Hadoop生态圈-Flume的组件之拦截器与选择器

 　　　　　　　　　　　　　　　　　　Hadoop生态圈-Flume的组件之拦截器与选择器

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　作者：尹正杰

版权声明：原创作品，谢绝转载！否则将追究法律责任。

　　本篇博客只是配置的是Flume主流的Interceptors，想要了解更详细的配置信息请参考官网：http://flume.apache.org/FlumeUserGuide.html#flume-interceptors。

 　　想必大家都知道Flume的组件有Source，channel和sink。其实在Flume还有一些更深层的东西，比如你知道soucre是如何将数据传送给channel的吗？那你有知道channel又是如何将数据发送给sink的吗？对于一个Agent来说，它只能有一个source，但是它可以有多个channel和sink，如下图： 

 　　接下来就跟着我一起了了解一下更深层次的知识吧。接下来我们就一起探讨一下source是如何将数据发送到channel中的，以及sink是处理数据的。

一.Source端源码查看

1>.获取一行数据，使用其构建Event

2>.使用processEvent处理数据

 

3>.在处理过程中，event需要通过拦截器链，相当于过滤数据

4>.在拦截器链中，通过迭代所有拦截器，对数据进行多次处理（例如：host拦截器，是对event进行添加头部操作）

5>.通过拦截器处理后的event，再次进入到通道挑选器

 

6>.迭代所有channel,将数据放进channel中

　　通过上面的源码解析，看下面这张图应该就不是什么难事了吧：

　　这个时候，你是否绝对第一张图画得并不自信呢？这个时候我们可以把第一张图的Source端流程画得更详细一点，如下：

二.拦截器（Interceptors）

1>.Interceptors 功能

　　答：拦截器是在source端的在处理过程中能够对数据(event)进行修改或丢弃的组件。

2>.官方文档

 

3>.host interceptor(将发送的event添加主机名的header)配置案例

　　a>.实际配置参数：

[yinzhengjie@s101 ~]$ more /soft/flume/conf/yinzhengjie_hostInterceptor.conf
# Name the components on this agent
a1.sources = r1
a1.sinks = k1
a1.channels = c1

# Describe/configure the source
a1.sources.r1.type = netcat
a1.sources.r1.bind = localhost
a1.sources.r1.port = 8888

# 指定添加拦截器
a1.sources.r1.interceptors = i1
a1.sources.r1.interceptors.i1.type = org.apache.flume.interceptor.HostInterceptor$Builder
a1.sources.r1.interceptors.i1.preserveExisting = false
# 指定header的key
a1.sources.r1.interceptors.i1.hostHeader = hostname
# 指定header的value为主机ip
a1.sources.r1.interceptors.i1.useIP = true

# 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 = 100000
a1.channels.c1.transactionCapacity = 10000

# Bind the source and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1
[yinzhengjie@s101 ~]$ 

　　b>启动agent进程：

　　c>.source端产生数据（启动nc）：

　　d>.检查sink端数据（检查定义好的目录"/home/yinzhengjie/log2"）

4>.static interceptor（静态拦截器，手动指定key-value）配置案例

　　a>.实际配置参数：

[yinzhengjie@s101 ~]$ more /soft/flume/conf/yinzhengjie_staticInterceptor.conf
# Name the components on this agent
a1.sources = r1
a1.sinks = k1
a1.channels = c1

# Describe/configure the source
a1.sources.r1.type = netcat
a1.sources.r1.bind = localhost
a1.sources.r1.port = 8888

# 指定添加拦截器
a1.sources.r1.interceptors = i1
a1.sources.r1.interceptors.i1.type = static
a1.sources.r1.interceptors.i1.key = name
a1.sources.r1.interceptors.i1.value = yinzhengjie

# 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 = 100000
a1.channels.c1.transactionCapacity = 10000

# Bind the source and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1
[yinzhengjie@s101 ~]$ 

　　b>启动agent进程：

　　c>.source端产生数据（启动nc）： 

　　d>.检查sink端数据（检查定义好的目录"/home/yinzhengjie/log2"）

5>.timestamp interceptor（将发送的event添加时间戳的header）配置案例

　　a>.实际配置参数：

[yinzhengjie@s101 ~]$ more /soft/flume/conf/yinzhengjie_timestampInterceptor.conf
# Name the components on this agent
a1.sources = r1
a1.sinks = k1
a1.channels = c1

# Describe/configure the source
a1.sources.r1.type = netcat
a1.sources.r1.bind = localhost
a1.sources.r1.port = 8888

# 指定添加拦截器
a1.sources.r1.interceptors = i1
a1.sources.r1.interceptors.i1.type = timestamp

# 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 = 100000
a1.channels.c1.transactionCapacity = 10000

# Bind the source and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1
[yinzhengjie@s101 ~]$ 

　　b>启动agent进程：

 

　　c>.source端产生数据（启动nc）： 

 

　　d>.检查sink端数据（检查定义好的目录"/home/yinzhengjie/log2"）

6>.interceptor chain（连接器链）配置案例

　　a>.实际配置参数：

[yinzhengjie@s101 ~]$ more /soft/flume/conf/yinzhengjie_chainInterceptor.conf
# Name the components on this agent
a1.sources = r1
a1.sinks = k1
a1.channels = c1

# Describe/configure the source
a1.sources.r1.type = netcat
a1.sources.r1.bind = localhost
a1.sources.r1.port = 8888

# 指定添加拦截器
a1.sources.r1.interceptors = i1 i2 i3
a1.sources.r1.interceptors.i1.type = org.apache.flume.interceptor.HostInterceptor$Builder
a1.sources.r1.interceptors.i1.preserveExisting = false
# 指定header的key
a1.sources.r1.interceptors.i1.hostHeader = hostname
# 指定header的value为主机ip
a1.sources.r1.interceptors.i1.useIP = true

# 添加i2拦截器
a1.sources.r1.interceptors.i2.type = timestamp

# 添加i3拦截器
a1.sources.r1.interceptors.i3.type = remove_header
a1.sources.r1.interceptors.i3.withName = timestamp

# 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 = 100000
a1.channels.c1.transactionCapacity = 10000

# Bind the source and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

[yinzhengjie@s101 ~]$ 

　　b>启动agent进程：

　　c>.source端产生数据（启动nc）： 

　　d>.检查sink端数据（检查定义好的目录"/home/yinzhengjie/log2"）