-topics.sh --create --topic topic2 --partitions 2 --replication-factor 2 --zookeeper doitedu01:2181
(3)启动一个控制台生产者来生产数据
bin/kafka-console-producer.sh --broker-list doitedu01:9092,doitedu02:9092,doitedu03:9092 --topic topic2
(4)启动一个控制台消费者来消费数据
bin/kafka-console-consumer.sh --bootstrap-server doitedu01:9092,doitedu02:9092,doitedu03:9092 --topic topic2 --from-beginning
(5)kafka基本概念示意图:
4、启动flume
doitedu01作为第一级,doitedu02作为第二级
(1)将配置文件按分级放在不同机器上
①第一台机器:
vi /opt/apps/flume-1.9.0/agentconf/tail-flume-avrosink.properties
将第一级配置放入properties中
②第二台机器:
vi /opt/apps/flume-1.9.0/agentconf/tail-flume-avrosink.properties
将第一级配置放入properties中
(2)模拟日志生成:
cd /logdata
while true;do echo "123456$RANDOM i love you" >> a.log;sleep 0.2;done
(3)启动kafka
bin/kafka-server-start.sh -daemon config/server.properties
(4)启动flume;
①先启动第二级:(doitedu02中)
bin/flume-ng agent -c conf -f agentconf/avro-flume-kfksink.properties -n a1 -Dflume.root.logger=debug,console
查看进程得知,启动了一个application,可以查看一下application的端口号:
netstat -nltp | grep 120017
得到结果如下:
tcp6 0 0 192.168.77.42:4444 :::* LISTEN 120017/java
②再启动第一级:(doitedu01中)
bin/flume-ng agent -c conf -f agentconf/avro-flume-kfksink.properties -n a1 -Dflume.root.logger=debug,console
(5)查看kafka中:
①查看是否写入:
bin/kafka-topics.sh --list --zookeeper doitedu01:2181
②检查数据是否到了kafka,启动消费者:
bin/kafka-console-consumer.sh --bootstrap-server doitedu01:9092,doitedu02:9092,doitedu03:9092 --topic doitedu17
③停止:CTRL+C
二、channel选择器-自定义拦截器-项目分流需求
1、调用:
source先调用拦截器,得到结果,再调用选择器,将结果放入指定channel。
2、两种选择器:
replicating selector和multiplexing selector
3、复制选择器(默认):replicating selector
(1)场景:
selector将event复制,taildir采集完,分发给所有下游节点,一个是hdfs,一个是kafka
(2)配置:
a1.sources = r1
a1.channels = c1 c2
a1.sinks = k1 k2
a1.sources.r1.channels = c1 c2
a1.sources.r1.type = TAILDIR
a1.sources.r1.filegroups = g1
a1.sources.r1.filegroups.g1 = /logdata/a.*
a1.sources.r1.fileHeader = false
a1.sources.r1.selector.type = replicating
a1.sources.r1.selector.optional = c2
a1.sources.r1.interceptors = i1 i2
a1.sources.r1.interceptors.i1.type = timestamp
a1.sources.r1.interceptors.i1.headerName = timestamp
a1.sources.r1.interceptors.i2.type = cn.doitedu.yiee.flume.MultiplexingInterceptor$MultiplexingInterceptorBuilder
a1.sources.r1.interceptors.i2.flagfield = 2
a1.channels.c1.type = memory
a1.channels.c2.type = memory
a1.sinks.k1.channel = c1
a1.sinks.k1.type = org.apache.flume.sink.kafka.KafkaSink
a1.sinks.k1.kafka.bootstrap.servers = doitedu01:9092,doitedu02:9092,doitedu03:9092
a1.sinks.k1.kafka.topic = doitedu17
a1.sinks.k1.kafka.producer.acks = 1
a1.sinks.k2.channel = c2
a1.sinks.k2.type = hdfs
a1.sinks.k2.hdfs.path = hdfs://doitedu01:8020/flumedata/%Y-%m-%d/%H
a1.sinks.k2.hdfs.filePrefix = doitedu-log-
a1.sinks.k2.hdfs.fileSuffix = .log
a1.sinks.k2.hdfs.rollSize = 268435456
a1.sinks.k2.hdfs.rollInterval = 120
a1.sinks.k2.hdfs.rollCount = 0
a1.sinks.k2.hdfs.batchSize = 1000
a1.sinks.k2.hdfs.fileType = CompressedStream
a1.sinks.k2.hdfs.codeC = snappy
a1.sinks.k2.hdfs.useLocalTimeStamp = false
注:
source中:
①type:selector的类型使用复制选择器replicating。
②optional:选择器的可选channel,如果不写,代表c1和c2都是必须的。
③interceptors:拦截器。
sink中:
①k1是kafka,k2是hdfs。
②k1.kafka.bootstrap.servers:服务器地址,写法:主机名:端口号,用逗号隔开。
③rollInterval:大小与hdfs切块大小无关。
4、多路复用选择器:multiplexing selector
(1)简介:
①可以根据event中的一个指定key的val