apache-flume-1.7.x配置安装

男娘i 2022-06-06 01:20 233阅读 0赞

http://blog.csdn.net/alphags/article/details/52862578?locationNum=10&fps=1

本文内容主要参考自Apache Flume用户文档（[http://flume.apache.org/FlumeUserGuide.html][http_flume.apache.org_FlumeUserGuide.html]），由于关于Apache Flume 1.X的中文参考资料不是很多，所以这里将我部署的过程记录下来，希望能给有同样需要的人们有一些提示作用。  
（英文文档的内容很多，这里只写一些我自己用到的）

# Overview #

Apache Flume 是一个高效的分布式日志收集系统，可以将大量的日志数据从不同的数据源集中到一起。(PS:知道这些就够了）

# System Requirments #

1、JDK 1.7+  
2、充足的内存  
3、磁盘还有可用空间  
4、对有相应目录的读写权限

# 数据流模型 #

![这里写图片描述][20161019194228871]  
从图上可以看到，每一个Agent 包含一个Source 一个channel 一个sink  
source 可以理解为数据源（日志文件、AVRO、… 有很多 看文档就能知道，我只用到了文件）  
sink 可以理解为数据目的地(同样也有很多，我测试环境也是直接写到文件）  
channel 可以理解为数据流管道(种类也有不少，文档中给的例子是用的内存，但是内存是不稳定的，所以我的测试环境也换成了文件）  
简单表述三者作用（不严谨表述）：source 读取日志数据将其写入channel中，sink从channel中读取数据然后写到其指定的地方。这里如果sink写失败，那么数据就会一直在channel中堆积直到sink恢复正常（这样就确保了日志数据不会丢失）  
多个 Apache Flume Agent 还可以连接在一起，模型如下图所示  
![这里写图片描述][20161019212144862]

知道了以上内容就可以开始搭建测试环境了

# 硬件环境 #

三台服务器IP地址分别为192.168.0.101~103，全部使用linux ubuntu 12.04 server 操作系统

# 系统结构 #

![这里写图片描述][20161019222550852]

# 安装过程 #

wget  http://mirrors.cnnic.cn/apache/flume/1.7.0/apache-flume-1.7.0-bin.tar.gz  #下载压缩包
      tar -xvzf apache-flume*.tar.gz  #解压
      mv  apache-flume /data/local/flume #本人比较喜欢把把软件安装在/data/local目录下   
       
        
         1 
         2 
         3

# 配置 #

这里我直接把我本地的配置发上来

# flume.conf: A Flume configuration
    
    # Agent a1
    a1.sources = r1
    a1.sinks = k1
    a1.channels = c1
    
    # source 配置
    a1.sources.r1.type = exec
    a1.sources.r1.command = tail -F /data/logs/system.log
    
    # sink 配置
    a1.sinks.k1.type=avro
    a1.sinks.k1.hostname=192.168.0.101
    a1.sinks.k1.port=4545
    
    # channel 配置
    a1.channels.c1.type = file
    a1.channels.c1.checkpointDir=/data/logs/channels/a1/checkpoint
    a1.channels.c1.dataDirs = /data/logs/channels/a1/data
    
    # 绑定source、single到channel上
    a1.sources.r1.channels = c1
    a1.sinks.k1.channel = c1
    
    #ageng a2
    a2.sources=r2
    a2.sinks=k2
    a2.channels=c2
    #a2 source 配置
    a2.sources.r2.type=avro
    a2.sources.r2.bind=192.168.0.101
    a2.sources.r2.port=4545
    
    #a2 sink 配置 将合并后的日志数据写到/data/local/collector目录下
    a2.sinks.k2.type = file_roll
    a2.sinks.k2.sink.directory = /data/local/collector
    a2.sinks.k2.sink.rollInterval=3600
    
    
    
    ##下面是注释掉的代码为配置sink ,日志按天合并后保存到单独的文件夹中
    #a2.sinks.k2.type=hdfs
    #a2.sinks.k2.hdfs.path=hdfs://hadoop-master:9000/events/%y-%m-%d
    #a2.sinks.k2.hdfs.filePrefix=events-
    #a2.sinks.k2.hdfs.rollInterval=0
    #a2.sinks.k2.hdfs.rollSize=0
    #a2.sinks.k2.hdfs.rollCount=0
    #a2.sinks.k2.hdfs.useLocalTimeStamp=true
    
    #a2 channel配置
    a2.channels.c2.type = file
    a2.channels.c2.checkpointDir=/data/logs/channels/a4/checkpoint
    a2.channels.c2.dataDirs = /data/logs/channels/a4/data
    
    # 绑定source、single到channel上
    a2.sources.r2.channels=c4
    a2.sinks.k2.channel=c4
       
        
         1 
         2 
         3 
         4 
         5 
         6 
         7 
         8 
         9 
         10 
         11 
         12 
         13 
         14 
         15 
         16 
         17 
         18 
         19 
         20 
         21 
         22 
         23 
         24 
         25 
         26 
         27 
         28 
         29 
         30 
         31 
         32 
         33 
         34 
         35 
         36 
         37 
         38 
         39 
         40 
         41 
         42 
         43 
         44 
         45 
         46 
         47 
         48 
         49 
         50 
         51 
         52 
         53 
         54 
         55 
         56 
         57 
         58

说明：

# 运行 #

在192.168.0.101上使用下面命令启动Agent2(a2)

bin/flume-ng agent --conf conf --conf-file ./conf/flume.conf --name a2 -Dflume.root.logger=INFO,console
       
        
         1

在192.168.0.101另启动一个终端，运行下面命令启动Agent1(a1)

bin/flume-ng agent --conf conf --conf-file ./conf/flume.conf --name a1 -Dflume.root.logger=INFO,console
       
        
         1

分别在192.168.0.102~103上同样启动Agent1(a1)

bin/flume-ng agent --conf conf --conf-file ./conf/flume.conf --name a1 -Dflume.root.logger=INFO,console
       
        
         1

# 生成测试数据的python小程序 #

#!/usr/bin/python
    import os
    import random
    from time import ctime,sleep
    for i in range(1,1000000):
            smil=random.randint(50,100)
            print smil/1000.0
            com="echo \"hello message from 202\t"+str(i)+"\">> /data/logs/system.log";
            print com
            os.system(com)
            sleep(smil/1000.0)
       
        
         1 
         2 
         3 
         4 
         5 
         6 
         7 
         8 
         9 
         10 
         11

# 测试结果 #

可以看到在目录/data/logs/collector 目录下生成了多个合并后的日志文件

# PS： #

建议大家阅读Flume的文档，虽然英文读起来比较累但是大家搞技术的谁不懂点英文呢，所以下点功夫还是能看懂的。  
如果通过本文仍不能理解Flume的工作流程，建议大家学习文档中给出的 A simple example 。（下面作个简单解释）

# example.conf: A single-node Flume configuration
    
    # Name the components on this agent
    a1.sources = r1
    a1.sinks = k1
    a1.channels = c1
    
    # Describe/configure the source
    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
    a1.channels.c1.type = memory
    a1.channels.c1.capacity = 1000
    a1.channels.c1.transactionCapacity = 100
    
    # Bind the source and sink to the channel
    a1.sources.r1.channels = c1
    a1.sinks.k1.channel = c1
       
        
         1 
         2 
         3 
         4 
         5 
         6 
         7 
         8 
         9 
         10 
         11 
         12 
         13 
         14 
         15 
         16 
         17 
         18 
         19 
         20 
         21 
         22 
         23

原文：This configuration defines a single agent named a1. a1 has a source that listens for data on port 44444, a channel that buffers event data in memory, and a sink that logs event data to the console.  
译：这个配置定义了一个名称为a1的agent。a1有一个source 监听端口44444 （接收44444端口的任何收到的数据），一个内存管道（channel）将所有接收到的数据都暂存在内存当中，一个sink 将收到的数据打印到控台。

$ bin/flume-ng agent --conf conf --conf-file example.conf --name a1 -Dflume.root.logger=INFO,console
       
        
         1

执行上述命令后在另外一个命令窗口执行（没有telnet？ apt-get install telnet 或者yum install telnet 安装 ）

$ telnet localhost 44444
    Trying 127.0.0.1...
    Connected to localhost.localdomain (127.0.0.1).
    Escape character is '^]'.
    Hello world! <ENTER>
    OK
       
        
         1 
         2 
         3 
         4 
         5 
         6

我们可以看到Flume 的控台打印出

12/06/19 15:32:19 INFO source.NetcatSource: Source starting
    12/06/19 15:32:19 INFO source.NetcatSource: Created serverSocket:sun.nio.ch.ServerSocketChannelImpl[/127.0.0.1:44444]
    12/06/19 15:32:34 INFO sink.LoggerSink: Event: { headers:{} body: 48 65 6C 6C 6F 20 77 6F 72 6C 64 21 0D          Hello world!. }
       
        
         1 
         2 
         3

[http_flume.apache.org_FlumeUserGuide.html]: http://flume.apache.org/FlumeUserGuide.html
[20161019194228871]: /images/20220606/f55c792c0878411ca9f9d3290a236343.png
[20161019212144862]: /images/20220606/dd1b38f0e1914cc1b6e9fdf817cda919.png
[20161019222550852]: /images/20220606/1f707c3d4dfc4d14a17b38561e32fd2d.png