日志采集框架Flume(二)进阶

  • Post author:
  • Post category:其他

日志采集框架Flume(二)进阶

  1. Flume事务:
    在这里插入图片描述

    flume处理事务的流程分为两个部分(两个事件),数据输入端(Source–Channel端)和数据输出端(Channel—Sink端)。

    数据输入端:Source将数据从web服务器抓取过来,然后进行doput到putList临时缓冲区,putList是一个队列形式的缓冲区,然后doCommit将putList提交到Channel中,doCommit检查Channel中的内存队列是否能够合并,如果能够合并,将一组数据放到一个事务中进行传递,当putList内存缓冲区中的空间不够使用时才会发生doRollback,进行事务回滚。

    数据输出端:发生再channel与sink之间的事务,doTake将数据抓取到takeList缓冲区中,并进行写入HDFS中。doCommit将一组数据发送到Sink中,并判断数据是否全部发送成功,发送成功后,清空缓冲区。如果这一组数据中,有任何一个没有发送成功,doRollback就会将tabkeList中的数据回滚到channel中。

  2. FlumeAgent内部原理

在这里插入图片描述
Source接收到Web服务器发送的数据后交给Channel中的事件处理器Channel Processor,时间处理器内部进行将数据传递给拦截器,对事件进行分类,加标记等一系列自定义拦截器处理,接着将每个事件交给Channe Selector(Channel选择器),进行选择相对应的Channel(传输通道),经过channel后,交给SinkProcessor,进行分配Sink(下沉组件),输出到目的地。

  1. 重要组件

    1. ChannelSelector

      ChannelSelector 的作用就是选出 Event 将要被发往哪个 Channel。其共有两种类型,分别是 Replicating(复制)和 Multiplexing(多路复用)。

      ReplicatingSelector 会将同一个发往所有的,会根据相应的原则,将不同的发往不同的。

    2. SinkProcessor

      SinkProcessor共有三种类型,分别是:

      DefaultSinkProcessor:对应的是单个的 Sink。

      LoadBalancingSinkProcessor:对应的是 Sink Group,可以实现负载均衡的功能。

      FailoverSinkProcessor: Sink Group

  2. Flume的拓扑结构

    1. 简单串联:将多个flume线性串联起来。此模式不建议桥接过多的flume,flume数量过多会影响传输效率,一旦某个节点flume宕机,整个传输系统将会崩溃。

    2. 复制和多路复用

    在这里插入图片描述

    Flume支持将事件流向一个或者多个目的地。这种模式可以将相同数据复制到多个channel中,或者将不同数据分发到不同的channel中,sink可以选择传送到不同的目的地。

    1. 负载均衡和故障转移
      在这里插入图片描述

      Flume 支持使用将多个sink 逻辑上分到一个sink 组,sink 组配合不同的SinkProcessor可以实现负载均衡和错误恢复的功能。

    2. 聚合

在这里插入图片描述

  这种模式是我们最常见的,也非常实用,日常 web 应用通常分布在上百个服务器,大者甚至上千个、上万个服务器。产生的日志,处理起来也非常麻烦。用 flume 的这种组合方式能很好的解决这一问题,每台服务器部署一个 flume 采集日志,传送到一个集中收集日志的flume,再由此 flume 上传到 hdfs、hive、hbase 等,进行日志分析。
  1. 企业开发

    1. 复制和多路复用

      1	案例需求
      	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。
      2	需求分析
      	flume-1Exec Source -- Memory Channel --Avro、 Sink
      	flume-2:Avro Source -- Memory Channel --HDFS Sink
      	flume-3:Avro Source -- Memory Channel -- File_roll Sink
      3 	实现步骤
      1.	准备工作
      在/opt/module/flume/job 目录下创建 group1 文件夹
      [ityouxin@hadoop102 job]$ mkdir group1
      在/opt/module/datas/目录下创建 flume3 文件夹
      [ityouxin@hadoop102 datas]$ mkdir flume3
      2.	创建 flume-file-flume.conf
      配置 1 个接收日志文件的 source 和两个 channel、两个 sink,分别输送给 flume-flume- hdfs 和 flume-flume-dir。
      
      编辑配置文件:
      [ityouxin@hadoop102 group1]$ vim flume-file-flume.conf
      
      添加如下内容:
      # Name the components on this agent 
      a1.sources = r1
      a1.sinks = k1 k2 
      a1.channels = c1 c2
      
      # 将数据流复制给所有 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 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 = hadoop102 
      a1.sinks.k1.port = 4141
      
      a1.sinks.k2.type = avro 
      a1.sinks.k2.hostname = hadoop102 
      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
      
      # Bind the source and sink to the channel 
      a1.sources.r1.channels = c1 c2 
      a1.sinks.k1.channel = c1 
      a1.sinks.k2.channel = c2
      
      
      3.	创建 flume-flume-hdfs.conf
      配置上级 Flume 输出的 Source,输出是到 HDFS 的Sink。
      编辑配置文件:
      [ityouxin@hadoop102 group1]$ vim flume-flume-hdfs.conf
      
      添加如下内容:
      # 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 = hadoop102 
      a2.sources.r1.port = 4141
      
      # Describe the sink 
      a2.sinks.k1.type = hdfs
      a2.sinks.k1.hdfs.path = hdfs://hadoop102:9000/flume2/%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
      
      # Bind the source and sink to the channel 
      a2.sources.r1.channels = c1 
      a2.sinks.k1.channel = c1
      
      
      4.	创建 flume-flume-dir.conf
      配置上级 Flume 输出的 Source,输出是到本地目录的 Sink。
      编辑配置文件:
      [ityouxin@hadoop102 group1]$ vim flume-flume-dir.conf
      
      添加如下内容:
      
      # 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 = hadoop102 
      a3.sources.r1.port = 4142
      # Describe the sink 
      a3.sinks.k1.type =file_roll
      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
      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。
      
      5.	执行配置文件
      分别启动对应的 flume 进程:
      flume-flume-dir,flume-flume-hdfs,flume-file-flume。
      [ityouxin@hadoop102 flume]$ bin/flume-ng agent --conf a3 --conf-file job/group1/flume-flume-dir.conf
      
      [ityouxin@hadoop102 flume]$ bin/flume-ng agent --conf a2 --conf-file job/group1/flume-flume-hdfs.conf
      
      [ityouxin@hadoop102 flume]$ bin/flume-ng agent --conf a1 --conf-file job/group1/flume-file-flume.conf
      
      
      6.	启动 Hadoop 和 Hive
      
      [ityouxin@hadoop102 hadoop-2.7.2]$ sbin/start-dfs.sh 
      [ityouxin@hadoop103 hadoop-2.7.2]$ sbin/start-yarn.sh
      [ityouxin@hadoop102 hive]$ bin/hive 
      hive (default)>insert into student values(1,"lhx");
      
      
    2. 故障转移

      1	案例需求
      使用 Flume1 监控一个端口,其 sink 组中的 sink 分别对接 Flume2 和Flume3,采用FailoverSinkProcessor,实现故障转移的功能。
      2	需求分析
      flume-1:netcat Source -- Memory Channel -- avro Sink
      flume-2:avro Source -- Memory Channel -- logger Sink
      flume-3:avro Source -- Memory Channel -- logger Sink
      3	实现步骤
      1.	准备工作
      在/opt/module/flume/job 目录下创建 group2 文件夹
      [ityouxin@hadoop102 job]$ cd group2/
      
      2.	创建 flume-netcat-flume.conf
      配置 1 个 netcat source 和 1 个 channel、1 个 sink group2 个 sink),分别输送给 flume- flume-console1 和 flume-flume-console2。
      编辑配置文件:
      [ityouxin@hadoop102 group2]$ vim flume-netcat-flume.conf
      添加如下内容:
      # Name the components on this agent 
      a1.sources = r1
      a1.channels = c1 
      a1.sinkgroups = g1 
      a1.sinks = k1 k2
      
      # Describe/configure the source 
      a1.sources.r1.type = netcat 
      a1.sources.r1.bind = localhost 
      a1.sources.r1.port = 44444
      
      a1.sinkgroups.g1.processor.type = failover a1.sinkgroups.g1.processor.priority.k1 = 5
      a1.sinkgroups.g1.processor.priority.k2 = 10
      # 退避期是10秒 
      a1.sinkgroups.g1.processor.maxpenalty = 10000
      
      # Describe the sink 
      a1.sinks.k1.type = avro 
      a1.sinks.k1.hostname = hadoop102
      a1.sinks.k1.port = 4141
      
      a1.sinks.k2.type = avro 
      a1.sinks.k2.hostname = hadoop102 
      a1.sinks.k2.port = 4142
      
      # Describe the channel 
      a1.channels.c1.type = memory 
      a1.channels.c1.capacity = 1000
      a1.channels.c1.transactionCapacity = 100
      
      # Bind the source and sink to the channel 
      a1.sources.r1.channels = c1 
      a1.sinkgroups.g1.sinks = k1 k2 
      a1.sinks.k1.channel = c1 
      a1.sinks.k2.channel = c1
      
      3.	创建 flume-flume-console1.conf
      配置上级 Flume 输出的 Source,输出是到本地控制台。
      编辑配置文件:
      [ityouxin@hadoop102 group2]$ vim flume-flume-console1.conf
      添加如下内容:
      # Name the components on this agent 
      a2.sources = r1
      a2.sinks = k1 
      a2.channels = c1
      
      # Describe/configure the source 
      a2.sources.r1.type = avro 
      a2.sources.r1.bind = hadoop102 
      a2.sources.r1.port = 4141
      
      # Describe the sink 
      a2.sinks.k1.type = logger
      
      # Describe the channel 
      a2.channels.c1.type = memory 
      a2.channels.c1.capacity = 1000
      a2.channels.c1.transactionCapacity = 100
      
      # Bind the source and sink to the channel 
      a2.sources.r1.channels = c1 
      a2.sinks.k1.channel = c1
      4.	创建 flume-flume-console2.conf
      配置上级 Flume 输出的 Source,输出是到本地控制台。
      编辑配置文件:
      [ityouxin@hadoop102 group2]$ vim flume-flume-console2.conf
      添加如下内容:
      # 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 = hadoop102 
      a3.sources.r1.port = 4142
      
      # Describe the sink 
      a3.sinks.k1.type = logger
      
      # 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
      
      5.	执行配置文件
      分别开启对应配置文件:flume-flume-console2,flume-flume-console1,flume-netcat-flume。
      [ityouxin@hadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a3 --conf-file job/group2/flume-flume-console2.conf -Dflume.root.logger=INFO,console
      
      [ityouxin@hadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a2 --conf-file job/group2/flume-flume-console1.conf -Dflume.root.logger=INFO,console
      
      [ityouxin@hadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a1 --conf-file job/group2/flume-netcat-flume.conf
      
      6.	使用 netcat 工具向本机的 44444 端口发送内容
      $ nc localhost 44444
      7.	查看 Flume2 及 Flume3 的控制台打印日志
      8.	将 Flume2 kill,观察 Flume3 的控制台打印情况。
      注:使用 jps -ml 查看 Flume 进程。
      
      
    3. 负载均衡

      1	案例需求
      	使用 Flume1 监控一个端口,其 sink 组中的 sink 分别对接 Flume2 和Flume3,采用LoadBalancingSinkProcessor,实现负载均衡的功能。
      	
      2	需求分析
      flume-1:netcat Source -- Memory Channel -- avro Sink
      flume-2:avro Source -- Memory Channel -- logger Sink
      flume-3:avro Source -- Memory channel -- logger Sink
      3	实现步骤
      1.	准备工作
      在/opt/module/flume/job 目录下创建 group2 文件夹
      [ityouxin@hadoop102 job]$ cd group2/
      
      2.	创建 flume-netcat-flume.conf
      配置 1 个 netcat source 和 1 个 channel、1 个 sink group2 个 sink),分别输送给 flume- flume-console1 和 flume-flume-console2。
      编辑配置文件:
      [ityouxin@hadoop102 group2]$ vim flume-netcat-flume.conf
      添加如下内容:
      # Name the components on this agent 
      a1.sources = r1
      a1.channels = c1 
      a1.sinkgroups = g1 
      a1.sinks = k1 k2
      
      # Describe/configure the source 
      a1.sources.r1.type = netcat 
      a1.sources.r1.bind = localhost 
      a1.sources.r1.port = 44444
      
      # 配置负载均衡
      a1.sinkgroups.g1.sinks = k1 k2
      a1.sinkgroups.g1.processor.type = load_balance
      a1.sinkgroups.g1.processor.backoff = true
      a1.sinkgroups.g1.processor.selector = random 
      
      # Describe the sink 
      a1.sinks.k1.type = avro 
      a1.sinks.k1.hostname = hadoop102
      a1.sinks.k1.port = 4141
      
      a1.sinks.k2.type = avro 
      a1.sinks.k2.hostname = hadoop102 
      a1.sinks.k2.port = 4142
      
      # Describe the channel 
      a1.channels.c1.type = memory 
      a1.channels.c1.capacity = 1000
      a1.channels.c1.transactionCapacity = 100
      
      # Bind the source and sink to the channel 
      a1.sources.r1.channels = c1 
      a1.sinkgroups.g1.sinks = k1 k2 
      a1.sinks.k1.channel = c1 
      a1.sinks.k2.channel = c1
      
      3.	创建 flume-flume-console1.conf
      配置上级 Flume 输出的 Source,输出是到本地控制台。
      编辑配置文件:
      [ityouxin@hadoop102 group2]$ vim flume-flume-console1.conf
      添加如下内容:
      # Name the components on this agent 
      a2.sources = r1
      a2.sinks = k1 
      a2.channels = c1
      
      # Describe/configure the source 
      a2.sources.r1.type = avro 
      a2.sources.r1.bind = hadoop102 
      a2.sources.r1.port = 4141
      
      # Describe the sink 
      a2.sinks.k1.type = logger
      
      # Describe the channel 
      a2.channels.c1.type = memory 
      a2.channels.c1.capacity = 1000
      a2.channels.c1.transactionCapacity = 100
      
      # Bind the source and sink to the channel 
      a2.sources.r1.channels = c1 
      a2.sinks.k1.channel = c1
      4.	创建 flume-flume-console2.conf
      配置上级 Flume 输出的 Source,输出是到本地控制台。
      编辑配置文件:
      [ityouxin@hadoop102 group2]$ vim flume-flume-console2.conf
      添加如下内容:
      # 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 = hadoop102 
      a3.sources.r1.port = 4142
      
      # Describe the sink 
      a3.sinks.k1.type = logger
      
      # 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
      
      5.	执行配置文件
      分别开启对应配置文件:flume-flume-console2,flume-flume-console1,flume-netcat-flume。
      [ityouxin@hadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a3 --conf-file job/group2/flume-flume-console2.conf -Dflume.root.logger=INFO,console
      
      [ityouxin@hadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a2 --conf-file job/group2/flume-flume-console1.conf -Dflume.root.logger=INFO,console
      
      [ityouxin@hadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a1 --conf-file job/group2/flume-netcat-flume.conf
      
      6.	使用 netcat 工具向本机的 44444 端口发送内容
      $ nc localhost 44444
      7.	查看 Flume2 及 Flume3 的控制台打印日志
      8.	将 Flume2 kill,观察 Flume3 的控制台打印情况。
      注:使用 jps -ml 查看 Flume 进程。
      
      
    4. 聚合

      1	需求分析
      hadoop102 上的Flume-1 监控文件/opt/module/data/group.log,hadoop103 上的Flume-2 监控某一个端口的数据流,Flume-1 与 Flume-2 将数据发送hadoop104 上的 Flume-3,Flume-3 将最终数据打印到控制台。
      2	案例分析
      hadoop102:flume-1Exec Source -- Memory Channel -- Arvo Source
      hadoop103:flume-2:Netcat Source -- Memory Channel --Avro Sink
      hadoop104:flume-3:Avro Source -- Memory Channel -- logger Channel
      3	实现步骤
      1.	准备工作
      分发 Flume
      [ityouxin@hadoop102 module]$ xsync flume
      
      在hadoop102、hadoop103 以及hadoop104 的/opt/module/flume/job 目录下创建一个group3文件夹。
      [ityouxin@hadoop102 job]$ mkdir group3 
      [ityouxin@hadoop103 job]$ mkdir group3 
      [ityouxin@hadoop104 job]$ mkdir group3
      2.	创建 flume1-logger-flume.conf
      配置 Source 用于监控 hive.log 文件,配置 Sink 输出数据到下一级 Flume。在 hadoop102 上编辑配置文件
      [ityouxin@hadoop102 group3]$ vim flume1-logger-flume.conf
      添加如下内容:
      # Name the components on this agent 
      a1.sources = r1
      a1.sinks = k1 
      a1.channels = c1
      
      # Describe/configure the source 
      a1.sources.r1.type = exec
      a1.sources.r1.command = tail -F /opt/module/group.log a1.sources.r1.shell = /bin/bash -c
      
      # Describe the sink 
      a1.sinks.k1.type = avro 
      a1.sinks.k1.hostname = hadoop104 
      a1.sinks.k1.port = 4141
      # Describe the channel 
      a1.channels.c1.type = memory 
      a1.channels.c1.capacity = 1000
      a1.channels.c1.transactionCapacity = 100
      
      # Bind the source and sink to the channel 
      a1.sources.r1.channels = c1 
      a1.sinks.k1.channel = c1
      3.	创建 flume2-netcat-flume.conf
      配置 Source 监控端口 44444 数据流,配置 Sink 数据到下一级 Flume:在 hadoop103 上编辑配置文件
      [ityouxin@hadoop102 group3]$ vim flume2-netcat-flume.conf
      添加如下内容
      # Name the components on this agent 
      a2.sources = r1
      a2.sinks = k1 
      a2.channels = c1
      
      # Describe/configure the source 
      a2.sources.r1.type = netcat 
      a2.sources.r1.bind = hadoop103 
      a2.sources.r1.port = 44444
      
      # Describe the sink 
      a2.sinks.k1.type = avro 
      a2.sinks.k1.hostname = hadoop104 
      a2.sinks.k1.port = 4141
      
      # Use a channel which buffers events in memory a2.channels.c1.type = memory 
      a2.channels.c1.capacity = 1000
      a2.channels.c1.transactionCapacity = 100
      
      # Bind the source and sink to the channel 
      a2.sources.r1.channels = c1 
      a2.sinks.k1.channel = c1
      4.	创建 flume3-flume-logger.conf
      配置 source 用于接收 flume1 与 flume2 发送过来的数据流,最终合并后 sink 到控制台。在 hadoop104 上编辑配置文件
      [ityouxin@hadoop104 group3]$ touch flume3-flume-logger.conf 
      [ityouxin@hadoop104 group3]$ vim flume3-flume-logger.conf
      添加如下内容
      # Name the components on this agent 
      a3.sources = r1
      a3.sinks = k1 
      a3.channels = c1
      
      # Describe/configure the source 
      a3.sources.r1.type = avro 
      a3.sources.r1.bind = hadoop104
      a3.sources.r1.port = 4141
      
      # Describe the sink 
      a3.sinks.k1.type = logger
      
      # Describe the channel 
      a3.channels.c1.type = memory 
      a3.channels.c1.capacity = 1000
      a3.channels.c1.transactionCapacity = 100
      
      # Bind the source and sink to the channel 
      a3.sources.r1.channels = c1 
      a3.sinks.k1.channel = c1
      
      5.	执行配置文件
      分别开启对应配置文件:flume3-flume-logger.conf,flume2-netcat-flume.conf,flume1- logger-flume.conf。
      [ityouxin@hadoop104 flume]$ bin/flume-ng agent --conf conf/ --name a3 -conf-file	job/group3/flume3-flume-logger.conf -Dflume.root.logger=INFO,console
      
      [ityouxin@hadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a2 --conf-file job/group3/flume1-logger-flume.conf
      
      [ityouxin@hadoop103 flume]$ bin/flume-ng agent --conf conf/ --name a1 --conf-file job/group3/flume2-netcat-flume.conf
      
      6.	在 hadoop103 上向/opt/module 目录下的 group.log 追加内容
      [ityouxin@hadoop103 module]$ echo 'hello' > group.log
      7.	在 hadoop102 上向 44444 端口发送数据
      [ityouxin@hadoop102 flume]$ nc localhost 44444
      8.	检查 hadoop104 上数据
      
      
      
      
      

版权声明:本文为weixin_38255444原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。