storm基础系列之五---------接入数据收集系统flume

1.基本结构介绍

　　flume是三层架构，agent，collector，storage。每一层都可水平扩展。

　　其中，agent就是数据采集方；collector是数据整合方；storage是各种数据落地方，如hdfs。

　　前两者都是由source和sink组成，source是数据读取组件，sink是数据分发组件。

　　前两者作为不同类型node统一归master管理。可在master shell活web中动态配置。

2.自带的source

　　text 文件，按行发送

　　tail 探测新产生数据，安航发送

　　fsyslog Tcp(5140) 监听这个端口

　　tailDir("dirname"[, fileregex=".*"[, startFromEnd=false[, recurseDepth=0]]])：监听目录中的文件末尾，使用正则去选定需要监听的文件（不包含目录），recurseDepth为递归监听其下子目录的深度

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

• • 我用的是flulm1.6版本，直接官网下载（不区分linux还是windows的）解压缩到本地
  • 下载了一个tail工具，用于动态读取日志文件增加的内容。原始下载地址找不到了，我放在自己云盘里：http://pan.baidu.com/s/1nuHt1H3   提取码：ihx2 如果不可用请留言。
  • 使用方法就是直接解压缩，然后把exe文件放到C：/Windows/System32/ 下，验证方式是随便找个txt文件，用tail -f 文件名。可以看到和linux一样的效果。
  • 把flume/conf下的flume-env.sh.template 文件的template后缀去掉，然后在里面加上JAVA_HOME的配置： export JAVA_HOME=D:jdk1.8
  • 创建一个conf文件，exec_tail.conf，里面的内容是关于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:hadoopResouceflumelogslog_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
    

    　　其实里面需要修改的就是需要采集的文件全路径

  • 我使用了网上推荐的写一堆命令的方式，不过启动了不见效果。于是我采用其他人推荐的，写一个.bat方式。具体内容是：

    set FLUME_HOME=D:hadoopResouceflume
    set JAVA_HOME=D:jdk1.8
    set JAVA="%JAVA_HOME%injava.exe"
    set JAVA_OPTS=-Xmx1024m
    set CONF=%FLUME_HOME%confflume-conf.properties
    set AGENT=agent
    %JAVA%  %JAVA_OPTS% -Dflume.monitoring.type=http -Dflume.monitoring.port=34545 -Dlog4j.configuration=file:\\%FLUME_HOME%conflog4j.properties -cp "%FLUME_HOME%lib*" org.apache.flume.node.Application -f %FLUME_HOME%confflume-conf.properties -n %AGENT%
    

    　　需要注意的是几处路径的配置

  • 至此，全部准备工作做完，下面在cmd进入flume/bin目录，执行这个.bat文件。
  • 通过http验证下：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.读取目录新增加文件内容的配置

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.写入kafka的配置

　　这里踩的坑较多，一种可能是老版本配置，还有一种就是有的人没经过试验的东西就贴出来了。引以为戒，自己测试通过再贴，保持严谨，免得误人。

//看好类全路径是否都对，网上有不靠谱的写法，org.apache.flume.plugins.SinglePartition 令人鄙视
a1.sinks.k1.type =  org.apache.flume.sink.kafka.KafkaSink
//不知道为什么很多人这里项写为：a1.sinks.k1.metadata.broker.list，可能是之前版本有这个吧
a1.sinks.k1.brokerList =master:9092,slave1:9092,slave2:9092
a1.sinks.k1.serializer.class=kafka.serializer.StringEncoder
//还有这玩意，这写法太坑人了a1.sinks.k1.custom.topic.name
a1.sinks.k1.topic=kafka-storm-cluster
a1.sinks.k1.channel=c1

6.读取telnet监控内容配置sink

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

　　

7.常用命令：

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