3-Flume之拦截器与GangLia监控

笔记分享2024-03-29 21:49

Flume

Interceptor

概述

  1. Interceptor(拦截器)本身是Source的子组件之一，可以对数据进行拦截、过滤、替换等操作
  2. 不同于Selector，一个Source上可以配置多个Interceptor，构成拦截器链。需要注意的是，后一个拦截器不能和前一个拦截器的规则相反！

Timestamp Interceptor

  1. 在Event的headers中添加一个timestamp字段来表示数据被收集的时间戳(单位是毫秒！)

  2. 案例：Event的header中自动添加上时间戳

    properties 复制代码 
    a1.sources = s1
a1.channels = c1
a1.sinks = k1

a1.sources.s1.type = netcat
a1.sources.s1.bind = 0.0.0.0
a1.sources.s1.port = 8080
# 给拦截器起名
a1.sources.s1.interceptors = i1
# 配置Timestamp Interceptor
# 类型必须是timestamp
a1.sources.s1.interceptors.i1.type = timestamp

a1.channels.c1.type = memory
a1.channels.c1.capacity = 10000
a1.channels.c1.transactionCapacity = 1000

a1.sinks.k1.type = logger

a1.sources.s1.channels = c1
a1.sinks.k1.channel = c1

  3. Timestamp Interceptor结合HDFS Sink可以实现数据的按时间段存放。文件名后会添加上年月日，并且每日的Event输出到当天对应的文件中。

    properties 复制代码 
    a1.sources = s1
a1.channels = c1
a1.sinks = k1

a1.sources.s1.type = netcat
a1.sources.s1.bind = 0.0.0.0
a1.sources.s1.port = 8080
a1.sources.s1.interceptors = i1
a1.sources.s1.interceptors.i1.type = timestamp

a1.channels.c1.type = memory
a1.channels.c1.capacity = 10000
a1.channels.c1.transactionCapacity = 1000

a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path = hdfs://hadoop01:9000/flume_data/logdate=%Y-%m-%d
a1.sinks.k1.hdfs.rollInterval = 3600
a1.sinks.k1.hdfs.rollSize = 134217728
a1.sinks.k1.hdfs.rollCount = 1000000000
a1.sinks.k1.hdfs.fileType = DataStream

a1.sources.s1.channels = c1
a1.sinks.k1.channel = c1

Host Interceptor

  1. 在Event的headers中添加一个host字段，用于标记这个数据的来源主机

  2. 案例

    properties 复制代码 
    a1.sources = s1
a1.channels = c1
a1.sinks = k1

a1.sources.s1.type = netcat
a1.sources.s1.bind = 0.0.0.0
a1.sources.s1.port = 8080
# 给拦截器起名。多个拦截器的命名必须在一行。不能写在两行
a1.sources.s1.interceptors = i1 i2
# 配置Timestamp Interceptor
# 类型必须是timestamp
a1.sources.s1.interceptors.i1.type = timestamp
# 配置Host Interceptor
# 类型必须是host
a1.sources.s1.interceptors.i2.type = host
# 使用IP还是主机名
a1.sources.s1.interceptors.i2.useIP = false

a1.channels.c1.type = memory
a1.channels.c1.capacity = 10000
a1.channels.c1.transactionCapacity = 1000

a1.sinks.k1.type = logger

a1.sources.s1.channels = c1
a1.sinks.k1.channel = c1

Static Interceptor

  1. 在Event的headers中添加指定的字段以及指定的值，实际过程中用于做标记

  2. 案例 Event的header中自动添加 class：flume这一key value

    properties 复制代码 
    a1.sources = s1
a1.channels = c1
a1.sinks = k1

a1.sources.s1.type = netcat
a1.sources.s1.bind = 0.0.0.0
a1.sources.s1.port = 8080
# 给拦截器起名
a1.sources.s1.interceptors = i1 i2 i3
# 配置Timestamp Interceptor
# 类型必须是timestamp
a1.sources.s1.interceptors.i1.type = timestamp
# 配置Host Interceptor
# 类型必须是host
a1.sources.s1.interceptors.i2.type = host
# 使用IP还是主机名
a1.sources.s1.interceptors.i2.useIP = true
# 配置Static Interceptor
# 类型必须是static
a1.sources.s1.interceptors.i3.type = static
# 指定键
a1.sources.s1.interceptors.i3.key = class
# 指定值
a1.sources.s1.interceptors.i3.value = flume

a1.channels.c1.type = memory
a1.channels.c1.capacity = 10000
a1.channels.c1.transactionCapacity = 1000

a1.sinks.k1.type = logger

a1.sources.s1.channels = c1
a1.sinks.k1.channel = c1

UUID Interceptor

  1. UUID计算产生一串编号，由于编号位数比较多，因此几乎不太可能产生重复的编号，因此实际过程中经常使用UUID作为唯一标记

  2. UUID Interceptor是在Event的headers中添加一个id字段来标记这个数据的唯一性

  3. 案例

    properties 复制代码 
    a1.sources = s1
a1.channels = c1
a1.sinks = k1

a1.sources.s1.type = netcat
a1.sources.s1.bind = 0.0.0.0
a1.sources.s1.port = 8080
# 给拦截器起名 
a1.sources.s1.interceptors = i1 i2 i3 i4
# 配置Timestamp Interceptor
# 类型必须是timestamp
a1.sources.s1.interceptors.i1.type = timestamp
# 配置Host Interceptor
# 类型必须是host
a1.sources.s1.interceptors.i2.type = host
# 使用IP还是主机名
a1.sources.s1.interceptors.i2.useIP = true
# 配置Static Interceptor
# 类型必须是static
a1.sources.s1.interceptors.i3.type = static
# 指定键
a1.sources.s1.interceptors.i3.key = class
# 指定值
a1.sources.s1.interceptors.i3.value = flume
# 配置UUID Interceptor
# 类型是UUIDInterceptor$Builder
a1.sources.s1.interceptors.i4.type = org.apache.flume.sink.solr.morphline.UUIDInterceptor$Builder


a1.channels.c1.type = memory
a1.channels.c1.capacity = 10000
a1.channels.c1.transactionCapacity = 1000

a1.sinks.k1.type = logger

a1.sources.s1.channels = c1
a1.sinks.k1.channel = c1

  1. 在使用的时候需要指定正则表达式，会将满足正则表达式的数据替换为指定形式的数据。在替换的时候，只替换body中的数据，不替换headers中的数据！！！

  2. 案例

    properties 复制代码 
    a1.sources = s1
a1.channels = c1
a1.sinks = k1

a1.sources.s1.type = http
a1.sources.s1.port = 8888
a1.sources.s1.interceptors = i1
# 类型必须是search_replace
a1.sources.s1.interceptors.i1.type = search_replace
# 指定正则表达式
a1.sources.s1.interceptors.i1.searchPattern = [0-9]
# 指定替换形式
a1.sources.s1.interceptors.i1.replaceString = *

a1.channels.c1.type = memory

a1.sinks.k1.type = logger

a1.sources.s1.channels = c1
a1.sinks.k1.channel = c1

Regex Filtering Interceptor

  1. 在使用的时候需要指定正则表达式。通过属性excludeEvents来决定过滤方式。如果excludeEvents的值为true，表示符合正则表达式形式的数据会被过滤掉；如果excludeEvents的值为false，那么表示不符合正则表达式形式的数据会被过滤掉

  2. 案例

    properties 复制代码 
    a1.sources = s1
a1.channels = c1
a1.sinks = k1

a1.sources.s1.type = netcat
a1.sources.s1.bind = 0.0.0.0
a1.sources.s1.port = 8888
a1.sources.s1.interceptors = i1
# 类型必须是regex_filter
a1.sources.s1.interceptors.i1.type = regex_filter
# 指定正则表达式
a1.sources.s1.interceptors.i1.regex = .*[0-9].*
# 指定过滤方式
a1.sources.s1.interceptors.i1.excludeEvents = true

a1.channels.c1.type = memory

a1.sinks.k1.type = logger

a1.sources.s1.channels = c1
a1.sinks.k1.channel = c1

Custom Interceptor

  1. 定义一个类实现Interceptor接口，同时还需要提供内部类Builder
java 复制代码 
//模拟TimeStamp
public class AuthInterceptor implements Interceptor {


    @Override
    public void initialize() {

    }

    //单条处理
    @Override
    public Event intercept(Event event){

        Map<String, String> headers = event.getHeaders();
        if(headers.containsKey("time")||headers.containsKey("timestamp"))  return event;
        //时间格式可自定义
        headers.put("time", String.valueOf(System.currentTimeMillis()));
        return event;
    }

  
    //按批处理
    @Override
    public List<Event> intercept(List<Event> list) {
        // 定义集合存储处理之后的数据
        List<Event> es = new ArrayList<>();
        for (Event event : es) {
            Event e = intercept(event);
            es.add(e);
        }
        return es;
    }

    @Override
    public void close() {

    }


//这个权限修饰符手动改为public  。  默认为default，外部程序访问不到
public static class AuthBuilder implements Builder {

    // 通过这个函数来获取当前拦截器对象
    @Override
    public Interceptor build() {
        return new AuthInterceptor();
    }

    // 获取配置
    @Override
    public void configure(Context context) {
    }
}
}

  1. 打成jar包，然后放到Flume的lib目录下

    sh 复制代码 
    cd /opt/software/flume-1.11.0/lib/
rz

  2. 格式文件

    sh 复制代码 
    cd ../data

    在文件中添加

    properties 复制代码 
    a1.sources = s1
a1.channels = c1
a1.sinks = k1

a1.sources.s1.type = netcat
a1.sources.s1.bind = 0.0.0.0
a1.sources.s1.port = 8080
a1.sources.s1.interceptors = i1
a1.sources.s1.interceptors.i1.type = com.fesco.in.AuthInterceptor$AuthBuilder

a1.channels.c1.type = memory
a1.channels.c1.capacity = 10000
a1.channels.c1.transactionCapacity = 1000

a1.sinks.k1.type = logger

a1.sources.s1.channels = c1
a1.sinks.k1.channel = c1

**拦截器的功能：**自动给headers加时间戳。将events按时间在channel中存储在不同文件。给Headers中自动添加该条events的来源主机号；自定义一对kv添加到headers中。将body中的内容按正则匹配并调换。 将body中的内容过滤。 生成UUID唯一标识。

其他

执行流程

  1. Source采集数据，数据被采集之后，会交给ChannelProcessor来处理
  2. ChannelProcessor收到数据之后，会将数据交给Interceptor来进行过滤、拦截、替换等操作。需要注意的是，可以存在多个Interceptor，构成拦截器链
  3. Interceptor处理完数据之后，会将数据交给Selector来进行分发。Selector有3种模式：replicating、multipexing、load balancing。根据指定的模式，将数据分发给对应的Channel
  4. Channel收到数据之后，会将数据推送给SinkProcessor。SinkProcessor本质上是一个SinkGroup，需要将一个或者多个Sink绑定到一个组中，支持三种模式：default、failover和load balancing
  5. SinkProcessor收到数据之后，将数据按照指定模式推送给Sink，Sink将数据写到目的地

扩展：Flume监控 - Ganglia

概述
  1. 实际过程中，可以使用Ganglia监控Flume的数据流。Ganglia是Berkeley发起的一个开源的集群监控项目，可以检测数以千计的节点的性能
  2. Ganglia包含三个模块
    1. gmond(Ganglia Monitoring Daemon)：轻量级的监控服务，需要监控哪一个节点的性能，就在这个节点上安装gmond服务，可以监控当前节点(系统)的各种指标数据：CPU、内存、磁盘、网络等信息
    2. gmetad(Ganglia Meta Daemon)：轻量级的汇合服务，可以将监控信息以RRD格式来存储到磁盘上
    3. gweb(Ganglia Web)：Ganglia提供的轻量级的可视化服务，本身是使用PHP来开发的，提供了WEB页面，能够使得用户较为直观和简便的查看到节点的性能
安装

  1. 三个节点上都需要安装httpd和php服务

    sh 复制代码 
    yum -y install httpd php

  2. 三个节点上都需要安装rrd服务

    sh 复制代码 
    yum -y install rrdtool perl-rrdtool rrdtool-devel apr-devel

  3. 三个节点依赖Epel

    sh 复制代码 
    yum -y install epel-release

  4. 第一个节点上安装Ganglia

    sh 复制代码 
    yum -y install ganglia-gmetad ganglia-gmond ganglia-web

  5. 其他两个节点上安装gmond服务

    sh 复制代码 
    yum -y install ganglia-gmond

  6. 第一个节点上修改ganglia.conf

    sh 复制代码 
    vim /etc/httpd/conf.d/ganglia.conf

    文件修改如下

    sh 复制代码 
    <Location /ganglia>
  # Require local
  # Require ip 10.1.2.3
  # Require host example.org
  Require all granted
</Location>

  7. 第一个节点上修改gmetad.conf

    sh 复制代码 
    vim /etc/ganglia/gmetad.conf

    修改data_source属性的值

    sh 复制代码 
    data_source "flume_cluster" hadoop01

  8. 三个节点上修改gmond.conf：

    sh 复制代码 
    vim /etc/ganglia/gmond.conf

    修改cluster中的属性值

    sh 复制代码 
    cluster {
  name = "flume_cluster"
  owner = "unspecified"
  latlong = "unspecified"
  url = "unspecified"
}

    修改udp_send_channel中的属性值

    sh 复制代码 
    udp_send_channel {
  #bind_hostname = yes # Highly recommended, soon to be default.
                       # This option tells gmond to use a source address
                       # that resolves to the machine's hostname.  Without
                       # this, the metrics may appear to come from any
                       # interface and the DNS names associated with
                       # those IPs will be used to create the RRDs.
  # mcast_join = 239.2.11.71
  # 将监控的信息发送到指定的节点收集
  host = hadoop01
  port = 8649
  ttl = 1
}

    修改udp_recv_channel中的属性值

    sh 复制代码 
    udp_recv_channel {
  # mcast_join = 239.2.11.71
  port = 8649
  # 接收任意主机的连接
  bind = 0.0.0.0
  retry_bind = true
  # Size of the UDP buffer. If you are handling lots of metrics you really
  # should bump it up to e.g. 10MB or even higher.
  # buffer = 10485760
}

  9. 三个节点启动gmond服务

    sh 复制代码 
    systemctl start gmond
# 查看进程是否启动
ps -ef | grep -i gmond

  10. 在一个节点上启动gmetad和httpd服务

    sh 复制代码 
    ：systemctl start gmetad
systemctl start httpd

  11. 在浏览器中输入http://IP/ganglia/

监控Flume

  1. 修改Flume的配置

    sh 复制代码 
    # 进入Flume的配置目录
cd /opt/software/flume-1.11.0/conf/
# 复制文件
cp flume-env.sh.template flume-env.sh
# 编辑文件
vim flume-env.sh
# 在文件尾部添加
export JAVA_HOME=/opt/software/jdk1.8
export JAVA_OPTS="-Dflume.monitoring.type=ganglia -Dflume.root.monitoring.hosts=hadoop01:8649 -Xms100m -Xmx200m"
# 保存退出，生效
source flume-env.sh

  2. 启动Flume

    sh 复制代码 
    cd ../data

//type =ganglia      type和=之间有空格会报错

//开启监控后，在执行之间的格式文件，就要用这个格式的指令
flume-ng agent -n a1 -c $FLUME_HOME/conf -f basic.properties -Dflume.root.logger=INFO,console -Dflume.monitoring.type=ganglia -Dflume.monitoring.hosts=hadoop01:8649

  3. 属性解释

    属性 解释
    ChannelCapacity Channel的容量
    ChannelFillPercentage Channel的利用率
    ChannelSize Channel的大小
    EventPutAttemptCount PutList向Channel尝试推送数据的次数
    EventPutSuccessCount PutList向Channel推送数据成功的次数
    EventTakeAttemptCount TakeList向Sink推送数据的次数
    EventTakeSuccessCount TakeList向Sink推送数据成功的次数
    StartTime 起始时间
    StopTime 结束时间
相关推荐
new出一个对象3 小时前
uniapp接入BMapGL百度地图
javascript·百度·uni-app
你挚爱的强哥4 小时前
✅✅✅【Vue.js】sd.js基于jQuery Ajax最新原生完整版for凯哥API版本
javascript·vue.js·jquery
前端Hardy5 小时前
纯HTML&CSS实现3D旋转地球
前端·javascript·css·3d·html
susu10830189115 小时前
vue3中父div设置display flex，2个子div重叠
前端·javascript·vue.js
小镇程序员8 小时前
vue2 src_Todolist全局总线事件版本
前端·javascript·vue.js
疯狂的沙粒8 小时前
对 TypeScript 中函数如何更好的理解及使用？与 JavaScript 函数有哪些区别？
前端·javascript·typescript
瑞雨溪8 小时前
AJAX的基本使用
前端·javascript·ajax
力透键背8 小时前
display: none和visibility: hidden的区别
开发语言·前端·javascript
程楠楠&M8 小时前
node.js第三方Express 框架
前端·javascript·node.js·express
weiabc8 小时前
学习electron
javascript·学习·electron
热门推荐
01ICLR24大模型提示(1/11) | BadChain：大型语言模型的后门思维链提示02PyTorch机器学习实现液态神经网络03【HarmonyOS】HUAWEI DevEco Studio 下载地址汇总04【音视频 | opus】opus编解码库(opus-1.4)详细介绍以及使用——附带解码示例代码05Coze扣子平台完整体验和实践（附国内和国际版对比）06(欧拉)openEuler系统添加网卡文件配置流程、(欧拉)openEuler系统手动配置ipv6地址流程、(欧拉)openEuler系统网络管理说明07IT专业入门，高考假期预习指南08玄机平台应急响应—webshell查杀09RAG 实践- Ollama+RagFlow 部署本地知识库10你还在傻傻的打开页面输用户名和密码？来我教你实现自动化