Flume的四个使用案例

一、Flume监听端口

　　1，在linux机器上下载telnet工具

　　　　yum search telnet

　　　　yumm install telnet.x86_64

　　2.编写flume的配置文件，并将文件复制到flume/conf文件夹下

#.agent
a1.sources = r1
a1.sinks = k1
a1.channels = c1

#.source netcat表示监视端口、localhost监视本机(也可以写本机名如hd1-)
#44444端口号(随便写，注意不要与常用的端口号重复即可)
a1.sources.r1.type = netcat
a1.sources.r1.bind = localhost
a1.sources.r1.port = 

#.sinks Describe the sink 输出日志文件
a1.sinks.k1.type = logger

#. 使用内存、总容量1000、每次传输100
a1.channels.c1.type = memory
a1.channels.c1.capacity =
a1.channels.c1.transactionCapacity = 

#.Bind the source and sink to the channel 一个source可以绑定多个channel
# 一个sinks可以只能绑定一个channel  使用的是图二的模型
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

　　3.启动配置文件

　　　　bin/flume-ng agent --conf conf/ --name a1 --conf-file conf/flumejob_telnet.conf   -Dflume.root.logger==INFO,console

　　4.新建一个Linux本机，输入下面命令连接本机

　　　　telnet localhost 44444

　　5.发送数据查看

二、实施采集数据到hdfs（监控文件）

　　这里有一个无限产生数据的jar包，其产生的数据存放在/opt/jars/calllog.csv下

　　1.写配置文件  flumejob_hdfs.conf

# .agent
a1.sources = r1
a1.sinks = k1
a1.channels = c1

# .sources
# exec 执行一个命令的方式去查看文件 tail -F 实时查看
a1.sources.r1.type = exec
# 要执行的脚本command tail -F 默认10行 man tail  查看帮助
a1.sources.r1.command = tail -F /opt/jars/calllog.csv
# 执行这个command使用的是哪个脚本 -c 指定使用什么命令
# bash: /usr/bin/bash /usr/share/man/man1/bash..gz
a1.sources.r1.shell = /usr/bin/bash -c

# .sinks
a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path = hdfs://hd1-1:9000/flume/calllog
#上传文件的前缀
a1.sinks.k1.hdfs.filePrefix = logs-
#是否按照时间滚动文件夹
a1.sinks.k1.hdfs.round = true
#多少时间单位创建一个新的文件夹  秒 （默认30s）
a1.sinks.k1.hdfs.roundValue =
#重新定义时间单位（每小时滚动一个文件夹）
a1.sinks.k1.hdfs.roundUnit = minute
#是否使用本地时间戳
a1.sinks.k1.hdfs.useLocalTimeStamp = true
#积攒多少个 Event 才 flush 到 HDFS 一次
a1.sinks.k1.hdfs.batchSize =
#设置文件类型，可支持压缩
a1.sinks.k1.hdfs.fileType = DataStream
#多久生成一个新的文件 秒
a1.sinks.k1.hdfs.rollInterval =
#设置每个文件的滚动大小 字节（最好128M）
a1.sinks.k1.hdfs.rollSize =
#文件的滚动与 Event 数量无关
a1.sinks.k1.hdfs.rollCount =
#最小冗余数(备份数 生成滚动功能则生效roll hadoop本身有此功能 无需配置) 1份 不冗余
a1.sinks.k1.hdfs.minBlockReplicas = 

# Use a channel which buffers events in memory
a1.channels.c1.type = memory
a1.channels.c1.capacity =
a1.channels.c1.transactionCapacity = 

# Bind the source and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

　　  2.启动hdfs、yarn，并在hdfs上建立文件中的生成文件目录

　　　　hdfs dfs -mkdir -p /flume/calllog

　　3.启动命令

　　　　bin/flume-ng agent --conf conf/ --name a1 --conf-file conf/flumejob_hdfs.conf

　　4.启动jar包，然后查看hdfs上calllog文件夹下的变化

三、监控文件目录

　　1.写配置文件 flumejob_dir.conf

# .agent
a1.sources = r1
a1.sinks = k1
a1.channels = c1

# .sources
a1.sources.r1.type = spooldir
# 监控的文件夹
a1.sources.r1.spoolDir = /root/spooldir
# 上传成功后显示后缀名
a1.sources.r1.fileSuffix = .COMPLETED
# 如论如何 加绝对路径的文件名 默认false
a1.sources.r1.fileHeader = true

#忽略所有以.tmp 结尾的文件（正在被写入），不上传
# ^以任何开头 出现无限次 以.tmp结尾的
a1.sources.r1.ignorePattern = ([^ ]*\.tmp)

# .sinks
a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path = hdfs://hd09-01:9000/flume/spooldir/%Y%m%d/%H
#上传文件的前缀
a1.sinks.k1.hdfs.filePrefix = spooldir-
#是否按照时间滚动文件夹
a1.sinks.k1.hdfs.round = true
#多少时间单位创建一个新的文件夹
a1.sinks.k1.hdfs.roundValue =
#重新定义时间单位
a1.sinks.k1.hdfs.roundUnit = hour
#是否使用本地时间戳
a1.sinks.k1.hdfs.useLocalTimeStamp = true
#积攒多少个 Event 才 flush 到 HDFS 一次
a1.sinks.k1.hdfs.batchSize = 

#设置文件类型，可支持压缩
a1.sinks.k1.hdfs.fileType = DataStream
#多久生成一个新的文件
a1.sinks.k1.hdfs.rollInterval =
#设置每个文件的滚动大小大概是 128M
a1.sinks.k1.hdfs.rollSize =
#文件的滚动与 Event 数量无关
a1.sinks.k1.hdfs.rollCount =
#最小副本数
a1.sinks.k1.hdfs.minBlockReplicas = 

# .channels
a1.channels.c1.type = memory
a1.channels.c1.capacity =
a1.channels.c1.transactionCapacity = 

# .bink
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

　　2.启动hdfs、yarn，注意，不需要在hdfs上创建

　　3.启动命令

　　　　bin/flume-ng agent --conf conf\ --name a1 --conf-file conf/flumejob_dir.conf

　　4.将任意文件复制到spool文件目录中，在hdfs中可看到生成日志文件

四、Flume监听一个文件，然后使用两个channel，一个channle对应的sink存储到hdfs，另一个channel对应的sink存储到本地。

　　思路：这时应需要三个agent，

　　　　第一个agent用来监听文件并将数据源复制为两份发送到其他两个agent，

　　　　第二个agent将数据传输到hdfs存储，第三个agent将数据存储在本地。

　　1.编写三个conf文件（flumejob1.conf、flumejob2.conf、flumejob3.conf）

# 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 /tmp/root/hive.log
a1.sources.r1.shell = /bin/bash -c

# Describe the sink
# 分两个端口发送数据
a1.sinks.k1.type = avro
a1.sinks.k1.hostname = hd09-
a1.sinks.k1.port = 

a1.sinks.k2.type = avro
a1.sinks.k2.hostname = hd09-
a1.sinks.k2.port = 

# Describe the channel
a1.channels.c1.type = memory
a1.channels.c1.capacity =
a1.channels.c1.transactionCapacity = 

a1.channels.c2.type = memory
a1.channels.c2.capacity =
a1.channels.c2.transactionCapacity = 

# Bind the source and sink to the channel
a1.sources.r1.channels = c1 c2
a1.sinks.k1.channel = c1
a1.sinks.k2.channel = c2

# Name the components on this agent
a2.sources = r1
a2.sinks = k1
a2.channels = c1

# Describe/configure the source
a2.sources.r1.type = avro
# 端口抓取数据
a2.sources.r1.bind = hd09-
a2.sources.r1.port = 

# Describe the sink
a2.sinks.k1.type = hdfs
a2.sinks.k1.hdfs.path = hdfs://hd09-01:9000/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 =
#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 = 

#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 =
#设置每个文件的滚动大小大概是 128M
a2.sinks.k1.hdfs.rollSize =
#文件的滚动与 Event 数量无关
a2.sinks.k1.hdfs.rollCount =
#最小副本数

# Describe the channel
a2.channels.c1.type = memory
a2.channels.c1.capacity =
a2.channels.c1.transactionCapacity = 

# Bind the source and sink to the channel
a2.sources.r1.channels = c1
a2.sinks.k1.channel = c1

# 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 = hd09-
a3.sources.r1.port = 

# Describe the sink
a3.sinks.k1.type = file_roll
a3.sinks.k1.sink.directory = /root/flume2

# Describe the channel
a3.channels.c1.type = memory
a3.channels.c1.capacity =
a3.channels.c1.transactionCapacity = 

# Bind the source and sink to the channel
a3.sources.r1.channels = c1
a3.sinks.k1.channel = c1

　　2.在本地创建文件中本地存放的文件夹，本地不会自动创建，而hdfs会

　　　　mkdir /root/flume2

　　3.打开jar包测试。