Flume的概述
Flume是Cloudera提供的一個高可用的,高可靠的,分布式的海量日 志采集、聚合和傳輸的系統。Flume基于流式架構,靈活簡單。
- 高可用(HA) flume框架(故障轉移機制)
- 高可靠 數據采集的可靠性
- 分布式 分布式集群搭建
Flume的作用
最主要的作用:實時讀取服務器本地磁盤的數據,將數據寫到HDFS、Kafka
Flume的優點
可以和任意存儲進程集成。
- 支持不同的采集源
- 支持多類型的目標源
輸入的的數據速率大于寫入目的存儲的速率,flume會進行緩沖,減小 hdfs的壓力。
flume中的事務基于channel,使用了兩個事務模型(sender + receiver),確保消息被可靠發送。
Flume使用兩個獨立的事務分別負責從soucrce到channel,以及從 channel到sink的事件傳遞。一旦事務中所有的數據全部成功提交到 channel,那么source才認為該數據讀取完成。同理,只有成功被sink 寫出去的數據,才會從channel中移除。
Flume的組成結構
1、Flume組成架構
2、Agent
a、簡介
Agent是一個JVM進程,它以事件的形式將數據從源頭送至目的。Agent 主要有3個部分組成,Source、Channel、Sink。
b、Source
Source是負責接收數據到Flume Agent的組件。Source組件可以處理 各種類型、各種格式的日志數據,包括avro、thrift、exec、jms、 spooling directory、netcat、sequence generator、syslog、 http、legacy。
c、Channel
Channel是位于Source和Sink之間的緩沖區。因此,Channel允許 Source和Sink運作在不同的速率上。Channel是線程安全的,可以同 時處理幾個Source的寫入操作和幾個Sink的讀取操作。 Flume自帶兩種Channel:Memory Channel和File Channel。 Memory Channel是內存中的隊列。Memory Channel在不需要關心 數據丟失的情景下適用。如果需要關心數據丟失,那么Memory Channel就不應該使用,因為程序死亡、機器宕機或者重啟都會導致數 據丟失。File Channel將所有事件寫到磁盤。因此在程序關閉或機器宕 機的情況下不會丟失數據。
d、Sink
Sink不斷地輪詢Channel中的事件且批量地移除它們,并將這些事件批 量寫入到存儲或索引系統、或者被發送到另一個Flume Agent。Sink 是完全事務性的。在從Channel批量刪除數據之前,每個Sink用 Channel啟動一個事務。批量事件一旦成功寫出到存儲系統或下一個 Flume Agent,Sink就利用Channel提交事務。事務一旦被提交,該 Channel從自己的內部緩沖區刪除事件。Sink組件目的地包括hdfs、 logger、avro、thrift、ipc、file、null、HBase、solr、自定義。
e、Event
傳輸單元,Flume數據傳輸的基本單元,以事件的形式將數據從源頭送 至目的地。 Event由可選的header和載有數據的一個byte array 構成。Header是容納了key-value字符串對的HashMap。
Flume agent的配置文件
單數據源單出口案例
這種模式是將多個flume給順序連接起來了,從最初的source開始到最 終sink傳送的目的存儲系統。此模式不建議橋接過多的flume數量, flume數量過多不僅會影響傳輸速率,而且一旦傳輸過程中某個節點 flume宕機,會影響整個傳輸系統。
flume實現監控端口數據案例:
用netcat工具向本機端口號:44444發送消息,flume監聽
# Name the components on this agent
# r1:表示a1的輸入源 a1:表示agent的名稱
a1.sources = r1
# k1:表示a1的輸出目的地
a1.sinks = k1
# c1:表示a1的緩沖區
a1.channels = c1
# Describe/configure the source
# 表示a1的輸入源類型為netcat端口類型
a1.sources.r1.type = netcat
# 表示a1的監聽主機
a1.soucres.r1.bind = localhost
# 表示a1的監聽的端口號
a1.sources.r1.port = 44444
# Describe the sink
# 表示a1的輸出目的地是控制臺logger類型
a1.sinks.k1.type = logger
# Use a channel which buffers events in memory
# 表示a1的channel類型是memory內存型
a1.channels.c1.type = memory
# 表示a1的channel總容量1000個event
a1.channels.c1.capacity = 1000
# 表示a1的channel傳輸時收集到100條event以后再去提交事務
a1.channels.c1.transactionCapacity = 100
# Bind the source and sink to the channel
# 表示講r1和c1鏈接起來
a1.sources.r1.channels = c1
# 表示將k1和c1鏈接起來
a1.sinks.k1.channel = c1
啟動flume:
-
方法一:bin/flume-ng agent --conf conf/ --name a1 --conf-file job/flume-netcat-logger.conf - Dflume.root.logger=INFO,console
-
方法二:bin/flume-ng agent -c conf/ -n a1 –f job/flume-netcat-logger.conf -Dflume.root.logger=INFO,console
參數說明:
- --conf conf/ :表示(conf)配置文件存儲在conf/目錄
- --name a1 :表示給agent起名為a1
- --conf-file job/flume-netcat.conf :flume本次啟動讀取的配置 文件是在job文件夾下的flume-telnet.conf文件。
- -Dflume.root.logger==INFO,console :-D表示flume運行時動 態修改flume.root.logger參數屬性值,并將控制臺日志打印級別設 置為INFO級別。日志級別包括:log、info、warn、error。
實時采集文件到HDFS上案例
用flume實時監聽某文件,當該文件的內容變化時,上傳該數據到HDFS上。
# Name the components on this agent
a2.sources = r2
a2.sinks = k2
a2.channels = c2
# Describe/configure the source
# 定義數據源文件的類型
a2.sources.r2.type = exec
# 監聽該目錄下的access.log文件
a2.sources.r2.command = tail -F /home/hadoop/nginx/logs/access.log
a2.sources.r2.shell = /bin/bash -c
# Describe the sink
a2.sinks.k2.type = hdfs
# 上傳文件的路徑 %Y%m%d為時間戳,自動生成對應時間 年月日
a2.sinks.k2.hdfs.path = hdfs://192.168.137.128:9000/flume/%Y%m%d/%H
#上傳文件的前綴
a2.sinks.k2.hdfs.filePrefix = logs-
#是否按照時間滾動文件夾
a2.sinks.k2.hdfs.round = true
#多少時間單位創建一個新的文件夾
a2.sinks.k2.hdfs.roundValue = 1
#重新定義時間單位
a2.sinks.k2.hdfs.roundUnit = hour
#是否使用本地時間戳
a2.sinks.k2.hdfs.useLocalTimeStamp = true
#積攢多少個Event才flush到HDFS一次
a2.sinks.k2.hdfs.batchSize = 1000
#設置文件類型,可支持壓縮
a2.sinks.k2.hdfs.fileType = DataStream
#多久生成一個新的文件
a2.sinks.k2.hdfs.rollInterval = 60
#設置每個文件的滾動大小
a2.sinks.k2.hdfs.rollSize = 134217700
#文件的滾動與Event數量無關
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
實時讀取目錄文件到HDFS上案例
使用flume實時監聽整個目錄文件,當該目錄文件新增時,上傳該文件到HDFS上。
a3.sources = r3
a3.sinks = k3
a3.channels = c3
# Describe/configure the source
# 定義source類型為目錄
a3.sources.r3.type = spooldir
# 定義監控目錄
a3.sources.r3.spoolDir = /home/hadoop/bigdatasoftware/flume/upload
# 定義文件上傳完的后綴名
a3.sources.r3.fileSuffix = .COMPLETED
# 是否有五年間頭
a3.sources.r3.fileHeader = true
#忽略所有以.tmp結尾的文件,不上傳
a3.sources.r3.ignorePattern = ([^ ]*.tmp)
# Describe the sink
a3.sinks.k3.type = hdfs
a3.sinks.k3.hdfs.path = hdfs://192.168.137.128:9000/flume/upload/%Y%m%d/%H
#上傳文件的前綴
a3.sinks.k3.hdfs.filePrefix = upload-
#是否按照時間滾動文件夾
a3.sinks.k3.hdfs.round = true
#多少時間單位創建一個新的文件夾
a3.sinks.k3.hdfs.roundValue = 1
#重新定義時間單位
a3.sinks.k3.hdfs.roundUnit = hour
#是否使用本地時間戳
a3.sinks.k3.hdfs.useLocalTimeStamp = true
#積攢多少個Event才flush到HDFS一次
a3.sinks.k3.hdfs.batchSize = 100
#設置文件類型,可支持壓縮
a3.sinks.k3.hdfs.fileType = DataStream
#多久生成一個新的文件
a3.sinks.k3.hdfs.rollInterval = 60
#設置每個文件的滾動大小大概是128M
a3.sinks.k3.hdfs.rollSize = 134217700
#文件的滾動與Event數量無關
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
單數據源多出口案例(選擇器)
Flume支持將事件流向一個或者多個目的地。這種模式將數據源復制到 多個channel中,每個channel都有相同的數據,sink可以選擇傳送的 不同的目的地。
flume1監控文件的變動,并將變動的內容傳遞給flume2和flume3。
flume2負責輸出到HDFS上
flume3負責輸出到本地上
三個flume在同一臺設備上
flume1:
# Name the components on this agent
a1.sources = r1
a1.sinks = k1 k2
a1.channels = c1 c2
# 將數據流復制給所有channel
a1.sources.r1.selector.type = replicating
# Describe/configure the source
a1.sources.r1.type = exec
a1.sources.r1.command = tail -F /home/hadoop/bigdatasoftware/nginx/logs/access.log
a1.sources.r1.shell = /bin/bash -c
# Describe the sink
# sink端的avro是一個數據發送者
a1.sinks.k1.type = avro
# 設置其中一個flume接收的地址
a1.sinks.k1.hostname = 192.168.137.128
a1.sinks.k1.port = 4141
a1.sinks.k2.type = avro
# 設置另一個flume的接收地址
a1.sinks.k2.hostname = 192.168.137.128
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
flume2:
# Name the components on this agent
a2.sources = r1
a2.sinks = k1
a2.channels = c1
# Describe/configure the source
# source端的avro是一個數據接收服務
a2.sources.r1.type = avro
# 設置本機地址,注意端口號
a2.sources.r1.bind = 192.168.137.128
a2.sources.r1.port = 4141
# Describe the sink
a2.sinks.k1.type = hdfs
a2.sinks.k1.hdfs.path =
hdfs://192.168.137.128:9000/flume2/%Y%m%d/%H
#上傳文件的前綴
a2.sinks.k1.hdfs.filePrefix = flume2-
#是否按照時間滾動文件夾
a2.sinks.k1.hdfs.round = true
#多少時間單位創建一個新的文件夾
a2.sinks.k1.hdfs.roundValue = 1
#重新定義時間單位
a2.sinks.k1.hdfs.roundUnit = hour
#是否使用本地時間戳
a2.sinks.k1.hdfs.useLocalTimeStamp = true
#積攢多少個Event才flush到HDFS一次
a2.sinks.k1.hdfs.batchSize = 100
#設置文件類型,可支持壓縮
a2.sinks.k1.hdfs.fileType = DataStream
#多久生成一個新的文件
a2.sinks.k1.hdfs.rollInterval = 600
#設置每個文件的滾動大小大概是128M
a2.sinks.k1.hdfs.rollSize = 134217700
#文件的滾動與Event數量無關
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
flume3:
# 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 = 192.168.137.128
a3.sources.r1.port = 4142
# Describe the sink
a3.sinks.k1.type = file_roll
a3.sinks.k1.sink.directory = /opt/module/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
注意:接收方與發送方的地址和端口號要對應
單數據源多出口案例(Sink組)
Flume支持使用將多個sink邏輯上分到一個sink組,flume將數據發送 到不同的sink,主要解決負載均衡和故障轉移問題。
配置1個接收日志文件的source和1個channel、兩個sink,分別輸送給flume-flume-console1和flume-flume-console2。
flume1:
a1.sources = r1
a1.channels = c1
a1.sinks = k1 k2
a1.sources.r1.type = netcat
a1.sources.r1.bind = localhost
a1.sources.r1.port = 22222
#定義一個sink組
#一個channel對應多個sink時要設置一個sinkgroups
a1.sinkgroups = g1
#指明sink組中的sink實例
a1.sinkgroups.g1.sinks = k1 k2
#設置sinkProcessor的類型(負載均衡)
a1.sinkgroups.g1.processor.type = load_balance
#①random-隨機分配 ②round_robin-輪循
a1.sinkgroups.g1.processor.selector = random
a1.channels.c1.type = memory
a1.sinks.k1.type = avro
a1.sinks.k1.hostname = 192.168.137.128
a1.sinks.k1.port = 33333
a1.sinks.k2.type = avro
a1.sinks.k2.hostname = 192.168.137.129
a1.sinks.k2.port = 44444
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1
a1.sinks.k2.channel = c1
flume2:
a1.sources = r1
a1.channels = c1
a1.sinks = k1
a1.sources.r1.type = avro
a1.sources.r1.bind = 192.168.137.128
a1.sources.r1.port = 33333
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.sinks.k1.type = logger
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1
flume3:
a1.sources = r1
a1.channels = c1
a1.sinks = k1
a1.sources.r1.type = avro
a1.sources.r1.bind = 192.168.137.129
a1.sources.r1.port = 44444
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.sinks.k1.type = logger
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1
多數據源匯總
這種模式是我們最常見的,也非常實用,日常web應用通常分布在上百 個服務器,大者甚至上千個、上萬個服務器。產生的日志,處理起來也 非常麻煩。用flume的這種組合方式能很好的解決這一問題,每臺服務 器部署一個flume采集日志,傳送到一個集中收集日志的flume,再由 此flume上傳到hdfs、hive、hbase、jms等,進行日志分析
flume1監控一個文件的變動
flume2監控一個端口的數據
flume1和flume2將數據發送給flume3,flume3最終將數據打印到控制臺。
flume1:
# 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 /home/hadoop/nginx/logs/access.log
a1.sources.r1.shell = /bin/bash -c
# Describe the sink
a1.sinks.k1.type = avro
a1.sinks.k1.hostname = 192.168.137.129
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
flume2:
# 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 = 198.168.137.128
a2.sources.r1.port = 44444
# Describe the sink
a2.sinks.k1.type = avro
a2.sinks.k1.hostname = 192.168.137.129
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
flume3:
# 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 = 192.168.137.129
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
本文摘自 :https://www.cnblogs.com/