Flume学习5_Flume环境部署和配置详解及案例大全
2015-09-14 14:34
531 查看
flume是一个分布式、可靠、和高可用的海量日志采集、聚合和传输的系统。支持在日志系统中定制各类数据发送方,用于收集数据;同时,Flume提供对数据进行简单处理,并写到各种数据接受方(比如文本、HDFS、Hbase等)的能力 。
一、什么是Flume?
flume 作为 cloudera 开发的实时日志收集系统,受到了业界的认可与广泛应用。Flume 初始的发行版本目前被统称为 Flume OG(original generation),属于 cloudera。但随着 FLume 功能的扩展,Flume OG 代码工程臃肿、核心组件设计不合理、核心配置不标准等缺点暴露出来,尤其是在 Flume OG 的最后一个发行版本 0.94.0 中,日志传输不稳定的现象尤为严重,为了解决这些问题,2011 年 10 月 22 号,cloudera 完成了 Flume-728,对
Flume 进行了里程碑式的改动:重构核心组件、核心配置以及代码架构,重构后的版本统称为 Flume NG(next generation);改动的另一原因是将 Flume 纳入 apache 旗下,cloudera Flume 改名为 Apache Flume。
flume的特点:
flume是一个分布式、可靠、和高可用的海量日志采集、聚合和传输的系统。支持在日志系统中定制各类数据发送方,用于收集数据;同时,Flume提供对数据进行简单处理,并写到各种数据接受方(比如文本、HDFS、Hbase等)的能力 。
flume的数据流由事件(Event)贯穿始终。事件是Flume的基本数据单位,它携带日志数据(字节数组形式)并且携带有头信息,这些Event由Agent外部的Source生成,当Source捕获事件后会进行特定的格式化,然后Source会把事件推入(单个或多个)Channel中。你可以把Channel看作是一个缓冲区,它将保存事件直到Sink处理完该事件。Sink负责持久化日志或者把事件推向另一个Source。
flume的可靠性
当节点出现故障时,日志能够被传送到其他节点上而不会丢失。Flume提供了三种级别的可靠性保障,从强到弱依次分别为:end-to-end(收到数据agent首先将event写到磁盘上,当数据传送成功后,再删除;如果数据发送失败,可以重新发送。),Store on failure(这也是scribe采用的策略,当数据接收方crash时,将数据写到本地,待恢复后,继续发送),Besteffort(数据发送到接收方后,不会进行确认)。
flume的可恢复性:
还是靠Channel。推荐使用FileChannel,事件持久化在本地文件系统里(性能较差)。
flume的一些核心概念:
Agent使用JVM 运行Flume。每台机器运行一个agent,但是可以在一个agent中包含多个sources和sinks。
Client生产数据,运行在一个独立的线程。
Source从Client收集数据,传递给Channel。
Sink从Channel收集数据,运行在一个独立线程。
Channel连接 sources 和 sinks ,这个有点像一个队列。
Events可以是日志记录、 avro 对象等。
Flume以agent为最小的独立运行单位。一个agent就是一个JVM。单agent由Source、Sink和Channel三大组件构成。
值得注意的是,Flume提供了大量内置的Source、Channel和Sink类型。不同类型的Source,Channel和Sink可以自由组合。组合方式基于用户设置的配置文件,非常灵活。比如:Channel可以把事件暂存在内存里,也可以持久化到本地硬盘上。Sink可以把日志写入HDFS, HBase,甚至是另外一个Source等等。Flume支持用户建立多级流,也就是说,多个agent可以协同工作,并且支持Fan-in、Fan-out、Contextual Routing、Backup Routes,这也正是NB之处。
二、flume的官方网站在哪里?
http://flume.apache.org/
三、在哪里下载?
http://www.apache.org/dyn/closer.cgi/flume/1.5.0/apache-flume-1.5.0-bin.tar.gz
四、如何安装?
1)将下载的flume包,解压到/home/hadoop目录中,你就已经完成了50%:)简单吧
2)修改 flume-env.sh 配置文件,主要是JAVA_HOME变量设置
?
3)验证是否安装成功
?
出现上面的信息,表示安装成功了
五、flume的案例
1)案例1:Avro
Avro可以发送一个给定的文件给Flume,Avro 源使用AVRO RPC机制。
a)创建agent配置文件
?
b)启动flume agent a1
?
c)创建指定文件
?
d)使用avro-client发送文件
?
f)在m1的控制台,可以看到以下信息,注意最后一行:
?
2)案例2:Spool
Spool监测配置的目录下新增的文件,并将文件中的数据读取出来。需要注意两点:
1) 拷贝到spool目录下的文件不可以再打开编辑。
2) spool目录下不可包含相应的子目录
a)创建agent配置文件
?
b)启动flume agent a1
?
c)追加文件到/home/hadoop/flume-1.5.0-bin/logs目录
?
d)在m1的控制台,可以看到以下相关信息:
?
3)案例3:Exec
EXEC执行一个给定的命令获得输出的源,如果要使用tail命令,必选使得file足够大才能看到输出内容
a)创建agent配置文件
?
b)启动flume agent a1
?
c)生成足够多的内容在文件里
?
e)在m1的控制台,可以看到以下信息:
?
4)案例4:Syslogtcp
Syslogtcp监听TCP的端口做为数据源
a)创建agent配置文件
?
b)启动flume agent a1
?
c)测试产生syslog
?
d)在m1的控制台,可以看到以下信息:
?
5)案例5:JSONHandler
a)创建agent配置文件
?
b)启动flume agent a1
?
c)生成JSON 格式的POST request
?
d)在m1的控制台,可以看到以下信息:
/
?
6)案例6:Hadoop sink
其中关于hadoop2.2.0部分的安装部署,请参考文章《ubuntu12.04+hadoop2.2.0+zookeeper3.4.5+hbase0.96.2+hive0.13.1分布式环境部署》
a)创建agent配置文件
?
b)启动flume agent a1
?
c)测试产生syslog
?
d)在m1的控制台,可以看到以下信息:
?
e)在m1上再打开一个窗口,去hadoop上检查文件是否生成
?
7)案例7:File Roll Sink
a)创建agent配置文件
?
b)启动flume agent a1
?
c)测试产生log
?
d)查看/home/hadoop/flume-1.5.0-bin/logs下是否生成文件,默认每30秒生成一个新文件
?
8)案例8:Replicating Channel Selector
Flume支持Fan out流从一个源到多个通道。有两种模式的Fan out,分别是复制和复用。在复制的情况下,流的事件被发送到所有的配置通道。在复用的情况下,事件被发送到可用的渠道中的一个子集。Fan out流需要指定源和Fan out通道的规则。
这次我们需要用到m1,m2两台机器
a)在m1创建replicating_Channel_Selector配置文件
?
b)在m1创建replicating_Channel_Selector_avro配置文件
?
c)在m1上将2个配置文件复制到m2上一份
?
d)打开4个窗口,在m1和m2上同时启动两个flume agent
?
e)然后在m1或m2的任意一台机器上,测试产生syslog
?
f)在m1和m2的sink窗口,分别可以看到以下信息,这说明信息得到了同步:
?
9)案例9:Multiplexing Channel Selector
a)在m1创建Multiplexing_Channel_Selector配置文件
?
b)在m1创建Multiplexing_Channel_Selector_avro配置文件
?
c)将2个配置文件复制到m2上一份
?
d)打开4个窗口,在m1和m2上同时启动两个flume agent
?
e)然后在m1或m2的任意一台机器上,测试产生syslog
?
f)在m1的sink窗口,可以看到以下信息:
?
g)在m2的sink窗口,可以看到以下信息:
?
可以看到,根据header中不同的条件分布到不同的channel上
10)案例10:Flume Sink Processors
failover的机器是一直发送给其中一个sink,当这个sink不可用的时候,自动发送到下一个sink。
a)在m1创建Flume_Sink_Processors配置文件
?
b)在m1创建Flume_Sink_Processors_avro配置文件
?
c)将2个配置文件复制到m2上一份
?
d)打开4个窗口,在m1和m2上同时启动两个flume agent
?
e)然后在m1或m2的任意一台机器上,测试产生log
?
f)因为m2的优先级高,所以在m2的sink窗口,可以看到以下信息,而m1没有:
?
g)这时我们停止掉m2机器上的sink(ctrl+c),再次输出测试数据:
?
h)可以在m1的sink窗口,看到读取到了刚才发送的两条测试数据:
?
i)我们再在m2的sink窗口中,启动sink:
?
j)输入两批测试数据:
?
k)在m2的sink窗口,我们可以看到以下信息,因为优先级的关系,log消息会再次落到m2上:
?
11)案例11:Load balancing Sink Processor
load balance type和failover不同的地方是,load balance有两个配置,一个是轮询,一个是随机。两种情况下如果被选择的sink不可用,就会自动尝试发送到下一个可用的sink上面。
a)在m1创建Load_balancing_Sink_Processors配置文件
?
b)在m1创建Load_balancing_Sink_Processors_avro配置文件
?
c)将2个配置文件复制到m2上一份
?
d)打开4个窗口,在m1和m2上同时启动两个flume agent
?
e)然后在m1或m2的任意一台机器上,测试产生log,一行一行输入,输入太快,容易落到一台机器上
?
f)在m1的sink窗口,可以看到以下信息:
?
g)在m2的sink窗口,可以看到以下信息:
?
说明轮询模式起到了作用。
12)案例12:Hbase sink
a)在测试之前,请先参考《ubuntu12.04+hadoop2.2.0+zookeeper3.4.5+hbase0.96.2+hive0.13.1分布式环境部署》将hbase启动
b)然后将以下文件复制到flume中:
?
c)确保test_idoall_org表在hbase中已经存在,test_idoall_org表的格式以及字段请参考《ubuntu12.04+hadoop2.2.0+zookeeper3.4.5+hbase0.96.2+hive0.13.1分布式环境部署》中关于hbase部分的建表代码。
d)在m1创建hbase_simple配置文件
?
e)启动flume agent
?
f)测试产生syslog
?
g)这时登录到hbase中,可以发现新数据已经插入
?
经过这么多flume的例子测试,如果你全部做完后,会发现flume的功能真的很强大,可以进行各种搭配来完成你想要的工作,俗话说师傅领进门,修行在个人,如何能够结合你的产品业务,将flume更好的应用起来,快去动手实践吧。
原文来自:http://www.jb51.net/article/53542.htm
一、什么是Flume?
flume 作为 cloudera 开发的实时日志收集系统,受到了业界的认可与广泛应用。Flume 初始的发行版本目前被统称为 Flume OG(original generation),属于 cloudera。但随着 FLume 功能的扩展,Flume OG 代码工程臃肿、核心组件设计不合理、核心配置不标准等缺点暴露出来,尤其是在 Flume OG 的最后一个发行版本 0.94.0 中,日志传输不稳定的现象尤为严重,为了解决这些问题,2011 年 10 月 22 号,cloudera 完成了 Flume-728,对
Flume 进行了里程碑式的改动:重构核心组件、核心配置以及代码架构,重构后的版本统称为 Flume NG(next generation);改动的另一原因是将 Flume 纳入 apache 旗下,cloudera Flume 改名为 Apache Flume。
flume的特点:
flume是一个分布式、可靠、和高可用的海量日志采集、聚合和传输的系统。支持在日志系统中定制各类数据发送方,用于收集数据;同时,Flume提供对数据进行简单处理,并写到各种数据接受方(比如文本、HDFS、Hbase等)的能力 。
flume的数据流由事件(Event)贯穿始终。事件是Flume的基本数据单位,它携带日志数据(字节数组形式)并且携带有头信息,这些Event由Agent外部的Source生成,当Source捕获事件后会进行特定的格式化,然后Source会把事件推入(单个或多个)Channel中。你可以把Channel看作是一个缓冲区,它将保存事件直到Sink处理完该事件。Sink负责持久化日志或者把事件推向另一个Source。
flume的可靠性
当节点出现故障时,日志能够被传送到其他节点上而不会丢失。Flume提供了三种级别的可靠性保障,从强到弱依次分别为:end-to-end(收到数据agent首先将event写到磁盘上,当数据传送成功后,再删除;如果数据发送失败,可以重新发送。),Store on failure(这也是scribe采用的策略,当数据接收方crash时,将数据写到本地,待恢复后,继续发送),Besteffort(数据发送到接收方后,不会进行确认)。
flume的可恢复性:
还是靠Channel。推荐使用FileChannel,事件持久化在本地文件系统里(性能较差)。
flume的一些核心概念:
Agent使用JVM 运行Flume。每台机器运行一个agent,但是可以在一个agent中包含多个sources和sinks。
Client生产数据,运行在一个独立的线程。
Source从Client收集数据,传递给Channel。
Sink从Channel收集数据,运行在一个独立线程。
Channel连接 sources 和 sinks ,这个有点像一个队列。
Events可以是日志记录、 avro 对象等。
Flume以agent为最小的独立运行单位。一个agent就是一个JVM。单agent由Source、Sink和Channel三大组件构成。
值得注意的是,Flume提供了大量内置的Source、Channel和Sink类型。不同类型的Source,Channel和Sink可以自由组合。组合方式基于用户设置的配置文件,非常灵活。比如:Channel可以把事件暂存在内存里,也可以持久化到本地硬盘上。Sink可以把日志写入HDFS, HBase,甚至是另外一个Source等等。Flume支持用户建立多级流,也就是说,多个agent可以协同工作,并且支持Fan-in、Fan-out、Contextual Routing、Backup Routes,这也正是NB之处。
二、flume的官方网站在哪里?
http://flume.apache.org/
三、在哪里下载?
http://www.apache.org/dyn/closer.cgi/flume/1.5.0/apache-flume-1.5.0-bin.tar.gz
四、如何安装?
1)将下载的flume包,解压到/home/hadoop目录中,你就已经完成了50%:)简单吧
2)修改 flume-env.sh 配置文件,主要是JAVA_HOME变量设置
?
?
五、flume的案例
1)案例1:Avro
Avro可以发送一个给定的文件给Flume,Avro 源使用AVRO RPC机制。
a)创建agent配置文件
?
?
?
?
?
Spool监测配置的目录下新增的文件,并将文件中的数据读取出来。需要注意两点:
1) 拷贝到spool目录下的文件不可以再打开编辑。
2) spool目录下不可包含相应的子目录
a)创建agent配置文件
?
?
?
?
EXEC执行一个给定的命令获得输出的源,如果要使用tail命令,必选使得file足够大才能看到输出内容
a)创建agent配置文件
?
?
?
?
Syslogtcp监听TCP的端口做为数据源
a)创建agent配置文件
?
?
?
?
a)创建agent配置文件
?
?
?
/
?
其中关于hadoop2.2.0部分的安装部署,请参考文章《ubuntu12.04+hadoop2.2.0+zookeeper3.4.5+hbase0.96.2+hive0.13.1分布式环境部署》
a)创建agent配置文件
?
?
?
?
?
a)创建agent配置文件
?
?
?
?
Flume支持Fan out流从一个源到多个通道。有两种模式的Fan out,分别是复制和复用。在复制的情况下,流的事件被发送到所有的配置通道。在复用的情况下,事件被发送到可用的渠道中的一个子集。Fan out流需要指定源和Fan out通道的规则。
这次我们需要用到m1,m2两台机器
a)在m1创建replicating_Channel_Selector配置文件
?
?
?
?
?
?
9)案例9:Multiplexing Channel Selector
a)在m1创建Multiplexing_Channel_Selector配置文件
?
?
?
?
?
?
?
10)案例10:Flume Sink Processors
failover的机器是一直发送给其中一个sink,当这个sink不可用的时候,自动发送到下一个sink。
a)在m1创建Flume_Sink_Processors配置文件
?
?
?
?
?
?
?
?
?
?
?
load balance type和failover不同的地方是,load balance有两个配置,一个是轮询,一个是随机。两种情况下如果被选择的sink不可用,就会自动尝试发送到下一个可用的sink上面。
a)在m1创建Load_balancing_Sink_Processors配置文件
?
?
?
?
?
?
?
12)案例12:Hbase sink
a)在测试之前,请先参考《ubuntu12.04+hadoop2.2.0+zookeeper3.4.5+hbase0.96.2+hive0.13.1分布式环境部署》将hbase启动
b)然后将以下文件复制到flume中:
?
d)在m1创建hbase_simple配置文件
?
?
?
?
原文来自:http://www.jb51.net/article/53542.htm
相关文章推荐
- 在CentOS 6.3 64bit上利用iptables开放指定端口的方法
- android error
- Easyui-Datagrid—表头灵活拖动
- [Linux] -Docker修改空间大小
- c#比较两个字符串
- shell脚本使用ssh命令连接主机,自动创建目录,分发程序,执行命令
- 可以输出类名、函数名以及所在行号的Log帮助类
- iOS--有关自定义Cell细线的问题
- javascript 测试 jQuery
- quartz定时任务的使用
- do {...} while (0) 在宏定义中的作用
- 利用nginx加速web访问
- java abstract基础
- JSON 解析器的简单例子
- HTML5学习之FileReader接口
- 查看系统内存 cpu占用率脚本
- AMD
- Android打造(ListView、GridView等)通用的下拉刷新、上拉自动加载的组件
- KMP算法的C语言实现
- 仿Android网易新闻客户端,并增加水平图片滑动,改进阅读体验