flume

flume官网

http://flume.apache.org/

安装

1、下载flume安装包apache-flume-1.6.0-bin.tar.gz

2、解压apache-flume-1.6.0-bin.tar.gz

3、重命名

4、配置操作系统环境变量

5、修改flume-env.sh中JAVA_HOME环境变量

6、测试是否安装成功，flume-ng version如果正确显示信息，则表示安装成功

解压

tar -zxvf apache-flume-1.6.0-bin.tar.gz -C apps/

重命名

mv apache-flume-1.6.0-bin/ flume

配置系统环境变量　　

sudo vi /etc/profile

添加如下内容

export FLUME_HOME=/home/hadoop/apps/flume
export PATH=$FLUME_HOME/bin:$PATH

source 配置文件

source /etc/profile

修改配置文件

配置文件在flume的conf目录下，修改JAVA_HOME为机器上的正确路径

mv flume-env.sh.template flume-env.sh
vi flume-env.sh

测试

flume-ng version

简单使用

监听netcat命令

1、编辑文件netcat-logger.conf，内容如下

# 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 = localhost
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

2、启动agent采集数据

flume-ng agent -c conf -f conf/netcat-logger.conf -n a1  -Dflume.root.logger=INFO,console

-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
-n a1 指定我们这个agent的名字必须和配置文件中的一样

3、telnet测试

向netcat监听的端口44444通过telnet发送数据telnet anget-hostname  port

telnet 127.0.0.1 44444

telnet安装：sudo yum install telnet

把文件夹下的文件采集到hdfs上

1、配置文件

#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
#那个目录读取文件
agent1.sources.source1.spoolDir = /home/hadoop/logs/
#是否添加头数据存储文件的绝对路径
agent1.sources.source1.fileHeader = false

#配置拦截器
agent1.sources.source1.interceptors = i1
agent1.sources.source1.interceptors.i1.type = host
#消息头里面添加主机名
agent1.sources.source1.interceptors.i1.hostHeader = hostname

# 配置sink组件
agent1.sinks.sink1.type = hdfs
#数据采集到的位置
agent1.sinks.sink1.hdfs.path =hdfs://m1:9000/weblog/flume-collection/%y-%m-%d/%H-%M
#默认FlumeData，flume在hdfs上创建的文件的前缀
agent1.sinks.sink1.hdfs.filePrefix = access_log
#最大打开文件的个数，如果超过这个值，以前打开的文件将被关闭
agent1.sinks.sink1.hdfs.maxOpenFiles = 5000
#在flume把数据写到hdfs上之前，最大缓冲的event个数
agent1.sinks.sink1.hdfs.batchSize= 100
#默认SequenceFile，可选值SequenceFile, DataStream 或者 CompressedStream，DataStream 不会压缩文件，不需要设置hdfs.codeC，CompressedStream会压缩文件，因此需要设置hdfs.codeC
agent1.sinks.sink1.hdfs.fileType = DataStream
#Writable是默认值，可选值有：Text Writable
agent1.sinks.sink1.hdfs.writeFormat =Text
#单位是字节，0代表不滚动
agent1.sinks.sink1.hdfs.rollSize = 102400
#写入多少个事件之前文件滚动，0不滚动
agent1.sinks.sink1.hdfs.rollCount = 1000000
#多少秒文件滚动，0不滚动
agent1.sinks.sink1.hdfs.rollInterval = 60
#时间戳是否四舍五入
#agent1.sinks.sink1.hdfs.round = true
#四舍五入的最高倍数
#agent1.sinks.sink1.hdfs.roundValue = 10
#四舍五入的单位 second, minute  hour
#agent1.sinks.sink1.hdfs.roundUnit = minute
#是否使用本地时间
agent1.sinks.sink1.hdfs.useLocalTimeStamp = true


# Use a channel which buffers events in memory
agent1.channels.channel1.type = memory
# 内存中的时间
agent1.channels.channel1.keep-alive = 120
# 使用的内存大小
agent1.channels.channel1.capacity = 500000
#channel从source读取或者写入到sink中的一个事务中的最大事件数
agent1.channels.channel1.transactionCapacity = 600

# 绑定sink和source
agent1.sources.source1.channels = channel1
agent1.sinks.sink1.channel = channel1

2、启动

flume-ng agent -c conf/ -f conf/dir_to_hdfs.conf -n agent1 

3、拷贝文件到source指定的目录，然后在hdfs上查看

采集文件数据到hdfs上

1、配置文件

agent2.sources = source1
agent2.sinks = sink1
agent2.channels = channel1

# Describe/configure tail -F source1
agent2.sources.source1.type = exec
# -F是根据文件名进行监听
agent2.sources.source1.command = tail -F /home/hadoop/logs/access_log
agent2.sources.source1.channels = channel1

#configure host for source
agent2.sources.source1.interceptors = i1
agent2.sources.source1.interceptors.i1.type = host
agent2.sources.source1.interceptors.i1.hostHeader = hostname

# Describe sink1
agent2.sinks.sink1.type = hdfs
agent2.sinks.sink1.hdfs.path =hdfs://m1:9000/weblog2/flume-collection/file/%y-%m-%d/%H-%M
agent2.sinks.sink1.hdfs.filePrefix = access_log
agent2.sinks.sink1.hdfs.maxOpenFiles = 5000
agent2.sinks.sink1.hdfs.batchSize= 100
agent2.sinks.sink1.hdfs.fileType = DataStream
agent2.sinks.sink1.hdfs.writeFormat =Text
agent2.sinks.sink1.hdfs.rollSize = 102400
agent2.sinks.sink1.hdfs.rollCount = 1000000
agent2.sinks.sink1.hdfs.rollInterval = 60
agent2.sinks.sink1.hdfs.round = true
agent2.sinks.sink1.hdfs.roundValue = 10
agent2.sinks.sink1.hdfs.roundUnit = minute
agent2.sinks.sink1.hdfs.useLocalTimeStamp = true

# Use a channel which buffers events in memory
agent2.channels.channel1.type = memory
agent2.channels.channel1.keep-alive = 120
agent2.channels.channel1.capacity = 500000
agent2.channels.channel1.transactionCapacity = 600

# Bind the source and sink to the channel
agent2.sources.source1.channels = channel1
agent2.sinks.sink1.channel = channel1

2、通过echo向/home/hadoop/logs/access_log添加数据，查看hdfs上数据的变化