Flume初入门简单配置与使用

1、Flume在集群中扮演的角色
　　Flume、Kafka用来实时进行数据收集，Spark、Storm用来实时处理数据，impala用来实时查询。
2、Flume框架简介
　　1.1 Flume提供一个分布式的，可靠的，对大数据量的日志进行高效收集、聚集、移动的服务，Flume只能在Unix环境下运行。
　　1.2 Flume基于流式架构，容错性强，也很灵活简单，主要用于在线实时分析。
　　1.3 角色
　　　　** Source
　　　　　　用于采集数据，Source是产生数据流的地方，同时Source会将产生的数据流传输到Channel，这个有点类似于Java IO部分的Channel
　　　　** Channel
　　　　　　用于桥接Sources和Sinks，类似于一个队列。
　　　　** Sink
　　　　　　从Channel收集数据，将数据写到目标源（可以是下一个Source，也可以是HDFS或者HBase）
　　1.4 传输单元
　　　　** Event
　　　　　　Flume数据传输的基本单元，以事件的形式将数据从源头送至目的地
　　1.5 传输过程
　　　　source监控某个文件，文件产生新的数据，拿到该数据后，
　　　　将数据封装在一个Event中，并put到channel后commit提交，
　　　　channel队列先进先出，sink去channel队列中拉取数据，然后写入到hdfs或者HBase中。

3.安装配置flume

　　3.1上传并解压( tar -zxvf flume-ng-1.5.0-cdh5.3.6.tar.gz -C /opt/module/)

　　3.2进入flume目录（cd /opt/module/apache-flume-1.5.0-cdh5.3.6-bin/）

　　3.3进入conf文件夹（cd conf）

　　3.4重命名flume-env.sh.template( cp flume-env.sh.template flume-env.sh)

　　3.5 修改flume-env.sh(vim flume-env.sh)的java环境位置

4.案例测试

4.1、案例一：Flume监听端口，输出端口数据。

　　4.1.1复制模板文件flume-conf.properties.template（ cp flume-conf.properties.template flume-telnet.conf）

　　4.1.2编辑flume-telnet.conf（vim flume-telnet.conf）为官方给的文件

# Name the components on this agent        #指定名称

a1.sources = r1

a1.sinks = k1

a1.channels = c1

# Describe/configure the source      #监听端口的方式（根据方式改变）

a1.sources.r1.type = netcat

a1.sources.r1.bind = localhost

a1.sources.r1.port = 44444

# Describe the sink

a1.sinks.k1.type = logger

# Use a channel which buffers events in memory      #传输数据是以什么样的方式流转（下面配置为内存）

a1.channels.c1.type = memory

a1.channels.c1.capacity = 1000

a1.channels.c1.transactionCapacity = 100

# Bind the source and sink to the channel　　　　　　#连接操作

a1.sources.r1.channels = c1

a1.sinks.k1.channel = c1

　　4.1.3安装telnet工具

　　　　4.1.3.1 上传telnet-server-0.17-59.el7.x86_64.rpm和telnet-0.17-59.el7.x86_64.rpm

　　　　4.1.3.2 安装rpm包（顺序不能乱）

　　　　　　　　　　　 $ sudo rpm -ivh telnet-server-0.17-59.el7.x86_64.rpm

                    $ sudo rpm -ivh telnet-0.17-59.el7.x86_64.rpm

　　4.1.4首先判断44444端口是否被占用

$ netstat -an | grep 44444

　　4.1.5先开启flume监听端口（在flume目录下）

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

　　4.1.6使用telnet工具向本机的44444端口发送内容。（新开窗口）

$ telnet localhost 44444

监听接受到的数据

4.2案例二监听上传Hive日志文件到HDFS

　　4.2.1拷贝Hadoop相关jar到Flume的lib目录下

　　　　　　　　　　　 share/hadoop/common/lib/hadoop-auth-2.5.0-cdh5.3.6.jar

                    share/hadoop/common/lib/commons-configuration-1.6.jar

                    share/hadoop/mapreduce1/lib/hadoop-hdfs-2.5.0-cdh5.3.6.jar

                    share/hadoop/common/hadoop-common-2.5.0-cdh5.3.6.jar

cp -a /opt/module/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/lib/hadoop-auth-2.5.0-cdh5.3.6.jar ./lib/

cp -a /opt/module/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/lib/commons-configuration-1.6.jar ./lib/

cp -a /opt/module/hadoop-2.5.0-cdh5.3.6/share/hadoop/mapreduce1/lib/hadoop-hdfs-2.5.0-cdh5.3.6.jar ./lib/

cp -a /opt/module/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/hadoop-common-2.5.0-cdh5.3.6.jar  ./lib/

　　4.2.2创建flume-hdfs.conf文件（ cd conf/ ---》cp -a flume-telnet.conf flume-hdfs.conf ）

　　4.2.3编辑flume-hdfs.conf （vim flume-hdfs.conf）

#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-0.13.1-cdh5.3.6/logs/hive.log

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

# Describe the sink

a2.sinks.k2.type = hdfs

a2.sinks.k2.hdfs.path = hdfs://192.168.25.201:8020/flume/%Y%m%d/%H

#上传文件的前缀

a2.sinks.k2.hdfs.filePrefix = events-hive-

#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

#最小冗余数

a2.sinks.k2.hdfs.minBlockReplicas = 1

　　4.2.4 执行监控配置

$ bin/flume-ng agent --conf conf/ --name a2 --conf-file conf/flume-hdfs.conf

　　　在另一个窗口进入hive输入测试命令

　　4.2.5在hadoop中可以查看新增出来的滚动文件

4.3案例三 Flume监听整个目录

　　4.3.1 创建配置文件flume-dir.conf（cp flume-telnet.conf flume-dir.conf ）

　　4.3.2编辑flume-dir.conf（vim flume-dir.conf）

#Name the components on this agent

a3.sources = r3

a3.sinks = k3

a3.channels = c3

#Describe/configure the source

a3.sources.r3.type = spooldir

a3.sources.r3.spoolDir = /opt/module/apache-flume-1.5.0-cdh5.3.6-bin/upload    #手动创建upload目录

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://192.168.25.201:8020/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 = 1000

#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 = 600

#设置每个文件的滚动大小

a3.sinks.k3.hdfs.rollSize = 134217700

#文件的滚动与Event数量无关

a3.sinks.k3.hdfs.rollCount = 0

#最小冗余数

a3.sinks.k3.hdfs.minBlockReplicas = 1

# 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

　　4.3.3 执行测试（最后加&为后台执行想结束可以kill掉jps里的application）

$ bin/flume-ng agent --conf conf/ --name a3 --conf-file conf/flume-dir.conf &

　　4.3.4在upload文件夹进行文件添加等操作检验hdfs是否生效

5.总结：

在使用Spooling Directory Source
注意事项：
　　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600毫秒扫描一次变动