Flume日志采集框架的使用方法
本篇内容主要讲解" Flume日志采集框架的使用方法"，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习" Flume日志采集框架的使用方法"吧!
Flume日志采集框架 安装和部署 Flume运行机制 采集静态文件到hdfs 采集动态日志文件到hdfs 两个agent级联
Flume日志采集框架
在一个完整的离线大数据处理系统中，除了hdfs+mapreduce+hive组成分析系统的核心之外，还需要数据采集、结果数据导出、任务调度等不可或缺的辅助系统，而这些辅助工具在hadoop生态体系中都有便捷的开源框架，如图所示：
1 Flume介绍
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。
对于一般的采集需求，通过对flume的简单配置即可实现。
Flume针对特殊场景也具备良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。
2 Flume运行机制
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,每一个agent相当于一个数据传递员，内部有三个组件：
Source：采集组件，用于跟数据源对接，以获取数据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Channel：传输通道组件，用于从source将数据传递到sink
单个agent采集数据:
多级agent之间串联:
3 Flume的安装部署
1 下载安装包apache-flume-1.9.0-bin.tar.gz解压
2 在conf文件夹下的flume-env.sh添加JAVA_HOME
export JAVA_HOME=/usr/local/bigdata/java/jdk1.8.0_211
3 根据采集的需求，添加采集方案配置文件，文件名可以任意取
具体可以看后面的示例
4 启动flume
测试环境下：
$ bin/flume/-ng agent -c conf/ -f ./dir-hdfs.conf -n agent1 -Dflume.root.logger=INFO,console
命令说明：
-c：指定flume自带的配置文件目录，不用自己修改-f：指定自己的配置文件,这里问当前文件夹下的dir-hdfs.conf-n：指定自己配置文件中使用那个agent,对应的配置文件中定义的名字。-Dflume.root.logger：把日志打印在控制台，类型为INFO，这个只用于测试，后面将打印到日志文件中
生产中，启动flume，应该把flume启动在后台：
nohup bin/flume-ng agent -c ./conf -f ./dir-hdfs.conf -n agent1 1>/dev/null 2>&1 &
4 采集静态文件到hdfs
4.1 采集需求
某服务器的某特定目录下，会不断产生新的文件，每当有新文件出现，就需要把文件采集到HDFS中去
4.2 添加配置文件
在安装目录下添加文件dir-hdfs.conf,然后添加配置信息。
先获取agent，命名为agent1，后面的配置都跟在agent1后面，也可以改为其他值，如agt1,同一个配置文件中可以有多个配置配置方案，启动agent的时候获取对应的名字就可以。
根据需求，首先定义以下3大要素
数据源组件
即source --监控文件目录 : spooldir spooldir有如下特性：
监视一个目录，只要目录中出现新文件，就会采集文件中的内容
采集完成的文件，会被agent自动添加一个后缀：
COMPLETED（可修改）所监视的目录中不允许重复出现相同文件名的文件
下沉组件
即sink--HDFS文件系统 : hdfs sink
通道组件
即channel--可用file channel 也可以用内存channel
#定义三大组件的名称agent1.sources = source1agent1.sinks = sink1agent1.channels = channel1# 配置source组件agent1.sources.source1.type = spooldiragent1.sources.source1.spoolDir = /root/log/agent1.sources.source1.fileSuffix=.FINISHED#文件每行的长度，注意这里如果事情文件每行超过这个长度会自动切断，会导致数据丢失agent1.sources.source1.deserializer.maxLineLength=5120# 配置sink组件agent1.sinks.sink1.type = hdfsagent1.sinks.sink1.hdfs.path =hdfs://Master:9000/access_log/%y-%m-%d/%H-%Magent1.sinks.sink1.hdfs.filePrefix = app_logagent1.sinks.sink1.hdfs.fileSuffix = .logagent1.sinks.sink1.hdfs.batchSize= 100agent1.sinks.sink1.hdfs.fileType = DataStreamagent1.sinks.sink1.hdfs.writeFormat =Text# roll：滚动切换：控制写文件的切换规则## 按文件体积（字节）来切 agent1.sinks.sink1.hdfs.rollSize = 512000## 按event条数切agent1.sinks.sink1.hdfs.rollCount = 1000000## 按时间间隔切换文件agent1.sinks.sink1.hdfs.rollInterval = 60## 控制生成目录的规则agent1.sinks.sink1.hdfs.round = trueagent1.sinks.sink1.hdfs.roundValue = 10agent1.sinks.sink1.hdfs.roundUnit = minuteagent1.sinks.sink1.hdfs.useLocalTimeStamp = true# channel组件配置agent1.channels.channel1.type = memory## event条数agent1.channels.channel1.capacity = 500000##flume事务控制所需要的缓存容量600条eventagent1.channels.channel1.transactionCapacity = 600# 绑定source、channel和sink之间的连接agent1.sources.source1.channels = channel1agent1.sinks.sink1.channel = channel1
Channel参数解释：
capacity：默认该通道中最大的可以存储的event数量trasactionCapacity：每次最大可以从source中拿到或者送到sink中的event数量keep-alive：event添加到通道中或者移出的允许时间
4.3启动flume
$ bin/flume/-ng agent -c conf/ -f dir-hdfs.conf -n agent1 -Dflume.root.logger=INFO,console
5 采集动态日志文件到hdfs
5.1 采集需求
比如业务系统使用log4j生成的日志，日志内容不断增加，需要把追加到日志文件中的数据实时采集到hdfs
5.2 配置文件
配置文件名称：tail-hdfs.conf 根据需求，首先定义以下3大要素：
采集源，即
source--监控文件内容更新 :exectail -F file下沉目标，即
sink--HDFS文件系统 : hdfs sinkSource和sink之间的传递通道--channel，可用file channel也可以用 内存channel
配置文件内容：
# Name the components on this agenta1.sources = r1a1.sinks = k1a1.channels = c1# Describe/configure the sourcea1.sources.r1.type = execa1.sources.r1.command = tail -F /root/app_weichat_login.log# Describe the sinkagent1.sinks.sink1.type = hdfsagent1.sinks.sink1.hdfs.path =hdfs://Master:9000/app_weichat_login_log/%y-%m-%d/%H-%Magent1.sinks.sink1.hdfs.filePrefix = weichat_logagent1.sinks.sink1.hdfs.fileSuffix = .datagent1.sinks.sink1.hdfs.batchSize= 100agent1.sinks.sink1.hdfs.fileType = DataStreamagent1.sinks.sink1.hdfs.writeFormat =Textagent1.sinks.sink1.hdfs.rollSize = 100agent1.sinks.sink1.hdfs.rollCount = 1000000agent1.sinks.sink1.hdfs.rollInterval = 60agent1.sinks.sink1.hdfs.round = trueagent1.sinks.sink1.hdfs.roundValue = 1agent1.sinks.sink1.hdfs.roundUnit = minuteagent1.sinks.sink1.hdfs.useLocalTimeStamp = true# Use a channel which buffers events in memorya1.channels.c1.type = memorya1.channels.c1.capacity = 1000a1.channels.c1.transactionCapacity = 100# Bind the source and sink to the channela1.sources.r1.channels = c1a1.sinks.k1.channel = c1
5.3 启动flume
启动命令：
bin/flume-ng agent -c conf -f conf/tail-hdfs.conf -n a1
6 两个agent级联
从tail命令获取数据发送到avro端口 另一个节点可配置一个avro源来中继数据，发送外部存储
# Name the components on this agenta1.sources = r1a1.sinks = k1a1.channels = c1# Describe/configure the sourcea1.sources.r1.type = execa1.sources.r1.command = tail -F /root/log/access.log# Describe the sinka1.sinks.k1.type = avroa1.sinks.k1.hostname = hdp-05a1.sinks.k1.port = 4141a1.sinks.k1.batch-size = 2# Use a channel which buffers events in memorya1.channels.c1.type = memorya1.channels.c1.capacity = 1000a1.channels.c1.transactionCapacity = 100# Bind the source and sink to the channela1.sources.r1.channels = c1a1.sinks.k1.channel = c1
从avro端口接收数据，下沉到hdfs
采集配置文件，avro-hdfs.conf
# Name the components on this agenta1.sources = r1a1.sinks = k1a1.channels = c1# Describe/configure the source##source中的avro组件是一个接收者服务a1.sources.r1.type = avroa1.sources.r1.bind = hdp-05a1.sources.r1.port = 4141# Describe the sinka1.sinks.k1.type = hdfsa1.sinks.k1.hdfs.path = /flume/taildata/%y-%m-%d/a1.sinks.k1.hdfs.filePrefix = tail-a1.sinks.k1.hdfs.round = truea1.sinks.k1.hdfs.roundValue = 24a1.sinks.k1.hdfs.roundUnit = houra1.sinks.k1.hdfs.rollInterval = 0a1.sinks.k1.hdfs.rollSize = 0a1.sinks.k1.hdfs.rollCount = 50a1.sinks.k1.hdfs.batchSize = 10a1.sinks.k1.hdfs.useLocalTimeStamp = true#生成的文件类型，默认是Sequencefile，可用DataStream，则为普通文本a1.sinks.k1.hdfs.fileType = DataStream# Use a channel which buffers events in memorya1.channels.c1.type = memorya1.channels.c1.capacity = 1000a1.channels.c1.transactionCapacity = 100# Bind the source and sink to the channela1.sources.r1.channels = c1a1.sinks.k1.channel = c1
到此，相信大家对" Flume日志采集框架的使用方法"有了更深的了解，不妨来实际操作一番吧！这里是网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！
