Flume

概述

Flume 分布式的日志收集系统 官网手册

• agent：收集日志发送到目的地（运行在日志收集端的一个Java进程），包括三个核心组件：
  • source 收集日志（数据临时存放在channel中）
    • 可处理各种类型各种格式的日志数据
    • 例如日志类型：avro、thrift、exec、jms、spooling directory、netcat、sequence generator、syslog、http、legacy、自定义
  • channel 缓冲数据（数据只有在sink发送成功之后才会被删除）
    • 例如存放在：memory、jdbc、file、自定义
  • sink 发送日志到目的地
    • 例如目的地：hdfs、logger、avro、thrift、ipc、file、null、hbase、solr、自定义
  • 特殊：interceptor 拦截器（在日志进入到source前，包装清洗过滤event）
    • chain形式：可对一个source指定多个拦截器，按先后顺序依次处理
    • 官方已有的拦截器：Timestamp/Host/Static/Regex Filtering/Regex Extractor/...
• event：在整个数据传输过程中，流动的是event
• 注意：
  • 事务保证在event级别
  • flume支持多级agent
  • flume支持扇入(fan-in)，扇出(fan-out)

使用示例

1. 安装：直接下载解压即可

2. 配置：在$FLUME_HOME/conf下添加一个配置文件（例如：flume-conf-test1.properties）

    # agent1表示代理名称
    agent1.sources=source1
    agent1.sinks=sink1
    agent1.channels=channel1
   
    # 配置source1
    # 1. Spooling Directory是监控指定文件夹中新文件的变化
    # 一旦新文件出现，就解析该文件内容，然后写入到channle
    # 写入完成后，标记该文件已完成或者删除该文件
    # 2. 添加Timestamp Interceptor
    # 在event的header中添加一个key叫timestamp,value为当前的时间戳
    agent1.sources.source1.type=spooldir
    agent1.sources.source1.spoolDir=/home/hadoop/input/flume
    agent1.sources.source1.channels=channel1
    agent1.sources.source1.fileHeader = false
    agent1.sources.source1.interceptors = i1
    agent1.sources.source1.interceptors.i1.type = timestamp
   
    # 配置sink1
    agent1.sinks.sink1.type=hdfs
    agent1.sinks.sink1.hdfs.path=hdfs://cj.storm:9000/output/flume
    agent1.sinks.sink1.hdfs.fileType=DataStream
    agent1.sinks.sink1.hdfs.writeFormat=TEXT
    # agent1.sinks.sink1.hdfs.rollInterval=0
    # agent1.sinks.sink1.hdfs.rollSize=10485760
    agent1.sinks.sink1.channel=channel1
    agent1.sinks.sink1.hdfs.filePrefix=%Y-%m-%d
   
    # 配置channel1
    agent1.channels.channel1.type=file
    agent1.channels.channel1.checkpointDir=/home/hadoop/input/flume_tmp/checkpoint
    agent1.channels.channel1.dataDirs=/home/hadoop/input/flume_tmp/data
   

3. 测试

    # 1. 创建被监控目录
    > mkdir -p /home/hadoop/input/flume
   
    # 2. 启动flume agent1
    # -n 指定agent名称
    # -c 指定配置文件目录
    # -f 指定配置文件
    > bin/flume-ng agent -n agent1 -c conf -f conf/flume-conf-test1.properties \
    -Dflume.root.logger=DEBUG,console
   
    # 3. 放入测试文件
    # 4. 查看运行结果
    > hadoop fs -lsr /output/flume