使用Flume对搜集数据的实时处理

问题导读：
1.你对flume了解多少
2.flume配置文件有什么作用？
3.通过什么方法可以封装flume启动脚本？






在已经成功安装Flume的基础上，本文将总结使用Flume进行数据的实时收集处理，具体步骤如下：

第一步，在$FLUME_HOME/conf目录下，编写Flume的配置文件，命名为flume_first_conf，具体内容如下：

#agent1表示代理名称
agent1.sources=source1
agent1.sinks=sink1
agent1.channels=channel1

#Spooling Directory是监控指定文件夹中新文件的变化，一旦新文件出现，就解析该文件内容，然后写入到channle。写入完成后，标记该文件已完成或者删除该文件。
#配置source1
agent1.sources.source1.type=spooldir
agent1.sources.source1.spoolDir=/home/yujianxin/hmbbs
agent1.sources.source1.channels=channel1
agent1.sources.source1.fileHeader = false
agent1.sources.source1.interceptors = i1
agent1.sources.source1.interceptors.i1.type = timestamp

#配置channel1
agent1.channels.channel1.type=file
agent1.channels.channel1.checkpointDir=/home/yujianxin/hmbbs/hmbbs_tmp123
agent1.channels.channel1.dataDirs=/home/yujianxin/hmbbs/hmbbs_tmp

#配置sink1
agent1.sinks.sink1.type=hdfs
agent1.sinks.sink1.hdfs.path=hdfs://slave3:9000/hmbbs
agent1.sinks.sink1.hdfs.fileType=DataStream
agent1.sinks.sink1.hdfs.writeFormat=TEXT
agent1.sinks.sink1.hdfs.rollInterval=1
agent1.sinks.sink1.channel=channel1
agent1.sinks.sink1.hdfs.filePrefix=%Y-%m-%d
复制代码

第二步，编写Shell脚本，执行Flume任务

 vi flume1.sh

#!/bin/sh
flume-ng agent -n agent1 -c conf-f /home/yujianxin/flume/apache-flume-1.4.0-bin/conf/flume_first_conf 
-Dflume.root.logger=DEBUG,console >./flume1.log 2>&1 &
让日志收集任务以后台进程运行，且将运行日志重定向到./flume1.log保存。
复制代码

验证

通过命令行查看新启的进程





不断往Flume监控的目录/home/yujianxin/hmbbs1下放置文件



查看./flume.log运行日志，截部分关键图如下





查看成功上传到HDFS中的文件




OK！使用Flume自动监控指定目录下文件的变化，自动处理，上传到HDFS。比以前自己写Shell脚本方便、快捷、高效多了，哈哈

监控一个目录时，这个目录中的文件不能再编辑或者写入数据了吧 你是怎么实现的？

semion 发表于 2014-9-5 16:52
监控一个目录时，这个目录中的文件不能再编辑或者写入数据了吧 你是怎么实现的？

认识还需要加深，你可以自己试试。这里只是通过脚本自动化了。

你好，楼主。我也有这样的疑问。
我们部署Flume的时候，可定是要监控一个目录下，多有的日志的变化情况。

比如,log4j的日志。

每天0的时候会重命名昨天的日志，加上时间。如login.log重命名为login.log.2014-12-03,然后创建一个一个login.log文件继续写日志。

那么问题就来了，我要用什么source呢？

是用spooldir么，这样的话loging.log是一直打的，这样就会报错了吧。

要是用exec里面用tail命令的话，零点的时候重命名文件，这个tial就不管用了。

这一块能不能指导一下？

hbbtym 发表于 2014-12-3 15:15
你好，楼主。我也有这样的疑问。
我们部署Flume的时候，可定是要监控一个目录下，多有的日志的变化情况。
...

flume监控目录和日志产生目录最好分开，这样就不会产生这个问题了。

重命名完之后，然后通过程序传递到监控目录中

pig2 发表于 2014-12-4 01:47
flume监控目录和日志产生目录最好分开，这样就不会产生这个问题了。

重命名完之后，然后通过程序传递 ...

这样的功能实在是无法满足 实时采集的需求 还得自己开发source啊

hbbtym 发表于 2014-12-3 15:15
你好，楼主。我也有这样的疑问。
我们部署Flume的时候，可定是要监控一个目录下，多有的日志的变化情况。
...

真相就在source的ignore参数中

pig2 发表于 2014-12-4 01:47
flume监控目录和日志产生目录最好分开，这样就不会产生这个问题了。

重命名完之后，然后通过程序传递 ...

这样无法实现，实时监控的目的啊，我都准备重写source了

eclipsesky 发表于 2014-12-5 14:21
真相就在source的ignore参数中

能不能说具体一点

hbbtym 发表于 2014-12-10 17:05
能不能说具体一点

正在传输的设置为source的ignore，Flume就不读了 传完了改名就会被读取了 看下文档的source里的ignore参数你就知道了