flume拦截器

RegexExtractorInterceptor作为一个Interceptor实现类可以根据一个正则表达式匹配event body来提取字符串,并使用serializers把字符串作为header的值

实例:
以如下的命令使用execsource收集日志的时候,可以根据文件的名称设置不同的header,进行不同的操作

1
2
3
4
#!/bin/sh
filename=$ 1
hostname=`hostname -s`
tail -F $ 1  | awk -v filename=$filename -v hostname=$hostname  '{print filename":"hostname":"$0}'

source的配置:

1
2
3
4
5
6
7
8
xxxx.sources.kafka1.interceptors = i1
xxxx.sources.kafka1.interceptors.i1.type = regex_extractor
xxxx.sources.kafka1.interceptors.i1.regex = /apps/logs/(.*?)/
xxxx.sources.kafka1.interceptors.i1.serializers = s1
xxxx.sources.kafka1.interceptors.i1.serializers.s1.name = logtypename
xxxx.sources.kafka1.selector.type = multiplexing
xxxx.sources.kafka1.selector.header = logtypename
xxxx.sources.kafka1.selector.mapping.nginx = nginx-channel


几个参数项:
regex 正则表达式

1
2
3
4
5
6
serializers  定义匹配组(正则匹配之后的值作为header的值,比如如果
Event body为 1 : 2 : 3 .4foobar5,regex为(\\d):(\\d):(\\d),serializers 
设置为a b c,serializers.a.name 为one,serializers.b.name为two,serializers.c.name
为three,那么one-> 1 ,two-> 2 ,three-> 3 .4foobar5,注意可以不必匹配所有的组)
 
serializers.x.name 作为event的header


首先看内部类Builder:
1)configureSerializers方法用来生成配置项,主要是操作List,静态内部类NameAndSerializer是一个包含了headerName和RegexExtractorInterceptorSerializer属性的容器,这里每一个serializers.x.name的配置对应一个RegexExtractorInterceptorSerializer对象,RegexExtractorInterceptorSerializer默认是org.apache.flume.interceptor.RegexExtractorInterceptorPassThroughSerializer,即对参数不做任何处理直接返回:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
private  List serializerList;
private  final  RegexExtractorInterceptorSerializer defaultSerializer =  new  RegexExtractorInterceptorPassThroughSerializer();
....
      private  void  configureSerializers(Context context) {
       String serializerListStr = context.getString( SERIALIZERS );  //解析serializers的配置
       Preconditions. checkArgument(!StringUtils. isEmpty(serializerListStr),
           "Must supply at least one name and serializer"  );
       String[] serializerNames = serializerListStr.split(  "\\s+"  );  //按空格分隔
       Context serializerContexts =
           new  Context(context.getSubProperties( SERIALIZERS +  "." ));
       serializerList = Lists. newArrayListWithCapacity(serializerNames.length);
       for (String serializerName : serializerNames) {  //对每一个serializers里面的设置进行操作
         Context serializerContext =  new  Context(
             serializerContexts.getSubProperties(serializerName +  "."  ));
         String type = serializerContext.getString(  "type"  "DEFAULT"  );  //获取serializers.x.type的设置,默认值是DEFAULT,即org.apache.flume.interceptor.RegexExtractorInterceptorPassThroughSerializer
         String name = serializerContext.getString(  "name"  );  ////获取serializers.x.name的设置
         Preconditions. checkArgument(!StringUtils. isEmpty(name),
             "Supplied name cannot be empty."  );
         if  ( "DEFAULT"  .equals(type)) {
           serializerList .add( new  NameAndSerializer(name, defaultSerializer));  //生成NameAndSerializer对象,并加入到List中,静态内部类NameAndSerializer是一个包含了headerName和RegexExtractorInterceptorSerializer属性的容器,这里每一个serializers.x.name的配置对应一个RegexExtractorInterceptorSerializer对象
         else  {
           serializerList .add( new  NameAndSerializer(name, getCustomSerializer(
               type, serializerContext)));  //getCustomSerializer用于根据type的设置返回RegexExtractorInterceptorSerializer对象
         }
       }
     }

这里org.apache.flume.interceptor.RegexExtractorInterceptorSerializer 接口类,定义了一个抽象方法serialize,实现类包括:

1
2
3
4
org.apache.flume.interceptor.RegexExtractorInterceptorPassThroughSerializer 
//直接返回,不做另外的操作(默认的类)
org.apache.flume.interceptor.RegexExtractorInterceptorMillisSerializer 
//使用指定的formatting pattern把传入的值转换为milliseconds

  
2)build方法用于返回一个RegexExtractorInterceptor对象

1
return  new  RegexExtractorInterceptor( regex , serializerList );

RegexExtractorInterceptor的主要方法intercept:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
  static  final  String REGEX =  "regex"  ;
   static  final  String SERIALIZERS =  "serializers"  ;
...
   public  Event intercept(Event event) {
     Matcher matcher = regex.matcher(
         new  String(event.getBody(), Charsets.UTF_8));  //对Event的body进行matcher操作
     Map headers = event.getHeaders();  // 获取Event的header键值对
     if  (matcher.find()) {  //检测字符串中的子字符串是否可以匹配到正则
       for  int  group =  0 , count = matcher.groupCount(); group < count; group++) {
         int  groupIndex = group +  1 // 匹配的index从1开始
         if  (groupIndex > serializers .size()) {  //判断index是否大于serializers列表(configure产生的List)的长度
....
           break ;
         }
         NameAndSerializer serializer = serializers.get(group);  //从serializers中获取对应的NameAndSerializer 对象
....
         headers.put(serializer. headerName,
             serializer. serializer.serialize(matcher.group(groupIndex)));  // 向Event中插入headerName和对应的value,这里headerName即为serializers.x.name的设置,value会通过RegexExtractorInterceptorSerializer进行处理
       }
     }
     return  event;
   }

 

本文出自 “菜光光的博客” 博客,请务必保留此出处http://caiguangguang.blog.51cto.com/1652935/1619537

你可能感兴趣的:(大数据)