Hadoop-Flume-1
来源:互联网 发布:无间道3剧情解析 知乎 编辑:程序博客网 时间:2024/06/05 10:41
在一个完整的大数据处理系统中,除了hdfs+mapreduce+hive组成分析系统的核心之外,还需要数据采集、结果数据导出、任务调度等不可或缺的辅助系统,而这些辅助工具在hadoop生态体系中都有便捷的开源框架,如图所示:
1. 日志采集框架Flume
1.1 Flume介绍
1.1.1 概述
flume官网:http://flume.apache.org/download.html
谷歌翻译网址:https://translate.google.cn
安装包下载地址:http://flume.apache.org/download.html
apache-flume-1.7.0-bin.tar.gz相关:http://www.apache.org/dyn/closer.lua/flume/1.7.0/apache-flume-1.7.0-bin.tar.gz
wget直接下载地址: http://mirror.bit.edu.cn/apache/flume/1.7.0/apache-flume-1.7.0-bin.tar.gz
安装指南:http://flume.apache.org/FlumeUserGuide.html
使用指南:http://flume.apache.org/FlumeDeveloperGuide.html
Flume是一个分布式、可靠、和高可用的海量日志采集、聚合和传输的系统。
Flume可以采集文件,socket数据包等各种形式源数据,又可以将采集到的数据输出到HDFS、hbase、hive、kafka等众多外部存储系统中
一般的采集需求,通过对flume的简单配置即可实现
Flume针对特殊场景也具备良好的自定义扩展能力,因此,flume可以适用于大部分的日常数据采集场景
1.1.2 运行机制
1、 Flume分布式系统中最核心的角色是agent,flume采集系统就是由一个个agent所连接起来形成
2、 每一个agent相当于一个数据传递员,内部有三个组件:
a) Source:采集源,用于跟数据源对接,以获取数据
b) Sink:下沉地,采集数据的传送目的,用于往下一级agent传递数据或者往最终存储系统传递数据
c) Channel:angent内部的数据传输通道,用于从source将数据传递到sink
1.1.4 Flume采集系统结构图
1. 简单结构
单个agent采集数据
2. 复杂结构
多级agent之间串联
1.2 Flume实战案例
1.2.1 Flume的安装部署
1、Flume的安装非常简单,只需要解压即可,当然,前提是已有hadoop环境
上传安装包到数据源所在节点上
然后解压 tar -zxvf apache-flume-1.6.0-bin.tar.gz
然后进入flume的目录,修改conf下的flume-env.sh,在里面配置JAVA_HOME
2、根据数据采集的需求配置采集方案,描述在配置文件中(文件名可任意自定义)
3、指定采集方案配置文件,在相应的节点上启动flume agent
先用一个最简单的例子来测试一下程序环境是否正常
1、先在flume的conf目录下新建一个文件
vi netcat-logger.conf
# 定义这个agent中各组件的名字a1.sources = r1 #agent中sources-数据源入口组件的别名a1.sinks = k1 #agent中sinks-数据输出口组件的别名a1.channels = c1 #agent中channels-中间交换管道组件的别名# 描述和配置source组件:r1a1.sources.r1.type = netcat #agent1的source-r1的类型为网络连接# a1.sources.r1.type = spooldir# a1.sources.r1.spoolDir = /home/hadoop/flumeSqool# a1.sources.r1.fileHeader = true 是否需给文件加上前缀名 a1.sources.r1.bind = localhost #agent1的source-r1的绑定到数据源读取数据的主机名或者ipa1.sources.r1.port = 44444 #agent1的source-r1的绑定到数据源读取数据的端口# 描述和配置sink组件:k1a1.sinks.k1.type = logger #agent-a1的输出组件-k1的输出数据的类型# 描述和配置channel组件,此处使用是内存缓存的方式a1.channels.c1.type = memorya1.channels.c1.capacity = 1000 #内存中容许的事件数量,source读取数据封装为event,目录源:spoolDira1.channels.c1.transactionCapacity = 100 # 描述和配置source channel sink之间的连接关系,绑定起来a1.sources.r1.channels = c1a1.sinks.k1.channel = c1
2、启动agent去采集数据
bin/flume-ng agent -c conf -f conf/netcat-logger.conf -n a1 -Dflume.root.logger=INFO,console
-c conf 指定flume自身的配置文件所在目录
-f conf/netcat-logger.con 指定我们所描述的采集方案
-n a1 指定我们这个agent的名字
3、测试
先要往agent采集监听的端口上发送数据,让agent有数据可采
随便在一个能跟agent节点联网的机器上
telnet anget-hostname port (telnet localhost 44444)
1.2.2 采集案例
1、采集目录到HDFS
采集需求:某服务器的某特定目录下,会不断产生新的文件,每当有新文件出现,就需要把文件采集到HDFS中去
根据需求,首先定义以下3大要素
l 采集源,即source——监控文件目录 : spooldir
l 下沉目标,即sink——HDFS文件系统 : hdfs sink
l source和sink之间的传递通道——channel,可用file channel 也可以用内存channel
配置文件编写:
Channel参数解释:
capacity:默认该通道中最大的可以存储的event数量
trasactionCapacity:每次最大可以从source中拿到或者送到sink中的event数量
keep-alive:event添加到通道中或者移出的允许时间
2、采集文件到HDFS
采集需求:比如业务系统使用log4j生成的日志,日志内容不断增加,需要把追加到日志文件中的数据实时采集到hdfs
根据需求,首先定义以下3大要素
l 采集源,即source——监控文件内容更新 : exec ‘tail -F file’
l 下沉目标,即sink——HDFS文件系统 : hdfs sink
l Source和sink之间的传递通道——channel,可用file channel 也可以用 内存channel
配置文件编写:
1.3 更多source和sink组件
Flume支持众多的source和sink类型,详细手册可参考官方文档
http://flume.apache.org/FlumeUserGuide.html
- Hadoop-Flume-1
- hadoop--flume的安装
- Hadoop之--flume基础知识
- hadoop整合flume
- hadoop集群配置flume
- hadoop学习笔记之flume
- Hadoop-->Flume原理与应用
- Hadoop之--flume安装配置
- Hadoop完全分布式安装Flume
- 【Hadoop系列第八章】Flume 和 sqoop(上)之 Flume
- 日志系统搭建一(flume+hadoop+hive)
- Flume-ng 1.5部署,hadoop联合使用
- Hadoop之——Flume笔记
- zabbix+flume+hadoop安装及其监控
- zabbix+flume+hadoop安装及其监控
- flume构建高可用的hadoop平台
- Hadoop集群之flume安装配置
- Hadoop之Flume架构以及应用介绍
- java InputStream,FileInputStream,InputStreamReader,FileReadr,BufferedReader之间的区别
- 从上到下打印二叉树
- 排序和比较:IComparable和IComparer,自己写泛型数组,索引器,
- uCOS-II入门介绍
- 属性动画 ValueAnimator 和 ObjectAnimator 之间的区别
- Hadoop-Flume-1
- .net 简易数据库操作框架1.3
- tomcat 中文乱码
- 西南交通大学第十三届ACM决赛【7/11】
- Git使用gitignore建立项目过滤规则
- 首页弹出一次的弹出层
- js 快速数组排序 Array sort()排序算法 splice()
- hdu 3549 Flow Problem (EK 最大流)
- win7在同一窗口打开文件夹设置失效