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
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：
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。
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:
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 &
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
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
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
即sink——HDFS文件系统 : hdfs sink
即channel——可用file channel 也可以用内存channel
#定义三大组件的名称 agent1.sources = source1 agent1.sinks = sink1 agent1.channels = channel1 # 配置source组件 agent1.sources.source1.type = spooldir agent1.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 = hdfs agent1.sinks.sink1.hdfs.path =hdfs://Master:9000/access_log/%y-%m-%d/%H-%M agent1.sinks.sink1.hdfs.filePrefix = app_log agent1.sinks.sink1.hdfs.fileSuffix = .log agent1.sinks.sink1.hdfs.batchSize= 100 agent1.sinks.sink1.hdfs.fileType = DataStream agent1.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 = true agent1.sinks.sink1.hdfs.roundValue = 10 agent1.sinks.sink1.hdfs.roundUnit = minute agent1.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event agent1.channels.channel1.transactionCapacity = 600 # 绑定source、channel和sink之间的连接 agent1.sources.source1.channels = channel1 agent1.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
$ bin/flume/-ng agent -c conf/ -f dir-hdfs.conf -n agent1 -Dflume.root.logger=INFO,console
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
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 : exec tail -F file
下沉目标，即sink——HDFS文件系统 : hdfs sink
Source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 agent a1.sources = r1 a1.sinks = k1 a1.channels = c1 # Describe/configure the source a1.sources.r1.type = exec a1.sources.r1.command = tail -F /root/app_weichat_login.log # Describe the sink agent1.sinks.sink1.type = hdfs agent1.sinks.sink1.hdfs.path =hdfs://Master:9000/app_weichat_login_log/%y-%m-%d/%H-%M agent1.sinks.sink1.hdfs.filePrefix = weichat_log agent1.sinks.sink1.hdfs.fileSuffix = .dat agent1.sinks.sink1.hdfs.batchSize= 100 agent1.sinks.sink1.hdfs.fileType = DataStream agent1.sinks.sink1.hdfs.writeFormat =Text agent1.sinks.sink1.hdfs.rollSize = 100 agent1.sinks.sink1.hdfs.rollCount = 1000000 agent1.sinks.sink1.hdfs.rollInterval = 60 agent1.sinks.sink1.hdfs.round = true agent1.sinks.sink1.hdfs.roundValue = 1 agent1.sinks.sink1.hdfs.roundUnit = minute agent1.sinks.sink1.hdfs.useLocalTimeStamp = true # 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
启动命令：
bin/flume-ng agent -c conf -f conf/tail-hdfs.conf -n a1
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 agent a1.sources = r1 a1.sinks = k1 a1.channels = c1 # Describe/configure the source a1.sources.r1.type = exec a1.sources.r1.command = tail -F /root/log/access.log # Describe the sink a1.sinks.k1.type = avro a1.sinks.k1.hostname = hdp-05 a1.sinks.k1.port = 4141 a1.sinks.k1.batch-size = 2 # 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
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 agent a1.sources = r1 a1.sinks = k1 a1.channels = c1 # Describe/configure the source ##source中的avro组件是一个接收者服务 a1.sources.r1.type = avro a1.sources.r1.bind = hdp-05 a1.sources.r1.port = 4141 # Describe the sink a1.sinks.k1.type = hdfs a1.sinks.k1.hdfs.path = /flume/taildata/%y-%m-%d/ a1.sinks.k1.hdfs.filePrefix = tail- a1.sinks.k1.hdfs.round = true a1.sinks.k1.hdfs.roundValue = 24 a1.sinks.k1.hdfs.roundUnit = hour a1.sinks.k1.hdfs.rollInterval = 0 a1.sinks.k1.hdfs.rollSize = 0 a1.sinks.k1.hdfs.rollCount = 50 a1.sinks.k1.hdfs.batchSize = 10 a1.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 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
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！这里是亿速云网站，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！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
