<tbody id="j99e4"></tbody>

<dd id="j99e4"></dd>

  • <button id="j99e4"><object id="j99e4"></object></button>
      1. <th id="j99e4"></th>
        <button id="j99e4"><acronym id="j99e4"></acronym></button><rp id="j99e4"><object id="j99e4"><input id="j99e4"></input></object></rp>
        當前位置:首頁 > IT技術 > Web編程 > 正文

        大數據技術Flume框架詳解
        2022-08-29 23:57:25

        Flume的概述

        Flume是Cloudera提供的一個高可用的,高可靠的,分布式的海量日 志采集、聚合和傳輸的系統。Flume基于流式架構,靈活簡單。

        • 高可用(HA) flume框架(故障轉移機制)
        • 高可靠 數據采集的可靠性
        • 分布式 分布式集群搭建

        Flume的作用

        最主要的作用:實時讀取服務器本地磁盤的數據,將數據寫到HDFS、Kafka

        Flume的優點

        可以和任意存儲進程集成。

        • 支持不同的采集源
        • 支持多類型的目標源

        輸入的的數據速率大于寫入目的存儲的速率,flume會進行緩沖,減小 hdfs的壓力。

        flume中的事務基于channel,使用了兩個事務模型(sender + receiver),確保消息被可靠發送。

        Flume使用兩個獨立的事務分別負責從soucrce到channel,以及從 channel到sink的事件傳遞。一旦事務中所有的數據全部成功提交到 channel,那么source才認為該數據讀取完成。同理,只有成功被sink 寫出去的數據,才會從channel中移除。

        Flume的組成結構

        1、Flume組成架構

        2、Agent

        a、簡介

        Agent是一個JVM進程,它以事件的形式將數據從源頭送至目的。Agent 主要有3個部分組成,Source、Channel、Sink。

        b、Source

        Source是負責接收數據到Flume Agent的組件。Source組件可以處理 各種類型、各種格式的日志數據,包括avro、thrift、exec、jms、 spooling directory、netcat、sequence generator、syslog、 http、legacy。

        c、Channel

        Channel是位于Source和Sink之間的緩沖區。因此,Channel允許 Source和Sink運作在不同的速率上。Channel是線程安全的,可以同 時處理幾個Source的寫入操作和幾個Sink的讀取操作。 Flume自帶兩種Channel:Memory Channel和File Channel。 Memory Channel是內存中的隊列。Memory Channel在不需要關心 數據丟失的情景下適用。如果需要關心數據丟失,那么Memory Channel就不應該使用,因為程序死亡、機器宕機或者重啟都會導致數 據丟失。File Channel將所有事件寫到磁盤。因此在程序關閉或機器宕 機的情況下不會丟失數據。

        d、Sink

        Sink不斷地輪詢Channel中的事件且批量地移除它們,并將這些事件批 量寫入到存儲或索引系統、或者被發送到另一個Flume Agent。Sink 是完全事務性的。在從Channel批量刪除數據之前,每個Sink用 Channel啟動一個事務。批量事件一旦成功寫出到存儲系統或下一個 Flume Agent,Sink就利用Channel提交事務。事務一旦被提交,該 Channel從自己的內部緩沖區刪除事件。Sink組件目的地包括hdfs、 logger、avro、thrift、ipc、file、null、HBase、solr、自定義。

        e、Event

        傳輸單元,Flume數據傳輸的基本單元,以事件的形式將數據從源頭送 至目的地。 Event由可選的header和載有數據的一個byte array 構成。Header是容納了key-value字符串對的HashMap。

        Flume agent的配置文件

        單數據源單出口案例

        這種模式是將多個flume給順序連接起來了,從最初的source開始到最 終sink傳送的目的存儲系統。此模式不建議橋接過多的flume數量, flume數量過多不僅會影響傳輸速率,而且一旦傳輸過程中某個節點 flume宕機,會影響整個傳輸系統。

        flume實現監控端口數據案例:

        用netcat工具向本機端口號:44444發送消息,flume監聽

        # Name the components on this agent
        # r1:表示a1的輸入源	a1:表示agent的名稱
        a1.sources = r1
        # k1:表示a1的輸出目的地
        a1.sinks = k1
        # c1:表示a1的緩沖區
        a1.channels = c1
        
        # Describe/configure the source
        # 表示a1的輸入源類型為netcat端口類型
        a1.sources.r1.type = netcat
        # 表示a1的監聽主機
        a1.soucres.r1.bind = localhost
        # 表示a1的監聽的端口號
        a1.sources.r1.port = 44444
        
        # Describe the sink
        # 表示a1的輸出目的地是控制臺logger類型
        a1.sinks.k1.type = logger
        
        # Use a channel which buffers events in memory
        # 表示a1的channel類型是memory內存型
        a1.channels.c1.type = memory
        # 表示a1的channel總容量1000個event
        a1.channels.c1.capacity = 1000
        # 表示a1的channel傳輸時收集到100條event以后再去提交事務
        a1.channels.c1.transactionCapacity = 100
        
        # Bind the source and sink to the channel
        # 表示講r1和c1鏈接起來
        a1.sources.r1.channels = c1
        # 表示將k1和c1鏈接起來
        a1.sinks.k1.channel = c1
        

        啟動flume

        • 方法一:bin/flume-ng agent --conf conf/ --name a1 --conf-file job/flume-netcat-logger.conf - Dflume.root.logger=INFO,console

        • 方法二:bin/flume-ng agent -c conf/ -n a1 –f job/flume-netcat-logger.conf -Dflume.root.logger=INFO,console

        參數說明

        • --conf conf/ :表示(conf)配置文件存儲在conf/目錄
        • --name a1 :表示給agent起名為a1
        • --conf-file job/flume-netcat.conf :flume本次啟動讀取的配置 文件是在job文件夾下的flume-telnet.conf文件。
        • -Dflume.root.logger==INFO,console :-D表示flume運行時動 態修改flume.root.logger參數屬性值,并將控制臺日志打印級別設 置為INFO級別。日志級別包括:log、info、warn、error。

        實時采集文件到HDFS上案例

        用flume實時監聽某文件,當該文件的內容變化時,上傳該數據到HDFS上。

        # Name the components on this agent
        a2.sources = r2
        a2.sinks = k2
        a2.channels = c2
        
        # Describe/configure the source
        # 定義數據源文件的類型
        a2.sources.r2.type = exec
        # 監聽該目錄下的access.log文件
        a2.sources.r2.command = tail -F /home/hadoop/nginx/logs/access.log
        a2.sources.r2.shell = /bin/bash -c
        
        # Describe the sink
        a2.sinks.k2.type = hdfs
        # 上傳文件的路徑 %Y%m%d為時間戳,自動生成對應時間 年月日
        a2.sinks.k2.hdfs.path = hdfs://192.168.137.128:9000/flume/%Y%m%d/%H
        #上傳文件的前綴
        a2.sinks.k2.hdfs.filePrefix = logs-
        #是否按照時間滾動文件夾
        a2.sinks.k2.hdfs.round = true
        #多少時間單位創建一個新的文件夾
        a2.sinks.k2.hdfs.roundValue = 1
        #重新定義時間單位
        a2.sinks.k2.hdfs.roundUnit = hour
        #是否使用本地時間戳
        a2.sinks.k2.hdfs.useLocalTimeStamp = true
        #積攢多少個Event才flush到HDFS一次
        a2.sinks.k2.hdfs.batchSize = 1000
        #設置文件類型,可支持壓縮
        a2.sinks.k2.hdfs.fileType = DataStream
        #多久生成一個新的文件
        a2.sinks.k2.hdfs.rollInterval = 60
        #設置每個文件的滾動大小
        a2.sinks.k2.hdfs.rollSize = 134217700
        #文件的滾動與Event數量無關
        a2.sinks.k2.hdfs.rollCount = 0
        # Use a channel which buffers events in memory
        a2.channels.c2.type = memory
        a2.channels.c2.capacity = 1000
        a2.channels.c2.transactionCapacity = 100
        # Bind the source and sink to the channel
        a2.sources.r2.channels = c2
        a2.sinks.k2.channel = c2
        

        實時讀取目錄文件到HDFS上案例

        使用flume實時監聽整個目錄文件,當該目錄文件新增時,上傳該文件到HDFS上。

        a3.sources = r3
        a3.sinks = k3
        a3.channels = c3
        
        # Describe/configure the source
        # 定義source類型為目錄
        a3.sources.r3.type = spooldir
        # 定義監控目錄
        a3.sources.r3.spoolDir = /home/hadoop/bigdatasoftware/flume/upload
        # 定義文件上傳完的后綴名
        a3.sources.r3.fileSuffix = .COMPLETED
        # 是否有五年間頭
        a3.sources.r3.fileHeader = true
        #忽略所有以.tmp結尾的文件,不上傳
        a3.sources.r3.ignorePattern = ([^ ]*.tmp)
        
        # Describe the sink
        a3.sinks.k3.type = hdfs
        a3.sinks.k3.hdfs.path = hdfs://192.168.137.128:9000/flume/upload/%Y%m%d/%H
        #上傳文件的前綴
        a3.sinks.k3.hdfs.filePrefix = upload-
        #是否按照時間滾動文件夾
        a3.sinks.k3.hdfs.round = true
        #多少時間單位創建一個新的文件夾
        a3.sinks.k3.hdfs.roundValue = 1
        #重新定義時間單位
        a3.sinks.k3.hdfs.roundUnit = hour
        #是否使用本地時間戳
        a3.sinks.k3.hdfs.useLocalTimeStamp = true
        #積攢多少個Event才flush到HDFS一次
        a3.sinks.k3.hdfs.batchSize = 100
        #設置文件類型,可支持壓縮
        a3.sinks.k3.hdfs.fileType = DataStream
        #多久生成一個新的文件
        a3.sinks.k3.hdfs.rollInterval = 60
        #設置每個文件的滾動大小大概是128M
        a3.sinks.k3.hdfs.rollSize = 134217700
        #文件的滾動與Event數量無關
        a3.sinks.k3.hdfs.rollCount = 0
        # Use a channel which buffers events in memory
        a3.channels.c3.type = memory
        a3.channels.c3.capacity = 1000
        a3.channels.c3.transactionCapacity = 100
        
        # Bind the source and sink to the channel
        a3.sources.r3.channels = c3
        a3.sinks.k3.channel = c3
        

        單數據源多出口案例(選擇器)

        Flume支持將事件流向一個或者多個目的地。這種模式將數據源復制到 多個channel中,每個channel都有相同的數據,sink可以選擇傳送的 不同的目的地。

        flume1監控文件的變動,并將變動的內容傳遞給flume2和flume3。

        flume2負責輸出到HDFS上

        flume3負責輸出到本地上

        三個flume在同一臺設備上

        flume1:

        # Name the components on this agent
        a1.sources = r1
        a1.sinks = k1 k2
        a1.channels = c1 c2
        # 將數據流復制給所有channel
        a1.sources.r1.selector.type = replicating
        
        # Describe/configure the source
        a1.sources.r1.type = exec
        a1.sources.r1.command = tail -F /home/hadoop/bigdatasoftware/nginx/logs/access.log
        a1.sources.r1.shell = /bin/bash -c
        
        # Describe the sink
        # sink端的avro是一個數據發送者
        a1.sinks.k1.type = avro
        # 設置其中一個flume接收的地址
        a1.sinks.k1.hostname = 192.168.137.128
        a1.sinks.k1.port = 4141
        a1.sinks.k2.type = avro
        # 設置另一個flume的接收地址
        a1.sinks.k2.hostname = 192.168.137.128
        a1.sinks.k2.port = 4142
        
        # Describe the channel
        a1.channels.c1.type = memory
        a1.channels.c1.capacity = 1000
        a1.channels.c1.transactionCapacity = 100
        a1.channels.c2.type = memory
        a1.channels.c2.capacity = 1000
        a1.channels.c2.transactionCapacity = 100
        
        # Bind the source and sink to the channel
        a1.sources.r1.channels = c1 c2
        a1.sinks.k1.channel = c1
        a1.sinks.k2.channel = c2
        

        flume2:

        # Name the components on this agent
        a2.sources = r1
        a2.sinks = k1
        a2.channels = c1
        
        # Describe/configure the source
        # source端的avro是一個數據接收服務
        a2.sources.r1.type = avro
        # 設置本機地址,注意端口號
        a2.sources.r1.bind = 192.168.137.128
        a2.sources.r1.port = 4141
        
        # Describe the sink
        a2.sinks.k1.type = hdfs
        a2.sinks.k1.hdfs.path =
        hdfs://192.168.137.128:9000/flume2/%Y%m%d/%H
        #上傳文件的前綴
        a2.sinks.k1.hdfs.filePrefix = flume2-
        #是否按照時間滾動文件夾
        a2.sinks.k1.hdfs.round = true
        #多少時間單位創建一個新的文件夾
        a2.sinks.k1.hdfs.roundValue = 1
        #重新定義時間單位
        a2.sinks.k1.hdfs.roundUnit = hour
        #是否使用本地時間戳
        a2.sinks.k1.hdfs.useLocalTimeStamp = true
        #積攢多少個Event才flush到HDFS一次
        a2.sinks.k1.hdfs.batchSize = 100
        #設置文件類型,可支持壓縮
        a2.sinks.k1.hdfs.fileType = DataStream
        #多久生成一個新的文件
        a2.sinks.k1.hdfs.rollInterval = 600
        #設置每個文件的滾動大小大概是128M
        a2.sinks.k1.hdfs.rollSize = 134217700
        #文件的滾動與Event數量無關
        a2.sinks.k1.hdfs.rollCount = 0
        
        # Describe the channel
        a2.channels.c1.type = memory
        a2.channels.c1.capacity = 1000
        a2.channels.c1.transactionCapacity = 100
        
        # Bind the source and sink to the channel
        a2.sources.r1.channels = c1
        a2.sinks.k1.channel = c1
        

        flume3:

        # Name the components on this agent
        a3.sources = r1
        a3.sinks = k1
        a3.channels = c2
        
        # Describe/configure the source
        a3.sources.r1.type = avro
        a3.sources.r1.bind = 192.168.137.128
        a3.sources.r1.port = 4142
        
        # Describe the sink
        a3.sinks.k1.type = file_roll
        a3.sinks.k1.sink.directory = /opt/module/data/flume3
        
        # Describe the channel
        a3.channels.c2.type = memory
        a3.channels.c2.capacity = 1000
        a3.channels.c2.transactionCapacity = 100
        
        # Bind the source and sink to the channel
        a3.sources.r1.channels = c2
        a3.sinks.k1.channel = c2
        

        注意:接收方與發送方的地址和端口號要對應

        單數據源多出口案例(Sink組)

        Flume支持使用將多個sink邏輯上分到一個sink組,flume將數據發送 到不同的sink,主要解決負載均衡和故障轉移問題。

        配置1個接收日志文件的source和1個channel、兩個sink,分別輸送給flume-flume-console1和flume-flume-console2。

        flume1:

        a1.sources = r1
        a1.channels = c1
        a1.sinks = k1 k2
        
        a1.sources.r1.type = netcat
        a1.sources.r1.bind = localhost
        a1.sources.r1.port = 22222
        
        #定義一個sink組
        #一個channel對應多個sink時要設置一個sinkgroups
        a1.sinkgroups = g1
        #指明sink組中的sink實例
        a1.sinkgroups.g1.sinks = k1 k2
        #設置sinkProcessor的類型(負載均衡)
        a1.sinkgroups.g1.processor.type = load_balance
        #①random-隨機分配  ②round_robin-輪循
        a1.sinkgroups.g1.processor.selector = random
        
        
        a1.channels.c1.type = memory
        
        
        a1.sinks.k1.type = avro
        a1.sinks.k1.hostname = 192.168.137.128
        a1.sinks.k1.port = 33333
        
        a1.sinks.k2.type = avro
        a1.sinks.k2.hostname = 192.168.137.129
        a1.sinks.k2.port = 44444
        
        
        a1.sources.r1.channels = c1 
        a1.sinks.k1.channel = c1
        a1.sinks.k2.channel = c1
        

        flume2:

        a1.sources = r1
        a1.channels = c1
        a1.sinks = k1
        
        a1.sources.r1.type = avro
        a1.sources.r1.bind = 192.168.137.128
        a1.sources.r1.port = 33333
        
        a1.channels.c1.type = memory
        a1.channels.c1.capacity = 1000
        
        a1.sinks.k1.type = logger
        
        a1.sources.r1.channels = c1
        a1.sinks.k1.channel = c1
        

        flume3:

        a1.sources = r1
        a1.channels = c1
        a1.sinks = k1
        
        a1.sources.r1.type = avro
        a1.sources.r1.bind = 192.168.137.129
        a1.sources.r1.port = 44444
        
        a1.channels.c1.type = memory
        a1.channels.c1.capacity = 1000
        
        a1.sinks.k1.type = logger
        
        
        a1.sources.r1.channels = c1
        a1.sinks.k1.channel = c1
        

        多數據源匯總

        這種模式是我們最常見的,也非常實用,日常web應用通常分布在上百 個服務器,大者甚至上千個、上萬個服務器。產生的日志,處理起來也 非常麻煩。用flume的這種組合方式能很好的解決這一問題,每臺服務 器部署一個flume采集日志,傳送到一個集中收集日志的flume,再由 此flume上傳到hdfs、hive、hbase、jms等,進行日志分析

        flume1監控一個文件的變動

        flume2監控一個端口的數據

        flume1和flume2將數據發送給flume3,flume3最終將數據打印到控制臺。

        flume1:

        # 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 /home/hadoop/nginx/logs/access.log
        a1.sources.r1.shell = /bin/bash -c
        
        # Describe the sink
        a1.sinks.k1.type = avro
        a1.sinks.k1.hostname = 192.168.137.129
        a1.sinks.k1.port = 4141
        
        # Describe the channel
        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
        

        flume2:

        # Name the components on this agent
        a2.sources = r1
        a2.sinks = k1
        a2.channels = c1
        
        # Describe/configure the source
        a2.sources.r1.type = netcat
        a2.sources.r1.bind = 198.168.137.128
        a2.sources.r1.port = 44444
        
        # Describe the sink
        a2.sinks.k1.type = avro
        a2.sinks.k1.hostname = 192.168.137.129
        a2.sinks.k1.port = 4141
        
        # Use a channel which buffers events in memory
        a2.channels.c1.type = memory
        a2.channels.c1.capacity = 1000
        a2.channels.c1.transactionCapacity = 100
        
        # Bind the source and sink to the channel
        a2.sources.r1.channels = c1
        a2.sinks.k1.channel = c1
        

        flume3:

        # Name the components on this agent
        a3.sources = r1
        a3.sinks = k1
        a3.channels = c1
        
        # Describe/configure the source
        a3.sources.r1.type = avro
        a3.sources.r1.bind = 192.168.137.129
        a3.sources.r1.port = 4141
        
        # Describe the sink
        # Describe the sink
        a3.sinks.k1.type = logger
        
        # Describe the channel
        a3.channels.c1.type = memory
        a3.channels.c1.capacity = 1000
        a3.channels.c1.transactionCapacity = 100
        
        # Bind the source and sink to the channel
        a3.sources.r1.channels = c1
        a3.sinks.k1.channel = c1
        

        本文摘自 :https://www.cnblogs.com/

        亚洲人成图偷偷小说_亚洲图片小说激情综合_国产精品亚洲自在线播放页码_久久综合亚洲色hezyo国产
        <tbody id="j99e4"></tbody>

        <dd id="j99e4"></dd>

      2. <button id="j99e4"><object id="j99e4"></object></button>
          1. <th id="j99e4"></th>
            <button id="j99e4"><acronym id="j99e4"></acronym></button><rp id="j99e4"><object id="j99e4"><input id="j99e4"></input></object></rp>