Flume单数据源多出口案例(选择器)

写在前面尖叫提示哈：本人也是大数据的初学者，写博客的目的也就是尽快的掌握大数据技术，文章正难免出现不足，如有错误大家多多留言指出哈.....感激不尽。

此案例是一个数据源，但是有两个或者两个以上的channel和Sink的案例，为简单起见，现在有两个输出源，一个是Hdfs文件系统，另一个是本地文件系统，多个输出依次扩展即可，先贴一张图说明问题：图片是从官网扒下来的，，，hahaha

需求分析：使用Flume-1监控文件变动，Flume-1将变动内容传递给Flume-2，Flume-2负责存储到HDFS。同时Flume-1将变动内容传递给Flume-3，Flume-3负责输出到Local FileSystem。

 

由于输入源在接收到数据以后不是立刻分发给channel的，中间还会经过xhannel选择器进行选择或者过滤，所以此案例source收到数据以后会先把数据发送到channel选择器，然后选择器负责选择分发给哪一个channel缓存数据。此案例中一共有3个agent，其中还有一个输入source,两个channel和两个sink，稍后会在配置文件中进行配置。

第一步：在flume目录下面创建job文件夹，然后在文件夹里面创建第一个配置文件flume-file-flume.conf，用于配置source，并且添加如下配置内容：

#在这里有一个输入源r1,两个缓存通道channel，c1,c2,两个输出源,k1,k2
# Name the components on this agent
a1.sources = r1
a1.sinks = k1 k2
a1.channels = c1 c2
# 注意：这里将数据复制给所有channel
a1.sources.r1.selector.type = replicating

# Describe/configure the source
a1.sources.r1.type = exec
a1.sources.r1.command = tail -F /opt/module/hive/logs/hive.log//数据的来源，hive输出的日志
a1.sources.r1.shell = /bin/bash -c

# Describe the sink
# sink端的avro是一个数据发送者
a1.sinks.k1.type = avro
a1.sinks.k1.hostname = hadoop101
a1.sinks.k1.port = 4141

a1.sinks.k2.type = avro
a1.sinks.k2.hostname = hadoop101
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
//注意这里有两个channel，稍后会看到如何连接
# Bind the source and sink to the channel
a1.sources.r1.channels = c1 c2
a1.sinks.k1.channel = c1
a1.sinks.k2.channel = c2
/*注：Avro是由Hadoop创始人Doug Cutting创建的一种语言无关的数据序列化和RPC框架。
注：RPC（Remote Procedure Call）—远程过程调用，它是一种通过网络从远程计算机程序上请求服务，而不需要了解底层网络技术的协议。*/

第二步：创建flume-flume-hdfs.conf，此配置文件配置输出到hdfs文件系统上

# Name the components on this agent
a2.sources = r1
a2.sinks = k1
a2.channels = c1

# Describe/configure the source
# source端的avro是一个数据接收服务
a2.sources.r1.type = avro
a2.sources.r1.bind = hadoop101
a2.sources.r1.port = 4141

# Describe the sink
a2.sinks.k1.type = hdfs
#在这里可以指定输出到hdfs文件系统上的路径
a2.sinks.k1.hdfs.path = hdfs://hadoop101:9000/rui/user/flumeFile/%Y%m%d/%H
#上传文件的前缀
a2.sinks.k1.hdfs.filePrefix = flume2-
#是否按照时间滚动文件夹
a2.sinks.k1.hdfs.round = true
#多少时间单位创建一个新的文件夹
a2.sinks.k1.hdfs.roundValue = 1
#重新定义时间单位
a2.sinks.k1.hdfs.roundUnit = hour
#是否使用本地时间戳
a2.sinks.k1.hdfs.useLocalTimeStamp = true
#积攒多少个Event才flush到HDFS一次
a2.sinks.k1.hdfs.batchSize = 100
#设置文件类型，可支持压缩
a2.sinks.k1.hdfs.fileType = DataStream
#多久生成一个新的文件
a2.sinks.k1.hdfs.rollInterval = 600
#设置每个文件的滚动大小大概是128M
a2.sinks.k1.hdfs.rollSize = 134217700
#文件的滚动与Event数量无关
a2.sinks.k1.hdfs.rollCount = 0

# Describe the channel
a2.channels.c1.type = memory
a2.channels.c1.capacity = 1000
a2.channels.c1.transactionCapacity = 100
#此处请注意是如何连接的
# Bind the source and sink to the channel
a2.sources.r1.channels = c1
a2.sinks.k1.channel = c1

 第三步：创建输出到本地文件系统的配置文件flume-flume-dir.conf，输入以下配置信息

# 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 = hadoop101
a3.sources.r1.port = 4142

# Describe the sink
a3.sinks.k1.type = file_roll
#在这里可以配置输出到本地文件的目录，
#提示：输出的本地目录必须是已经存在的目录，如果该目录不存在，并不会创建新的目录。
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

第四步：好了，现在我们一次启动接收端的进程，然后在启动输入端的监听进程

//启动输出到本地文件系统的进程
bin/flume-ng agent -c conf/ -n a3 -f /opt/module/flume-1.7.0/jobs/flume-f
//启动输出到hdfs文件系统的进程
 bin/flume-ng agent -c conf/ -n a2 -f /opt/module/flume-1.7.0/jobs/flume-f
//启动监控hive日志的进程
bin/flume-ng agent -c conf/ -n a1 -f /opt/module/flume-1.7.0/jobs/flume-file-flume.conf

好了，最后我们在启动Hive就可欧克了！最后查看一下本地文件系统或者HDFs文件系统是不是发现有很多日志文件呢？如果只是仅仅启动hive的话可能只有一处有文件，反正我只是在本地看到了日志哈。