.java课件源码-.java课件源码-Note06.pdf

Day 06 Flume 1. Flume 介绍 1.1. 概述 Flume是一个分布式、可靠、和高可用的海量日志采集、聚合和传输的系统。 Flume可以采集文件，socket数据包、文件、文件夹、kafka等各种形式源数据，又可以将采集到 的数据(下沉sink)输出到HDFS、hbase 、hive 、kafka等众多外部存储系统中 一般的采集需求，通过对flume的简单配置即可实现 Flume针对特殊场景也具备 好的自定义扩展能力， 因此，flume可以适用于大部分的日常数据采集场景 1.2. 运行机制 1. Flume分布式系统中最核心的角色是agent ，flume采集系统就是由一个个agent所连接起来形成 2. 每一个agent相当于一个数据传递员，内部有三个组件： 1. Source ：采集组件，用于跟数据源对接，以获取数据 2. Sink ：下沉组件，用于往下一级agent传递数据或者往最终存储系统传递数据 3. Channel ：传输通道组件，用于从source将数据传递到sink 1.3. Flume 结构图 简单结构 单个 Agent 采集数据 复杂结构 多级 Agent 之间串联 2. Flume 实战案例 案例：使用网络telent命令向一台机器发送一些网络数据，然后通过flume采集网络端口数据 2.1. Flume 的安装部署 Step 1: 下载解压修改配置文件 下载地址： /dist/flume/ 1.8.0/apache-flume-1.8.0-bin.tar.gz Flume的安装非常简单，只需要解压即可，当然，前提是已有hadoop环境 上传安装包到数据源所在节点上 这里我们采用在第三台机器来进行安装 cd /export/softwares/ tar -zxvf apache-flume-1.8.0-bin.tar.gz -C ../servers/ cd /export/servers/apache-flume-1.8.0-bin/conf cp flume-env.sh.template flume-env.sh vim flume-env.sh export JAVA_HOME /export/servers/jdk1.8.0_141 Step 2: 开发配置文件 根据数据采集的需求配置采集方案，描述在配置文件中(文件名可任意自定义) 配置我们的网络收集的配置文件 在flume的conf 目录下新建一个配置文件 （采集方案） vim /export/servers/apache-flume-1.8.0-bin/conf/netcat-logger.conf # 定义这个agent中各组件的名字 a1.sources r1 a1.sinks k1 a1.channels c1 # 描述和配置source组件：r1 a1.sources.r1.type netcat a1.sources.r1.bind 192.168.174. a1.sources.r1.port 44444 # 描述和配置sink组件：k1 a1.sinks.k1.type logger # 描述和配置channel组件，此处使用是内存缓存的方式 a1.channels.c1.type memory a1.channels.c1.capacity 1000 a1.channels.c1.transactionCapacity 100 # 描述和配置source channel sink之间的连接关系 a1.sources.r1.channels c1 a1.sinks.k1.channel c1 Step 3: 启动配置文件 指定采集方案配置文件，在相应的节点上启动flume agent 先用一个最简单的例子来测试一下程序环境是否正常 启动agent去采集数据 bin/flume-ng agent -c conf -f conf/netcat-logger.conf -n a1 -Dflume.root.logger INFO,c  -c conf  指定flume 自身的配置文件所在目录  -f conf/netcat-logger.con  指定我们所描述的采集方案