Flume案例实操

案例实操

3.1 Flume实时读取目录中文件到HDFS案例

1）案例需求：使用flume监听整个目录的文件

2）需求分析：

 

3）实现步骤：

1．创建配置文件flume-dir-hdfs.conf

创建一个文件

[root@linux02 job]$ touch flume-dir-hdfs.conf

打开文件

[root@linux02 job]$ vim flume-dir-hdfs.conf

添加如下内容

a3.sources = r3

a3.sinks = k3

a3.channels = c3

 

# Describe/configure the source

a3.sources.r3.type = spooldir

a3.sources.r3.spoolDir = /opt/module/flume/upload

a3.sources.r3.fileSuffix = .COMPLETED

a3.sources.r3.fileHeader = true

#忽略所有以.tmp结尾的文件，不上传

a3.sources.r3.ignorePattern = ([^ ]*\.tmp)

 

# Describe the sink

a3.sinks.k3.type = hdfs

a3.sinks.k3.hdfs.path = hdfs://linux01:9000/flume/upload/%Y%m%d/%H

#上传文件的前缀

a3.sinks.k3.hdfs.filePrefix = upload-

#是否按照时间滚动文件夹

a3.sinks.k3.hdfs.round = true

#多少时间单位创建一个新的文件夹

a3.sinks.k3.hdfs.roundValue = 1

#重新定义时间单位

a3.sinks.k3.hdfs.roundUnit = hour

#是否使用本地时间戳

a3.sinks.k3.hdfs.useLocalTimeStamp = true

 

#积攒多少个Event才flush到HDFS一次

a3.sinks.k3.hdfs.batchSize = 100

#设置文件类型，可支持压缩

a3.sinks.k3.hdfs.fileType = DataStream

#多久生成一个新的文件

a3.sinks.k3.hdfs.rollInterval = 30

#设置每个文件的滚动大小大概是128M

a3.sinks.k3.hdfs.rollSize = 134217700

#文件的滚动与Event数量无关

a3.sinks.k3.hdfs.rollCount = 0

 

# Use a channel which buffers events in memory

a3.channels.c3.type = memory

a3.channels.c3.capacity = 1000

a3.channels.c3.transactionCapacity = 100

 

# Bind the source and sink to the channel

a3.sources.r3.channels = c3

a3.sinks.k3.channel = c3

 

2. 启动监控文件夹命令

[root@linux02 flume]$ bin/flume-ng agent --conf conf/ --name a3 --conf-file job/flume-dir-hdfs.conf

说明： 在使用Spooling Directory Source时

1. 不要在监控目录中创建并持续修改文件
2. 上传完成的文件会以.COMPLETED结尾
3. 被监控文件夹每500毫秒扫描一次文件变动

3. 向upload文件夹中添加文件

在/opt/module/flume目录下创建upload文件夹

[root@linux02 flume]$ mkdir upload

向upload文件夹中添加文件

[root@linux02 upload]$ touch hadoop.txt

[root@linux02 upload]$ touch hadoop.tmp

[root@linux02 upload]$ touch hadoop.log

4. 查看HDFS上的数据

5. 等待1s，再次查询upload文件夹

[root@linux02 upload]$ ll

总用量 0

-rw-rw-r--. 1 hadoop hadoop 0 5月  20 22:31 bigdata.log.COMPLETED

-rw-rw-r--. 1 hadoop hadoop 0 5月  20 22:31 bigdata.tmp

-rw-rw-r--. 1 hadoop hadoop 0 5月  20 22:31 bigdata.txt.COMPLETED

3.2 [重点]Flume实时读取本地文件新增内容到HDFS案例

1）案例需求：实时监控Hive日志，并上传到HDFS中

2）需求分析：

 

3）实现步骤：

创建flume-file-hdfs.conf文件

创建文件

[root@linux02 job]$ touch flume-file-hdfs.conf

注：要想读取Linux系统中的文件，就得按照Linux命令的规则执行命令。由于hive日志在Linux系统中所以读取文件的类型选择：exec即execute执行的意思。表示执行Linux命令来读取文件。

[root@linux02 job]$ vim flume-file-hdfs.conf

添加如下内容

# Name the components on this agent

a2.sources = r2

a2.sinks = k2

a2.channels = c2

 

# Describe/configure the source

a2.sources.r2.type = exec

a2.sources.r2.command = tail -F /opt/module/hive/logs/hive.log

a2.sources.r2.shell = /bin/bash -c

 

# Describe the sink

a2.sinks.k2.type = hdfs

a2.sinks.k2.hdfs.path = hdfs://linux01:9000/flume/%Y%m%d/%H

#上传文件的前缀

a2.sinks.k2.hdfs.filePrefix = logs-

#是否按照时间滚动文件夹

a2.sinks.k2.hdfs.round = true

#多少时间单位创建一个新的文件夹

a2.sinks.k2.hdfs.roundValue = 1

#重新定义时间单位

a2.sinks.k2.hdfs.roundUnit = hour

#是否使用本地时间戳

a2.sinks.k2.hdfs.useLocalTimeStamp = true

#积攒多少个Event才flush到HDFS一次

a2.sinks.k2.hdfs.batchSize = 1000

#设置文件类型，可支持压缩

a2.sinks.k2.hdfs.fileType = DataStream

#多久生成一个新的文件

a2.sinks.k2.hdfs.rollInterval = 600

#设置每个文件的滚动大小

a2.sinks.k2.hdfs.rollSize = 134217700

#文件的滚动与Event数量无关

a2.sinks.k2.hdfs.rollCount = 0

 

# Use a channel which buffers events in memory

a2.channels.c2.type = memory

a2.channels.c2.capacity = 1000

a2.channels.c2.transactionCapacity = 100

 

# Bind the source and sink to the channel

a2.sources.r2.channels = c2

a2.sinks.k2.channel = c2

 

执行监控配置

[root@linux02 flume]$ bin/flume-ng agent --conf conf/ --name a2 --conf-file job/flume-file-hdfs.conf

开启hadoop和hive并操作hive产生日志

[root@linux02 hadoop-2.7.2]$ sbin/start-dfs.sh

[root@linux02 hadoop-2.7.2]$ sbin/start-yarn.sh

 

[root@linux02 hive]$ bin/hive

hive (default)>

在HDFS上查看文件

3.3 单数据源多出口案例

单Source多Channel、Sink如图所示

图 单Source多Channel、Sink

1. 案例需求：使用flume-1监控文件变动，flume-1将变动内容传递给flume-2，flume-2负责存储到HDFS。同时flume-1将变动内容传递给flume-3，flume-3负责输出到local filesystem。

2）需求分析：

3）实现步骤：

0．准备工作

在job目录下创建group1文件夹

[root@linux02 job]$ cd group1/

在/opt/module/datas/目录下创建flume3文件夹

[root@linux02 datas]$ mkdir flume3

1．创建flume-file-flume.conf

配置1个接收日志文件的source和两个channel、两个sink，分别输送给flume-flume-hdfs和flume-flume-dir。

创建配置文件并打开

[root@linux02 group1]$ touch flume-file-flume.conf

[root@linux02 group1]$ vim flume-file-flume.conf

添加如下内容

# Name the components on this agent

a1.sources = r1

a1.sinks = k1 k2

a1.channels = c1 c2

# 将数据流复制给多个channel

a1.sources.r1.selector.type = replicating

 

# Describe/configure the source

a1.sources.r1.type = exec

a1.sources.r1.command = tail -F /opt/module/hive/logs/hive.log

a1.sources.r1.shell = /bin/bash -c

 

# Describe the sink

a1.sinks.k1.type = avro

a1.sinks.k1.hostname = linux02

a1.sinks.k1.port = 4141

 

a1.sinks.k2.type = avro

a1.sinks.k2.hostname = linux02

a1.sinks.k2.port = 4142

 

# Describe the channel

a1.channels.c1.type = memory

a1.channels.c1.capacity = 1000

a1.channels.c1.transactionCapacity = 100

 

a1.channels.c2.type = memory

a1.channels.c2.capacity = 1000

a1.channels.c2.transactionCapacity = 100

 

# Bind the source and sink to the channel

a1.sources.r1.channels = c1 c2

a1.sinks.k1.channel = c1

a1.sinks.k2.channel = c2

注：Avro是由Hadoop创始人Doug Cutting创建的一种语言无关的数据序列化和RPC框架。

注：RPC（Remote Procedure Call）—远程过程调用，它是一种通过网络从远程计算机程序上请求服务，而不需要了解底层网络技术的协议。

2．创建flume-flume-hdfs.conf

配置上级flume输出的source，输出是到hdfs的sink。

创建配置文件并打开

[root@linux02 group1]$ touch flume-flume-hdfs.conf

[root@linux02 group1]$ vim flume-flume-hdfs.conf

添加如下内容

# Name the components on this agent

a2.sources = r1

a2.sinks = k1

a2.channels = c1

 

# Describe/configure the source

a2.sources.r1.type = avro

a2.sources.r1.bind = linux02

a2.sources.r1.port = 4141

 

# Describe the sink

a2.sinks.k1.type = hdfs

a2.sinks.k1.hdfs.path = hdfs://linux01:9000/flume2/%Y%m%d/%H

#上传文件的前缀

a2.sinks.k1.hdfs.filePrefix = flume2-

#是否按照时间滚动文件夹

a2.sinks.k1.hdfs.round = true

#多少时间单位创建一个新的文件夹

a2.sinks.k1.hdfs.roundValue = 1

#重新定义时间单位

a2.sinks.k1.hdfs.roundUnit = hour

#是否使用本地时间戳

a2.sinks.k1.hdfs.useLocalTimeStamp = true

#积攒多少个Event才flush到HDFS一次

a2.sinks.k1.hdfs.batchSize = 100

#设置文件类型，可支持压缩

a2.sinks.k1.hdfs.fileType = DataStream

#多久生成一个新的文件

a2.sinks.k1.hdfs.rollInterval = 600

#设置每个文件的滚动大小大概是128M

a2.sinks.k1.hdfs.rollSize = 134217700

#文件的滚动与Event数量无关

a2.sinks.k1.hdfs.rollCount = 0

#最小冗余数

a2.sinks.k1.hdfs.minBlockReplicas = 1

 

# Describe the channel

a2.channels.c1.type = memory

a2.channels.c1.capacity = 1000

a2.channels.c1.transactionCapacity = 100

 

# Bind the source and sink to the channel

a2.sources.r1.channels = c1

a2.sinks.k1.channel = c1

3．创建flume-flume-dir.conf

配置上级flume输出的source，输出是到本地目录的sink。

创建配置文件并打开

[root@linux02 group1]$ touch flume-flume-dir.conf

[root@linux02 group1]$ vim flume-flume-dir.conf

添加如下内容

# Name the components on this agent

a3.sources = r1

a3.sinks = k1

a3.channels = c2

 

# Describe/configure the source

a3.sources.r1.type = avro

a3.sources.r1.bind = linux02

a3.sources.r1.port = 4142

 

# Describe the sink

a3.sinks.k1.type = file_roll

a3.sinks.k1.sink.directory = /opt/module/datas/flume3

 

# Describe the channel

a3.channels.c2.type = memory

a3.channels.c2.capacity = 1000

a3.channels.c2.transactionCapacity = 100

 

# Bind the source and sink to the channel

a3.sources.r1.channels = c2

a3.sinks.k1.channel = c2

提示：输出的本地目录必须是已经存在的目录，如果该目录不存在，并不会创建新的目录。

4．执行配置文件

分别开启对应配置文件：flume-flume-dir，flume-flume-hdfs，flume-file-flume。

[root@linux02 flume]$ bin/flume-ng agent --conf conf/ --name a3 --conf-file job/group1/flume-flume-dir.conf

[root@linux02 flume]$ bin/flume-ng agent --conf conf/ --name a2 --conf-file job/group1/flume-flume-hdfs.conf

[root@linux02 flume]$ bin/flume-ng agent --conf conf/ --name a1 --conf-file job/group1/flume-file-flume.conf

5．启动hadoop和hive

[root@linux02 hadoop-2.7.2]$ sbin/start-dfs.sh

[root@linux02 hadoop-2.7.2]$ sbin/start-yarn.sh

 

[root@linux02 hive]$ bin/hive

hive (default)>

 

6．检查HDFS上数据

 

7检查/opt/module/datas/flume3目录中数据

[root@linux02 flume3]$ ll

总用量 8

-rw-rw-r--. 1 root root 5942 5月  22 00:09 1526918887550-3

3.4 多数据源汇总案例

多Source汇总数据到单Flume如图所示

图 多Flume汇总数据到单Flume

1. 案例需求：

linux01上的flume-1监控文件hive.log，

linux01上的flume-2监控某一个端口的数据流，

flume-1与flume-2将数据发送给linux01上的flume-3，flume-3将最终数据打印到控制台

1. 需求分析：

 

3）实现步骤：

0．准备工作

分发flume

[root@linux02 module]$ scp flume

在linux02、linux03以及hadoop104的/opt/module/flume/job目录下创建一个group2文件夹

[root@linux02 job]$ mkdir group2

[root@linux02 job]$ mkdir group2

[root@linux03 job]$ mkdir group2

1．创建flume1.conf

配置source用于监控hive.log文件，配置sink输出数据到下一级flume。

在linux02上创建配置文件并打开

[root@linux02 group2]$ touch flume-file.conf

[root@linux02 group2]$ vim flume-file.conf

添加如下内容

# Name the components on this agent

a1.sources = r1

a1.sinks = k1

a1.channels = c1

 

# Describe/configure the source

a1.sources.r1.type = exec

a1.sources.r1.command = tail -F /opt/module/hive/logs/hive.log

a1.sources.r1.shell = /bin/bash -c

 

# Describe the sink

a1.sinks.k1.type = avro

a1.sinks.k1.hostname = linux02

a1.sinks.k1.port = 4141

 

# Describe the channel

a1.channels.c1.type = memory

a1.channels.c1.capacity = 1000

a1.channels.c1.transactionCapacity = 100

 

# Bind the source and sink to the channel

a1.sources.r1.channels = c1

a1.sinks.k1.channel = c1

2．创建flume2.conf

配置source监控端口44444数据流，配置sink数据到下一级flume：

在hadoop104上创建配置文件并打开

[root@linux03 group2]$ touch flume2.conf

[root@linux03 group2]$ vim flume2.conf

添加如下内容

# Name the components on this agent

a2.sources = r1

a2.sinks = k1

a2.channels = c1

 

# Describe/configure the source

a2.sources.r1.type = netcat

a2.sources.r1.bind = linux02

a2.sources.r1.port = 44444

 

# Describe the sink

a2.sinks.k1.type = avro

a2.sinks.k1.hostname = linux02

a2.sinks.k1.port = 4141

 

# Use a channel which buffers events in memory

a2.channels.c1.type = memory

a2.channels.c1.capacity = 1000

a2.channels.c1.transactionCapacity = 100

 

# Bind the source and sink to the channel

a2.sources.r1.channels = c1

a2.sinks.k1.channel = c1

3．创建flume3.conf

配置source用于接收flume1与flume2发送过来的数据流，最终合并后sink到控制台。

在linux02上创建配置文件并打开

[root@linux02 group2]$ touch flume3.conf

[root@linux02 group2]$ vim flume3.conf

添加如下内容

# Name the components on this agent

a3.sources = r1

a3.sinks = k1

a3.channels = c1

 

# Describe/configure the source

a3.sources.r1.type = avro

a3.sources.r1.bind = linux02

a3.sources.r1.port = 4141

 

# Describe the sink

# Describe the sink

a3.sinks.k1.type = logger

 

# Describe the channel

a3.channels.c1.type = memory

a3.channels.c1.capacity = 1000

a3.channels.c1.transactionCapacity = 100

 

# Bind the source and sink to the channel

a3.sources.r1.channels = c1

a3.sinks.k1.channel = c1

4．执行配置文件

分别开启对应配置文件：flume3.conf，flume2.conf，flume1.conf。

[root@linux02 flume]$ bin/flume-ng agent --conf conf/ --name a3 --conf-file job/group2/flume3.conf -Dflume.root.logger=INFO,console

[root@linux02 flume]$ bin/flume-ng agent --conf conf/ --name a2 --conf-file job/group2/flume2.conf

[root@linux03 flume]$ bin/flume-ng agent --conf conf/ --name a1 --conf-file job/group3/flume-file.conf

5．在linux02上向/opt/module目录下的group.log追加内容

[root@linux02 module]$ echo 'hello' > group.log

6．在linux03上向44444端口发送数据

[root@linux03 flume]$ telnet hadoop104 44444

7.  检查数据