一、简介
1.1、概念
Apache Flume 是一个分布式、可靠且可用的系统,专为收集、聚合和移动大量日志数据而设计。它的架构基于流式数据流模型,允许开发者通过简单的配置实现从多个来源收集数据,通过简单的配置文件,用户即可完成复杂的数据流定义,大大降低了使用门槛。Flume 最常见的应用场景是从 Web 服务器或其他服务的日志文件中实时收集数据,并将这些数据传输到一个或多个目标位置,如HDFS(Hadoop分布式文件系统)、关系数据库、消息队列等。
1.2、特点
高可用性:Flume 设计有故障恢复机制,能够自动重试失败的操作,确保数据的可靠传输。
可扩展性:用户可以根据数据流量的变化动态调整Agent的数量,轻松应对数据增长的需求。
灵活性:支持多种数据源和目的地,可以通过配置文件轻松定制数据流,满足不同业务场景的需求。
易用性:提供了丰富的插件和配置选项,无需编程即可实现复杂的数据收集和传输任务。
二、安装
2.1、上传解压重命名
上传到 /opt/moudles 下
解压到 /opt/installs 下
tar -zxvf apache-flume-1.9.0-bin.tar.gz -C /opt/installs
重命名
cd /opt/installs
mv apache-flume-1.9.0-bin/ flume
2.2、修改配置文件
来到 /opt/instals/flume/conf 下
cp flume-env.sh.template flume-env.sh
将JAVA_HOME路径修改为自己的jdk路径
修改环境变量
vi /etc/profile
export FLUME_HOME=/opt/installs/flume
export PATH=PATH:FLUME_HOME/bin
刷新一下: source /etc/profile
三、使用(以案例形式)
参考网址:Flume 1.9用户手册中文版 --- 可能是目前翻译最完整的版本了
flume 的使用是编写 conf文件的,运行的时候指定该文件
定义组件的名字
<Agent>.sources = <Source>
a1.sources=s1
<Agent>.channels = <Channel1> <Channel2>
a1.channels=c1
<Agent>.sinks = <Sink>
a1.sinks=sink1
设置source 和 channel 之间的关系
<Agent>.sources.<Source>.channels = <Channel1> <Channel2> ...
a1.sources.s1.channels=c1
设置sink 和 channel 之间的关系
<Agent>.sinks.<Sink>.channel = <Channel1>
a1.sinks.sink1.channel=c1
先定义agent的名字,再定义agent中三大组件的名字
接着定义各个组件之间的关联关系
3.1、Avro+Memory+Logger
可以在flume的conf下创建一个 myconf 文件夹来存放写的文件
avro: 是监听某个端口是否有信息的工具
memory: 内存
logger: 控制台
即将演示一个场景:给服务器上的一个端口发送消息,消息经过内存,打印到控制台上。
#编写s1的类型是什么a1.sources.s1.type = avro
a1.sources.s1.bind = 192.168.32.128
a1.sources.s1.port = 4141
a1.sources.s1.channels = c1
找到channel中的memory类型,再设置一下
a1.channels.c1.type = memory
a1.channels.c1.capacity = 10000
#source 或者 sink 每个事务中存取 Event 的操作数量
a1.channels.c1.transactionCapacity = 10000
接着查找sink,sink的类型是logger
a1.sinks.s2.channel = c1
a1.sinks.s2.type = logger
最终合并起来的文件就是:
a1.sources = r1
a1.channels = c1
a1.sources.r1.type = avro
a1.sources.r1.channels = c1
a1.sources.r1.bind = bigdata01
a1.sources.r1.port = 4141
a1.channels.c1.type = memory
a1.sinks = k1
a1.sinks.k1.type = logger
a1.sinks.k1.channel = c1
在myconf文件夹下创建conf文件 avro-memory-log.conf 将上面的代码粘贴进去,随后运行它
flume-ng agent -c ../ -f avro-memory-log.conf -n a1 -Dflume.root.logger=INFO,console
-c 后面跟上 配置文件的路径
-f 跟上自己编写的conf文件
-n agent的名字
-Dflume.root.logger=INFO,console INFO 日志输出级别 Debug,INFO,warn,error 等
接着向端口中发送数据:flume-ng avro-client -c /opt/installs/flume/conf/ -H bigdata01 -p 4141 -F /home/hivedata/arr1.txt
给avro发消息,使用avro-client
flume是没有运行结束时间的,它一直监听某个Ip的端口,有消息就处理,没消息,就等着,反正不可能运行结束。
如果想停止,可以使用ctrl + c 终止flume。
3.2、Exec + Memory + HDFS
到企业中怎么知道用什么呢?
取决于公司的业务,理论将 sources channel sink 可以任意组合
以下版本演示的是没有时间语义的案例:
文件名:exec-memory-hdfs.conf
a1.sources = r1a1.channels = c1
a1.sources.r1.type = exec
a1.sources.r1.command = tail -F /home/hivedata/arr1.txt #虚拟机上的目录,一定要存在
a1.sources.r1.channels = c1
a1.channels.c1.type = memory
a1.channels.c1.capacity = 10000
a1.channels.c1.transactionCapacity = 10000
a1.channels.c1.byteCapacityBufferPercentage = 20
a1.channels.c1.byteCapacity = 800000
a1.sinks = k1
a1.sinks.k1.type = hdfs
a1.sinks.k1.channel = c1
a1.sinks.k1.hdfs.path = /flume/event/ #在hdfs上的被抽取消息的存储位置
flume-ng agent -c ./ -f exec-memory-hdfs.conf -n a1 -Dflume.root.logger=INFO,console
不断向 arr1.txt 文件中输入数据即可观察到被抽取的现象
echo "nidejiaobuliuliangdaotianya" >> arr1.txt
3.3、Spool +File + HDFS
Spooling Directory
spool 这个效果是抽取一个文件夹的效果,文件夹中不断的产生新的文件,我将这些新的文件上传至hdfs。
文件名:spool-file-hdfs.conf
a1.channels = ch-1a1.sources = src-1
a1.sources.src-1.type = spooldir
a1.sources.src-1.channels = ch-1
a1.sources.src-1.spoolDir = /home/scripts/
a1.sources.src-1.fileHeader = true
a1.channels.ch-1.type = file
a1.sinks = k1
a1.sinks.k1.type = hdfs
a1.sinks.k1.channel = ch-1
a1.sinks.k1.hdfs.path = /flume/
以上的采集只能采集到文件夹中是否有新的文件产生,不能采集变化的文件。
抽取一个文件夹中的所有文件,子文件夹中的文件是不抽取的,抽取过的文件,数据发生了变化,也不会再抽取一次。
3.4、tailDir + Memory + HDFS [ 非常常用 ]
tailDir 是用来监控多个文件夹下的多个文件的,只要文件内容发生变化,就会再次的进行数据的抽取
a1.sources = r1
a1.channels = c1
a1.sources.r1.type = TAILDIR
a1.sources.r1.channels = c1
a1.sources.r1.filegroups = f1
. 代表的意思是一个任意字符 * 代表前面的字符出现0到多次
a1.sources.r1.filegroups.f1 = /home/scripts/datas/.*txt.*
a1.channels.c1.type = memory
a1.channels.c1.capacity = 10000
a1.channels.c1.transactionCapacity = 10000
a1.sinks = k1
a1.sinks.k1.type = hdfs
a1.sinks.k1.channel = c1
a1.sinks.k1.hdfs.path = /flume3/logs
运行:
flume-ng agent -c ./ -f taildir-memory-hdfs.conf -n a1 -Dflume.root.logger=INFO,console