flume常用属性的说明

agent

agent的名称：a2

agent的source、channel、sink的名称

a2.sources = s20 s21
a2.channels = c20 c21
a2.sinks = k20 k21

source

avro source的必选属性：type、channels、bind、port

注意source是channels，sink是channel

a2.sources.s20.type = avro
a2.sources.s20.channels = c20 c21               #source to channel
a2.sources.s20.bind = 0.0.0.0                   #hostname/ip adress
a2.sources.s20.port = 11471                     #port

compression-type用于解压缩传入数据的压缩格式。唯一支持的数据格式是zlib，如果要接受zlib压缩的数据，设置该参数为deflate。如果该参数设置为deflate，那么传入的数据必须被压缩，否则source不能解析传入的数据

a2.sources.s20.compression-type = deflate       #none/deflate

拦截器：设置在source和channel之间。source接收到的事件，在写入channel之前，拦截器都可以进行转换或者删除这些事件

a2.sources.s20.interceptors = hostint
#空格隔开的拦截器列表。此处表示拦截器名为hostint
a2.sources.s20.interceptors.hostint.type = org.apache.flume.interceptor.HostInterceptor$Builder
#hostint拦截器的类型是Host Interceptor
a2.sources.s20.interceptors.hostint.preserveExisting = true
#该属性值为true时表示如果主机头已存在，应该被保留
a2.sources.s20.interceptors.hostint.useIP = true
#该属性值为true时表示用ip地址，否则表示用主机名

选择器：同一个数据源分发到不同的目的地，官网提供两种类型 replicating channel selector（default） 和multiplexing channel selector ，replicating会将source过来的events发往所有的channel，而multiplexing可以选择发往哪些channel。还有一种定制类型custom channel selector ，给类型需要自己实现ChannelSelector接口

a2.sources.s20.selector.type = multiplexing
a2.sources.s20.selector.header = topic                   #以header中的topic对应的的值作为条件
a2.sources.s20.selector.mapping.mobilegame = c20 c21     #如果header中的topic的值为mobilegame，使用c20，c21 channel
a2.sources.s20.selector.mapping.webgame = c20 c21        #header中topic的值为webgame
a2.sources.s20.selector.mapping.clientgame = c20 c21     #header中topic的值为clientgame
a2.sources.s20.selector.mapping.monitor = c20 c21        #header中topic的值为monitor
a2.sources.s20.selector.mapping.arc_services = c20 c21   #header中topic的值为啊arc_services
a2.sources.s20.selector.mapping.web_analytics = c20 c21  #header中topic的值为web_analytics
a2.sources.s20.selector.default = c20                    #默认使用c20这个channel

scribe source 的必选属性：type

a2.sources.s21.type = org.apache.flume.source.scribe.ScribeSource
a2.sources.s21.port = 11471        #Scribe连接的端口号
a2.sources.s21.workerThreads = 10        #处理线程数
a2.sources.s21.channels = c20 c21
a2.sources.s21.interceptors = hostint
a2.sources.s21.interceptors.hostint.type = org.apache.flume.interceptor.HostInterceptor$Builder
a2.sources.s21.interceptors.hostint.preserveExisting = true
a2.sources.s21.interceptors.hostint.useIP = true
a2.sources.s21.selector.type = multiplexing
a2.sources.s21.selector.header = topic
a2.sources.s21.selector.mapping.monitor = c20 c21
a2.sources.s20.selector.mapping.arc_services = c20 c21
a2.sources.s20.selector.mapping.web_analytics = c20 c21
a2.sources.s21.selector.default = c20

channel

channels是一个Agent上存储events的仓库，Source向其中添加events，而Sink从中取走移除events。常见的channel有:Memory Channel、File Channel 和 Spillable Memory Channel。

Memory Channel:Source添加的events都暂存在内存队列中，适合高吞吐量的数据流，但是agent失败会丢数据。

file channel的必选属性：type

a2.channels.c20.type = file
a2.channels.c20.checkpointDir = /export/flume/realtime/file_channel20/checkpoint
#存放检查点目录，checkpointDir是一个目录
a2.channels.c20.dataDirs = /export/flume/realtime/file_channel20/data
#存放数据的目录，dataDirs可以是多个目录，以逗号隔开。用独立的多个磁盘上的多个目录可以提高file channel的性能
a2.channels.c20.capacity = 200000000
#channel的最大容量
a2.channels.c20.keep-alive = 10
#Amount of time (in sec) to wait for a put operation
a2.channels.c20.transactionCapacity = 100000
#The maximum size of transaction supported by the channel
a2.channels.c20.checkpointInterval = 20000
#Amount of time (in millis) between checkpoints

a2.channels.c21.type = file
a2.channels.c21.checkpointDir = /export/flume/realtime/file_channel21/checkpoint
a2.channels.c21.dataDirs = /export/flume/realtime/file_channel21/data
a2.channels.c21.capacity = 200000000
a2.channels.c21.keep-alive = 10
a2.channels.c21.transactionCapacity = 100000
a2.channels.c21.checkpointInterval = 20000

sink

hdfs sink的必选属性：type、channel、hdfs.path

a2.sinks.k20.type = hdfs
a2.sinks.k20.channel = c20
a2.sinks.k20.hdfs.path = hdfs://CDH-cluster-main/export/gamelog/%Y-%m-%d/%{category}/%H

a2.sinks.k20.hdfs.filePrefix = %{category}_%{host}    #文件名前缀
a2.sinks.k20.hdfs.fileType = DataStream
a2.sinks.k20.hdfs.useLocalTimeStamp = true
a2.sinks.k20.hdfs.writeFormat = Text
a2.sinks.k20.hdfs.batchSize = 5000
a2.sinks.k20.hdfs.rollInterval = 3600                #滚动到的当前文件所需的秒数
a2.sinks.k20.hdfs.rollCount = 0                      #写入文件之前滚动的事件量，为0表示不基于事件数量滚动
a2.sinks.k20.hdfs.rollSize = 0                       #出发滚动的文件大小，为0表示不基于文件大小滚动
a2.sinks.k20.hdfs.idleTimeout = 300                  #超时后不活跃的文件关闭（0表示禁止关闭空闲文件）
a2.sinks.k20.hdfs.retryInterval = 180
#关闭一个文件连续的时间间隔，以秒为单位。每个关闭调用多个RPC Namenode传送成本,所以设置过低会导致很
#namenode节点上的负载。如果设置为0或更少,flume不会试图关闭该文件如果第一次尝试失败
#并可能离开这个文件打开或“.tmp”的扩展。
a2.sinks.k20.hdfs.callTimeout = 120000
#允许hdfs操作如打开、刷新、关闭的毫秒数，如果很多HDFS超时时这个数字应该增加

Event Serializers：file_roll sink和hdfs sink都支持Event Serializers接口

a2.sinks.k20.serializer.appendNewline = false
#换行符是否在写时附加到每个事件，默认的假定事件不包含换行。

kafka sink 的必选属性：type、brokerList

a2.sinks.k21.type = org.apache.flume.sink.kafka.KafkaSink
a2.sinks.k21.channel = c21
a2.sinks.k21.brokerList = 10.14.251.155:9092,10.14.251.156:9092,10.14.251.157:9092
a2.sinks.k21.batchSize = 10      #每个批次处理的消息量，大的批量提高吞吐量，但是增加延时
a2.sinks.k21.serializer.appendNewline = false

Flume Sink Processors：对group中所有的sink提供负载均衡功能，或者是当一个sink失败时实现故障转移。目前支持default, failover 和 load_balance 三种。必选属性：sinks，processor.type。其中processor.type默认为default。

#load_balance type
a1.sinkgroups = g1
a1.sinkgroups.g1.sinks = k1 k2 k4 k5 k6 k7 k8 k9
a1.sinkgroups.g1.processor.type = load_balance
a1.sinkgroups.g1.processor.backoff = true                   #失败的sinks支持指数级别
a1.sinkgroups.g1.processor.selector = round_robin           #通过轮询来实现负载分发