[BD] Flume

什么是Flume

• 采集日志，存在HDFS上
• 分布式、高可用、高可靠的海量日志采集、聚合和传输系统
• 支持在日志系统中定制各类数据发送方，用于收集数据
• 支持对数据进行简单处理，写到数据接收方

组件

• source：数据的来源
  • avro：接收另一个flume的数据
  • taildir：监控不断追加的日志文件
• channel：数据传输通道
• sink：数据落盘处

配置

• 配置文件

 1 #bin/flume-ng agent -n a4 -f myagent/a4.conf -c conf -Dflume.root.logger=INFO,console
 2 #定义agent名， source、channel、sink的名称
 3 a4.sources = r1
 4 a4.channels = c1
 5 a4.sinks = k1
 6
 7 #具体定义source
 8 a4.sources.r1.type = spooldir
 9 a4.sources.r1.spoolDir = /root/training/logs
10
11 #具体定义channel
12 a4.channels.c1.type = memory
13 a4.channels.c1.capacity = 10000
14 a4.channels.c1.transactionCapacity = 100
15
16 #定义拦截器，为消息添加时间戳
17 a4.sources.r1.interceptors = i1
18 a4.sources.r1.interceptors.i1.type = org.apache.flume.interceptor.TimestampInterceptor$Builder
19
20
21 #具体定义sink
22 a4.sinks.k1.type = hdfs
23 a4.sinks.k1.hdfs.path = hdfs://192.168.56.111:9000/flume/%Y%m%d
24 a4.sinks.k1.hdfs.filePrefix = events-
25 a4.sinks.k1.hdfs.fileType = DataStream
26
27 #不按照条数生成文件
28 a4.sinks.k1.hdfs.rollCount = 0
29 #HDFS上的文件达到128M时生成一个文件
30 a4.sinks.k1.hdfs.rollSize = 134217728
31 #HDFS上的文件达到60秒生成一个文件
32 a4.sinks.k1.hdfs.rollInterval = 60
33
34 #组装source、channel、sink
35 a4.sources.r1.channels = c1
36 a4.sinks.k1.channel = c1

命令

• 启动：bin/flume-ng agent -n a4 -f myagent/a4.conf -c conf -Dflume.root.logger=INFO,console

应用

• 采集网络传输信息
  • node01安装flume，写配置文件，开启flume
  • node02中telnet给node01发送信息
• 采集特定目录下新文件内容到HDFS
• 高可用（failover）
  • agent1.sinkgroups.g1.processor.type = failover
  • 停掉node02的agent，自动切换到node03上的agent
  • 启动node02的agent，由于node02优先级高，自动切换回node02上的agent　　

• 负载均衡（load balancer）
  • a1.sinkgroups.g1.processor.type = load_balance

• 静态拦截器
  • 将不同数据源的数据放在不同目录
• 自定义拦截器
  • 数据采集后，将不需要的数据过滤掉，并将指定的第一个字段进行加密，再存到hdfs上
  • a1.sources.r1.interceptors.i1.type =com.kkb.flume.interceptor.MyInterceptor$MyBuilder
  • a1.sources.r1.interceptors.i1.encrypted_field_index=0
  • a1.sources.r1.interceptors.i1.out_index=3

• 自定义source
  • MySql数据采集到HDFS

参考

官方文档

http://flume.apache.org/releases/content/1.9.0/FlumeUserGuide.html

快速入门

https://www.iteye.com/blog/manzhizhen-2298394

flume插件

https://www.cnblogs.com/mingfengshan/p/6853777.html

flume监控spoolDir日志到HDFS

https://blog.csdn.net/qq_20641565/article/details/52807776

avro sink 扩展

https://segmentfault.com/q/1010000023286882

source：avro

https://zhidao.baidu.com/question/373286862006114404.html

source：taildir

http://lxw1234.com/archives/2015/10/524.htm