flume监控spoolDir日志到HDFS（从日志产生到hdfs上一整套）

来源：互联网发布：java异常处理编辑：程序博客网时间：2024/05/16 06:53

原博客地址：http://www.2cto.com/kf/201612/555835.html

1.编写java代码，随机生成用户ID号码，区县号码，乡镇号码(区县和乡镇号码用随机的三位字母表示)和个人总收入格式样例：779362a1-bf04-468a-91b6-a19d772f41fa####AFC####sfe####8091748。

2.用一个线程循环执行,用Thread.sleep(100)来控制线程执行一次停止100ms，防止cpu在死循环中过载，一秒生成10条数据，用log4j生成相应的日志到指定的目录下面，其中日志每分钟就生成一个格式为yyyy-MM-dd-HH-mm 例如：service.log.2016-10-13-11-32，最后在linux下用shell脚本启动这个java程序。

3.编写shell脚本，定时每分钟从log4j生成的脚本copy当前时间前一分钟产生的日志文件到被flume监控的文件夹内，注意copy过去应该在文件名后面加上.COMPLETED，copy完成后又把这个文件名的.COMPLETED去掉。
例如：

?
1
2
3
4
5
#首先
cp ./log4j/service.log.2016-10-13-11-37./monitor/service.log.2016-10-13-11-37.COMPLETED
 
#然后
mv ./monitor/service.log.2016-10-13-11-37.COMPLETED ./monitor/service.log.2016-10-13-11-37

主要是防止源日志文件太大copy的时候会花比较长的时间，到时候flume会抛异常，当然你还可以使用另外一种解决方案：直接move源日志文件到被flume监控的目录中，不过这种方案没有上面的方案优。

4.配置flume的conf文件

5.编辑crontab每分钟执行这个脚本来拉取源日志文件。

环境：
1.使用的虚拟机为:vmware12
2.centOS6.5
3.hadoop2.2.0 单节点（主要测试用，所以直接用的单节点）
4.Flume 1.6.0 （刚开始用的flume-ng-1.5.0-cdh5.4.5，结果配置中的一个方法在这个版本的flume包里找不到抛异常，就换了个版本搞定）
这里写图片描述

java代码如下:
其中需要配置log4j配置文件，以及添加log4j的依赖jar包

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
packagecom.lijie.test;
 
importjava.util.UUID;
 
importorg.apache.log4j.Logger;
 
publicclass DataProduct {
 
    publicstatic void main(String[] args) {
        Thread t1 = newThread(newA());
        t1.start();
    }
}
 
classA extendsThread {
    privatefinal Logger log = Logger.getLogger(A.class);
 
    publicvoid run() {
 
        //无限循环
        while(true) {
 
            //随机产生一个用户uuid
            UUID userId = UUID.randomUUID();
 
            //产生一个随机的用户总资产
            intnum = (int) (Math.random() * 10000000) + 100000;
 
            //产生一个随意的县名
            StringBuilder sb = newStringBuilder();
            for(inti = 0; i < 3; i++) {
                chara = (char) (Math.random() * (90- 65) + 65);
                sb.append(a);
            }
            String xian = sb.toString();
 
            //产生一个随机的镇名
            StringBuilder sb1 = newStringBuilder();
            for(inti = 0; i < 3; i++) {
                chara = (char) (Math.random() * (122- 97) + 97);
                sb1.append(a);
            }
            String zhen = sb1.toString();
 
            //生成日志
            log.info(userId + "####"+ xian + "####"+ zhen + "####"+ num);
 
            //停0.1秒钟
            try{
                Thread.sleep(100);
            }catch(InterruptedException e) {
                e.printStackTrace();
            }
        }
    }
}

log4j的配置文件：

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
log4j.rootCategory=INFO, stdout , R
 
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%t] %C.%M(%L) | %m%n
 
log4j.appender.R=org.apache.log4j.DailyRollingFileAppender
log4j.appender.R.File=/home/hadoop/log4j/service.log
log4j.appender.R.DatePattern = '.'yyyy-MM-dd-HH-mm
log4j.appender.R.layout=org.apache.log4j.PatternLayout
log4j.appender.R.layout.ConversionPattern=%d %p [%t] %C.%M(%L) | %m%n
 
log4j.logger.com.xxx=DEBUG
log4j.logger.controllers=DEBUG
log4j.logger.vo=DEBUG
log4j.logger.notifiers=DEBUG
 
log4j.logger.com.opensymphony.oscache=WARN
log4j.logger.net.sf.navigator=WARN
log4j.logger.org.apache.commons=WARN
log4j.logger.org.apache.struts=WARN
log4j.logger.org.displaytag=WARN
log4j.logger.org.springframework=WARN
log4j.logger.org.apache.velocity=FATAL

启动java程序的shell脚本 start.sh

?
1
2
3
4
5
6
7
8
9
10
11
12
13
APP_HOME=/home/hadoop/myjar
APP_CLASSPATH=$APP_HOME/bin
jarList=$(ls $APP_CLASSPATH|grep jar)
echo $jarList
fori in $jarList
do
 APP_CLASSPATH="$APP_CLASSPATH/$i":
done
echo $APP_CLASSPATH
export CLASSPATH=$CLASSPATH:$APP_CLASSPATH
echo $CLASSPATH
java -Xms50m -Xmx250m com.lijie.test.DataProduct
echo Linux Test End

定时拉取源日志的shell脚本 mvlog.sh

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
#! /bin/bash
 
DIR=$(cd `dirname $0`; pwd)
 
mydate=`date +%Y-%m-%d-%H-%M -d  '-1 minutes'`
 
logName="service.log"
 
monitorDir="/home/hadoop/monitor/"
 
filePath="${DIR}"/log4j/""
 
fileName="${logName}"".""${mydate}"
 
echo"文件地址:${filePath}"
 
echo"文件名字:${fileName}"
 
if[ -f "${monitorDir}""${fileName}"]
then
        echo"文件存在，删除文件"
        rm -rf "${monitorDir}""${fileName}"
fi
 
echo"开始复制文件"
 
cp"${filePath}${fileName}""${monitorDir}${fileName}"".COMPLETED"
 
echo"日志复制完成，更改名字"
 
mv"${monitorDir}${fileName}"".COMPLETED""${monitorDir}${fileName}"
 
echo"日志改名完成"
 
exit

flume的配置文件:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
#agent名， source、channel、sink的名称
a1.sources = r1
a1.channels = c1
a1.sinks = k1
#具体定义source
a1.sources.r1.type = spooldir
a1.sources.r1.spoolDir = /home/hadoop/monitor
#具体定义channel
a1.channels.c1.type = memory
a1.channels.c1.capacity = 10000
a1.channels.c1.transactionCapacity = 100
#具体定义sink
a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path = hdfs://192.168.80.123:9000/flume/%Y%m%d
a1.sinks.k1.hdfs.filePrefix = events-
a1.sinks.k1.hdfs.fileType = DataStream
a1.sinks.k1.hdfs.useLocalTimeStamp = true
#不按照条数生成文件
a1.sinks.k1.hdfs.rollCount = 0
#HDFS上的文件达到128M时生成一个文件
a1.sinks.k1.hdfs.rollSize = 134217728
#HDFS上的文件达到60秒生成一个文件
a1.sinks.k1.hdfs.rollInterval = 60
 
#组装source、channel、sink
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

启动flume的命令：

?
1
../bin/flume-ng agent -n a1 -c conf -f ./flume-conf.properties -Dflume.root.logger=DEBUG,console

crontab的配置

?
1
2
3
4
5
#首先crontab -e编辑下面的代码然后保存
* * * * * sh /home/hadoop/mvlog.sh
 
#然后启动crontab服务
service crond start

准备工作进行好之后，执行java程序
sh ./start.sh

产生如下日志文件:

日志的内容：

定时任务会拉取这个目录下的日志到monitor目录下,flume就会收集，手机完成后会在文件名添加.COMPLETED后缀:
被监控的目录

hdfs的flume下面就会生成当天时间格式化的目录，并且收集的数据会被put到该目录下：
hdfs

java代码一直生成日志文件，crontab每隔一分钟都会拉取日志到flume监控的目录下面，flume就会把该文件收集到hdfs，这样一个简单的flume监控spoolDir日志到HDFS整个流程的小Demo就实现了。

0 0