首先进入flume官网 flume.apache.org,这里可以看到flume已经很久没有更新了最新版还是19年一月的(说明flume基本已经没啥可优化的了),以最新版为例。
1.进入flume的文档。
2.翻到官方给的样例先复制到一个文本编辑器中,照着这个改就行,这里我用sublime来写。
3.根据需求修改配置文件,这里以flume作为数据通道,将用户行为数据由Flume从Kafka直接同步到HDFS为例说明。
4.按照规划,该Flume需将Kafka中topic_log的数据发往HDFS。并且对每天产生的用户行为日志进行区分,将不同天的数据发往HDFS不同天的路径。
此处选择KafkaSource、FileChannel、HDFSSink。
5.对官方给的文档模板里面的参数修改,并根据实际需求进行参数设置。如添加拦截器,内存,数据切片大小修改等等,进行优化。
6.对于不清楚的参数配置格式可在官网上进行搜索。这里以拦截器参数设置为例,在官网文档上往下翻或者使用快捷键ctrl+f搜索interceptors,翻到对应的样例进行修改。flume这里做得十分人性化不仅有说明还有对应的样例。
在配置文件进行选择的时候可以根据情况不选source或者sink,例如直接使用TaildirSource和KafkaChannel进行采集发往Kafka,省去sink,这是flume进行的优化。
最后注意检查格式是否正确,flume的配置文件如果哪行写错了不会报错,只会当此行没写。