?

1.基本結構介紹

　　flume是三層架構，agent，collector，storage。每一層都可水平擴展。

　　其中，agent就是數據采集方；collector是數據整合方；storage是各種數據落地方，如hdfs。

　　前兩者都是由source和sink組成，source是數據讀取組件，sink是數據分發組件。

　　前兩者作為不同類型node統一歸master管理。可在master shell活web中動態配置。

2.自帶的source

　　text 文件，按行發送

　　tail 探測新產生數據，安航發送

　　fsyslog Tcp(5140) 監聽這個端口

　　tailDir("dirname"[, fileregex=".*"[, startFromEnd=false[, recurseDepth=0]]])：監聽目錄中的文件末尾，使用正則去選定需要監聽的文件（不包含目錄），recurseDepth為遞歸監聽其下子目錄的深度

3.想采集windows服務器上的日志文件，于是，研究了flume怎么在windows下部署。

• • 我用的是flulm1.6版本，直接官網下載（不區分linux還是windows的）解壓縮到本地
  • 下載了一個tail工具，用于動態讀取日志文件增加的內容。原始下載地址找不到了，我放在自己云盤里：http://pan.baidu.com/s/1nuHt1H3 ? 提取碼：ihx2 如果不可用請留言。
  • 使用方法就是直接解壓縮，然后把exe文件放到C：/Windows/System32/ 下，驗證方式是隨便找個txt文件，用tail -f 文件名。可以看到和linux一樣的效果。
  • 把flume/conf下的flume-env.sh.template 文件的template后綴去掉，然后在里面加上JAVA_HOME的配置：?export JAVA_HOME=D:\jdk1.8
  • 創建一個conf文件，exec_tail.conf，里面的內容是關于flume的配置： a1.sources = r1 a1.sinks = k1 a1.channels = c1 # Describe/configure the source a1.sources.r1.type = exec a1.sources.r1.channels = c1 a1.sources.r1.command = tail -f D:\hadoopResouce\flume\logs\log_exec_tail.txt # 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

    　　其實里面需要修改的就是需要采集的文件全路徑

  • 我使用了網上推薦的寫一堆命令的方式，不過啟動了不見效果。于是我采用其他人推薦的，寫一個.bat方式。具體內容是： set FLUME_HOME=D:\hadoopResouce\flume set JAVA_HOME=D:\jdk1.8 set JAVA="%JAVA_HOME%\bin\java.exe" set JAVA_OPTS=-Xmx1024m set CONF=%FLUME_HOME%\conf\flume-conf.properties set AGENT=agent %JAVA% %JAVA_OPTS% -Dflume.monitoring.type=http -Dflume.monitoring.port=34545 -Dlog4j.configuration=file:\\\%FLUME_HOME%\conf\log4j.properties -cp "%FLUME_HOME%\lib\*" org.apache.flume.node.Application -f %FLUME_HOME%\conf\flume-conf.properties -n %AGENT%

    　　需要注意的是幾處路徑的配置

  • 至此，全部準備工作做完，下面在cmd進入flume/bin目錄，執行這個.bat文件。
  • 通過http驗證下：http://localhost：34545，能看到如下信息：

　 { SOURCE.seqGenSrc: { EventReceivedCount: "0", Type: "SOURCE", AppendBatchAcceptedCount: "0", EventAcceptedCount: "2532", AppendReceivedCount: "0", StartTime: "1468487063825", AppendAcceptedCount: "0", OpenConnectionCount: "0", AppendBatchReceivedCount: "0", StopTime: "0" }, CHANNEL.memoryChannel: { ChannelCapacity: "100", ChannelFillPercentage: "99.0", Type: "CHANNEL", EventTakeSuccessCount: "2423", ChannelSize: "99", StartTime: "1468487063801", EventTakeAttemptCount: "2424", EventPutAttemptCount: "2524", EventPutSuccessCount: "2523", StopTime: "0" } }

4.讀取目錄新增加文件內容的配置

a1.sources.r1.type = spooldir a1.sources.r1.channels = c1 a1.sources.r1.spoolDir = /home/master/yang/flume/logs a1.sources.r1.fileHeader = true

　　

5.寫入kafka的配置

　　這里踩的坑較多，一種可能是老版本配置，還有一種就是有的人沒經過試驗的東西就貼出來了。引以為戒，自己測試通過再貼，保持嚴謹，免得誤人。

//看好類全路徑是否都對，網上有不靠譜的寫法，org.apache.flume.plugins.SinglePartition 令人鄙視 a1.sinks.k1.type = org.apache.flume.sink.kafka.KafkaSink //不知道為什么很多人這里項寫為：a1.sinks.k1.metadata.broker.list，可能是之前版本有這個吧 a1.sinks.k1.brokerList =master:9092,slave1:9092,slave2:9092 a1.sinks.k1.serializer.class=kafka.serializer.StringEncoder //還有這玩意，這寫法太坑人了a1.sinks.k1.custom.topic.name a1.sinks.k1.topic=kafka-storm-cluster a1.sinks.k1.channel=c1

6.讀取telnet監控內容配置sink

a1.sources.r1.type= netcat a1.sources.r1.bind= localhost a1.sources.r1.port= 44444

　　

7.常用命令：

啟動：　bin/flume-ng agent ?-c ./conf/ -f conf/spool.conf -Dflume.root.logger=DEBUG,console -n a1

?

轉載于:https://www.cnblogs.com/xyang/p/5667956.html

總結

以上是生活随笔為你收集整理的storm基础系列之五---------接入数据收集系统flume的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。