基于Apache Flume Datahub插件将日志数据同步上云
来源:互联网 发布:电信网络电视如何设置 编辑:程序博客网 时间:2024/04/29 15:33
本文用到的
阿里云数加-大数据计算服务MaxCompute产品地址:https://www.aliyun.com/product/odps
简介
Apache Flume是一个分布式的、可靠的、可用的系统,可用于从不同的数据源中高效地收集、聚合和移动海量日志数据到集中式数据存储系统,支持多种Source和Sink插件。本文将介绍如何使用Apache Flume的Datahub Sink插件将日志数据实时上传到Datahub。
环境要求
- JDK (1.7及以上,推荐1.7)
- Flume-NG 1.x
- Apache Maven 3.x
插件部署
下载插件压缩包
$ wget http://repo.aliyun.com/download/flume-datahub-sink-1.1.0.tar.gz
解压插件压缩包
$ tar zxvf flume-datahub-sink-1.1.0.tar.gz$ ls flume-datahub-sinklib libext
部署Datahub Sink插件
将解压后的插件文件夹flume-datahub-sink移动到Apache Flume安装目录下
$ mkdir {YOUR_FLUME_DIRECTORY}/plugins.d$ mv flume-datahub-sink {YOUR_FLUME_DIRECTORY}/plugins.d/
移动后,核验Datahub Sink插件是否已经在相应目录:
$ ls { YOUR_APACHE_FLUME_DIR }/plugins.dflume-datahub-sink
配置示例
Flume的原理、架构,以及核心组件的介绍请参考 Flume-ng的原理和使用。本文将构建一个使用Datahub Sink的Flume实例,对日志文件中的结构化数据进行解析,并上传到Datahub Topic中。
需要上传的日志文件格式如下(每行为一条记录,字段之间逗号分隔):
# test_basic.logsome,log,line1some,log,line2...
下面将创建Datahub Topic,并把每行日志的第一列和第二列作为一条记录写入Topic中。
创建Datahub Topic
使用Datahub WebConsole创建好Topic,schema为(string c1, string c2),下面假设建好的Topic名为test_topic。
Flume配置文件
在Flume安装目录的conf/文件夹下创建名为datahub_basic.conf的文件,并输入内容如下:
# A single-node Flume configuration for Datahub# Name the components on this agenta1.sources = r1a1.sinks = k1a1.channels = c1# Describe/configure the sourcea1.sources.r1.type = execa1.sources.r1.command = cat {YOUR_LOG_DIRECTORY}/test_basic.log# Describe the sinka1.sinks.k1.type = com.aliyun.datahub.flume.sink.DatahubSinka1.sinks.k1.datahub.accessID = {YOUR_ALIYUN_DATAHUB_ACCESS_ID}a1.sinks.k1.datahub.accessKey = {YOUR_ALIYUN_DATAHUB_ACCESS_KEY}a1.sinks.k1.datahub.endPoint = {YOUR_ALIYUN_DATAHUB_END_POINT}a1.sinks.k1.datahub.project = test_projecta1.sinks.k1.datahub.topic = test_topica1.sinks.k1.batchSize = 1a1.sinks.k1.serializer = DELIMITEDa1.sinks.k1.serializer.delimiter = ,a1.sinks.k1.serializer.fieldnames = c1,c2,a1.sinks.k1.serializer.charset = UTF-8a1.sinks.k1.shard.number = 1a1.sinks.k1.shard.maxTimeOut = 60# Use a channel which buffers events in memorya1.channels.c1.type = memorya1.channels.c1.capacity = 1000a1.channels.c1.transactionCapacity = 1000# Bind the source and sink to the channela1.sources.r1.channels = c1a1.sinks.k1.channel = c1
这里serializer配置指定了以逗号分隔的形式将输入源解析成三个字段,并忽略第三个字段。
启动Flume
配置完成后,启动Flume并指定agent的名称和配置文件路径,添加**-Dflume.root.logger=INFO,console**选项可以将日志实时输出到控制台。
$ cd {YOUR_FLUME_DIRECTORY}$ bin/flume-ng agent -n a1 -c conf -f conf/datahub_basic.conf -Dflume.root.logger=INFO,console
写入成功,显示日志如下:
...Write success. Event count: 2...
数据使用
日志数据通过Flume上传到Datahub后,可以使用StreamCompute流计算来进行实时分析,例如对于一些Web网站的日志,可以实时统计各个页面的PV/UV等。另外,导入Datahub的数据也可以配置Connector将数据归档至MaxCompute中,方便后续的离线分析。
对于数据归档MaxCompute的场景,一般来说需要将数据进行分区。Datahub到MaxCompute的归档可以根据MaxCompute表的分区字段自动创建分区,前提是要求MaxCompute和Datahub的字段名以及类型可以完全对应上。如果需要根据日志的传输时间自动设置分区,则在上面的例子中需要指定MaxCompute的分区相应字段和时间格式,例如按小时自动创建分区,添加的配置如下:
a1.sinks.k1.maxcompute.partition.columns = pta1.sinks.k1.maxcompute.partition.values = %Y%m%d%H
注意:pt这个字段需要在Datahub Topic以及MaxCompute表中都存在,且是表的分区字段。
原文链接:
- 基于Apache Flume Datahub插件将日志数据同步上云
- 基于OGG Datahub插件将Oracle数据同步上云
- mysql数据通过fluent同步到阿里云datahub填坑过程
- flume将log4j日志数据写入到hdfs
- flume学习(三):flume将log4j日志数据写入到hdfs
- flume学习(五):flume将log4j日志数据写入到hdfs
- flume学习(五):flume将log4j日志数据写入到hdfs
- flume学习(二):flume将log4j日志数据写入到hdfs
- flume学习(三):flume将log4j日志数据写入到hdfs
- Apache Flume 日志收集案例
- 模拟客户端将数据flume存储在hdfs上
- 基于hbase+flume的日志云服务平台
- 阿里云DataHub常见问题
- [大数据]flume日志收集
- 学会DataHub服务让您可以轻松构建基于流式数据的分析和应用
- 学会DataHub服务让您可以轻松构建基于流式数据的分析和应用
- Flume 将数据导入Hive
- Flume将数据导入Hbase
- java多线程学习之创建线程与线程间通信
- ionic 初始化plugin插件
- Java文件上传与下载
- jsp/html网页传值,并打印出来
- 淘宝内部分享:怎么跳出MySQL的10个大坑
- 基于Apache Flume Datahub插件将日志数据同步上云
- 国安
- ×××××#######Keras/Python深度学习中的网格搜索超参数调优(附源码)(译文)+++++++
- 饭卡,,,之01背包
- 使用Struts 2防止表单重复提交
- APK 反编译
- 点击下载按钮,弹出进度条,下载完成,隐藏进度条
- 阿里云数加助力东润环能开启新能源大数据时代
- 那些年,Github上的干货!