Flume 架构+搭建

1. FIume

1.1 Flume 是什么

Flume是一种分布式的、可靠的、可用的服务（工具），可用于高效地从各种 Web 服务器收集、聚合和移动大量的日志数据复制到 HDFS。

它具有基于流数据流的简单而灵活的架构。它具有可调的可靠性机制和许多故障转移和恢复机制，具有健壮性和容错能力。它使用一个简单的可扩展数据模型，允许在线分析应用程序。

1.2 Flume 架构

Event： Event（事件）是流经 Agent（代理）的一个数据单元，由 header 和 body 组成。

Agent： Flume 通过 Agent（代理）进行数据的采集和传输工作，这是一个（JVM）进程，事件（Event）通过 Agent 的组件从外部源流到下一个目的地(跳跃)。

Source： 从各种 Web 服务器采集数据，将数据以 Event 的形式写入 Channel。

Channel： Channel（通道）是一个暂态存储组件，用于存储 Source 写入的 Event，Source 写入后，Event 将会保存在 Channel 中，其数据结构是队列（先进先出）。

**Sink： ** Sink 从 Channel 中读取 Event，并发送给 HDFS。

当然，上图只是所见的模型，实际应用中不会直接使用，还有三种复杂的模型！

1.3 Flume 可靠性

Event 暂存在 Channel 中，Event 只有经 Sink 读取后存入其他 Agent的 Channel 或 终端仓库中后，它们才会从当前通道中清除。

这是Flume中的单跳消息传递语义提供的端到端可靠性。

2. Flume 搭建

版本说明

JDK： JDK-1.8

Flume： Flume-1.9.0

2.1 下载配置

2.1.1 下载

传送门：http://flume.apache.org/download.html

2.1.2 上传

将下载好的压缩包上传至服务器，比如我放在 /opt 目录下。

[root@node1 opt]# ls
apache-flume-1.9.0-bin.tar.gz  hadoop-2.7.7  jdk1.8  tar

2.1.3 解压

将压缩包解压到当前目录：

tar -zxvf apache-flume-1.9.0-bin.tar.gz

文件改名：

[root@node1 opt]# mv apache-flume-1.9.0-bin flume-1.9.0

同时我们将用户和用户组修改为root：

[root@node1 flume-1.9.0]# chown -R root:root /opt/flume-1.9.0/

2.1.4 配置

只需修改一个配置文件，并且添加环境变量。

查看文件位置：

[root@node1 conf]# pwd
/opt/flume-1.9.0/conf
[root@node1 conf]# ll
总用量 16
-rw-r--r--. 1 root root 1661 11月 16 2017 flume-conf.properties.template
-rw-r--r--. 1 root root 1455 11月 16 2017 flume-env.ps1.template
-rw-r--r--. 1 root root 1568 8月  30 2018 flume-env.sh.template
-rw-rw-r--. 1 root root 3107 12月 10 2018 log4j.properties

可以看到，Flume 提供了配置文件的模板，所以我们需要复制一份，命名为 flume-env.sh

[root@node1 conf]# cp flume-env.sh.template flume-env.sh

1、修改配值文件

[root@node1 conf]# vim flume-env.sh

# 添加jdk
export JAVA_HOME=/opt/jdk1.8

2、添加环境变量

[root@node1 conf]# vim /etc/profile

# 添加环境变量
export FLUME_HOME=/opt/flume-1.9.0
export PATH=$FLUME_HOME/bin:$PATH

# 更新配置文件
[root@node1 conf]# source /etc/profile

2.2 简单实例

官网上提供了一个简单的实例，我们来实现一下。

传送门：http://flume.apache.org/releases/content/1.9.0/FlumeUserGuide.html#reliability

2.2.1 实例配置

在 flume-1.9.0 目录下新建目录 agents 用于存放配置文件

[root@node1 flume-1.9.0]# mkdir agents

新建配置文件：

[root@node1 agents]# vim agent_test_1.conf

将从官网获取的配置信息存入其中：

# 单节点 Flume 配置

# 设置 Agent 中组件的名称
# a1 表示第一个 Agent
a1.sources  =  r1     # a1 中有一个 source 名为 r1
a1.sinks  =  k1       # a1 中有一个 sink 名为 k1
a1.channels  =  c1    # a1 中有一个 channel 名为 c1

# 描述/配置源
a1.sources.r1.type  =  netcat      # r1 的类型为 netcat 用于监听给定的端口，并将数据每行放入event中
a1.sources.r1.bind  =  node1   # 要监听的主机名或IP地址，修改为当前主机名
a1.sources.r1.port  =  44444       # 要监听到的端口

# 配置接收器
a1.sinks.k1.type  =  logger        # sink 的类型为 logger 用于将接收到的数据输出到控制台

# 使用一个通道缓冲内存中的事件
a1.channels.c1.type  =  memory     # channel 使用内存进行 event 的缓存
a1.channels.c1.capacity  =  1000      # channel 缓存容量
a1.channels.c1.transactionCapacity  =  100     # channel 传输容量

# 将source和sink绑定到通道
a1.sources.r1.channels  =  c1 
a1.sinks.k1.channel  =  c1     # sink 只能连接一个 channel

2.2.2 启动 Flume

Flume 的启动指定 Agent 命令：flume-ng agent --conf --conf-file --name -Dflume.root.logger=INFO,console

Dflume.root.logger： 设置日志的输出级别、方式（console，控制台）

启动 Flume：

flume-ng agent --conf /opt/flume-1.9.0/conf/ --conf-file /opt/flume-1.9.0/agents/agent_test_1.conf --name a1 -Dflume.root.logger=INFO,console

如此，就已经在监听本机的44444端口了

2.2.3 获取连接

换台服务器，来连接 node1 的4444端口

nc node1 44444

2.2.4 监听测试

在 node2 上对 node1 的 44444 端口输入内容，可以看到 node1 监听到 44444 获取的内容

2.3 监听文件变化

2.3.1 exec source

exec source 能够在启动时运行给定的 Unix 命令。

官网案例：

a1.sources  =  r1 
a1.channels  =  c1 
a1.sources.r1.type  =  exec 
a1.sources.r1.command  =  tail -F /var/log/secure   # 检测该文件末尾的变化，并保存至 channel（c1）
a1.sources.r1.channels  =  c1

监听文件变化，并实时在控制台输出，但 f、F 是有区别的

tail -f：当监听的文件被删除后再创建后，就无法再监听变化

tail -F：当监听的文件被删除后再创建后，依然能够监听变化

2.3.2 更改 source 类型

将原来的 source 修改为 exec 类型，并指监听的文件。

a1.sources.r1.type = exec
a1.sources.r1.commond = tail -F /root/1.txt

2.3.3 启动测试

再来启动 Flume，并向 /root/1.txt 文件追加内容：

2.4 HDFS Flume

日志文件需要保存在 HDFS 中，但是上面的示例只能实现在控制台打印输出，所以我们需要进一步配置。

实现：监听日志文件末尾的变化，并获取变化内容，最终上传至 HDFS。

2.4.1 HDFS sink

HDFS sink 能够将事件写入 Hadoop 分布式文件系统 (HDFS)。它目前支持创建文本和序列文件。它支持两种文件类型的压缩。可以根据经过的时间或数据大小或事件数量定期滚动文件（关闭当前文件并创建一个新文件）。它还按时间戳或事件发生的机器等属性对数据进行存储分区/分区。HDFS 目录路径可能包含格式化转义序列，这些转义序列将被 HDFS 接收器替换以生成目录/文件名来存储事件。

官网案例：

a1.channels  =  c1 
a1.sinks  =  k1 
a1.sinks.k1.type  =  hdfs 
a1.sinks.k1.channel  =  c1 
a1.sinks.k1.hdfs.path  =  / 
flume /events/%y-%m-% d /％H％M /％S a1.sinks.k1.hdfs.filePrefix  = 事件- 
a1.sinks.k1.hdfs.round  = 真
a1.sinks.k1.hdfs.roundValue  =  10个
a1.sinks.k1.hdfs .roundUnit  = 分钟

2.4.2 更改 sink 类型

a1.sinks.k1.type = logger
a1.sinks.k1.hdfs.path  = hdfs://node1:8020/flume/

2.4.3 启动测试

1、启动 HDFS：

start-dfs.sh

2、先在 HDFS 根目录创建目录，该目录用于存储 Flume 上传的文件：

hdfs dfs -mkdir /flume

⚠️ 注意：还是监听 /root/1.txt，但是需要先删除该文件 rm -rf 1.txt

3、启动 Flume：

flume-ng agent --conf /opt/flume-1.9.0/conf/ --conf-file /opt/flume-1.9.0/agents/agent_test_1.conf --name a1 -Dflume.root.logger=INFO,console

4、向文件中添加内容：

查看 HDFS 中 flume 目录的变化：

2.4.4 查看该文件

页面上显示的字节数为 141B，明显不对，我们来查看一下该文件。

[root@node1 ~]# hdfs dfs -cat /flume/*
SEQ!org.apache.hadoop.io.LongWritable"org.apache.hadoop.io.BytesWritablew▒▒6W▒t▒H▒▒D▒▒}6^R▒123123▒▒▒▒w▒▒6W▒t▒H▒▒D▒▒▒

Writable 是 Hadoop 实现的一套序列化机制，SEQ（Sequence）指的是该文件为SequenceFile（序列文件），文件类型可以通过 fileType 属性来修改。

可以注意到上图第二列提供了属性的默认值，比如 filePrefix（文件前缀）的默认值，上传文件的前置就为 FlumeData。

如果修改上传文件的类型，需要修改两个属性：fileType、writeFormat

1、修改配置文件

a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path  = hdfs://node1:8020/flume/
a1.sinks.k1.hdfs.fileType  = DataStream
a1.sinks.k1.hdfs.writeFormat  = Text

2、删除 HDFS 中 /flume 目录下的文件

[root@node1 agents]# hdfs dfs -rm /flume/*

/root/1.txt 文件也可以删掉，如果不删，Flume 就会先读取到里面的内容。

3、运行测试

字节数明显减少了，换行符号也是占字节数的！

4、查看该文件

[root@node1 ~]# hdfs dfs -cat /flume/*
123123
000000

3. 写在最后

以上，实现了一个简单的 Flume 模型，还有几种复杂的模型等着我们学习！

 

---

❤️ END ❤️