Hadoop入門進階課程12--Flume介紹、安裝與應用案例

本文版權歸做者和博客園共有，歡迎轉載，但未經做者贊成必須保留此段聲明，且在文章頁面明顯位置給出原文鏈接，博主爲石山園，博客地址爲 http://www.cnblogs.com/shishanyuan  。該系列課程是應邀實驗樓整理編寫的，這裏須要贊一下實驗樓提供了學習的新方式，能夠邊看博客邊上機實驗，課程地址爲 https://www.shiyanlou.com/courses/237

【注】該系列所使用到安裝包、測試數據和代碼都可在百度網盤下載，具體地址爲 http://pan.baidu.com/s/10PnDs，下載該PDF文件

1、搭建環境

部署節點操做系統爲CentOS，防火牆和SElinux禁用，建立了一個shiyanlou用戶並在系統根目錄下建立/app目錄，用於存放Hadoop等組件運行包。由於該目錄用於安裝hadoop等組件程序，用戶對shiyanlou必須賦予rwx權限（通常作法是root用戶在根目錄下建立/app目錄，並修改該目錄擁有者爲shiyanlou(chown –R shiyanlou:shiyanlou /app）。

Hadoop搭建環境：

l  虛擬機操做系統： CentOS6.6  64位，單核，1G內存

l  JDK：1.7.0_55 64位

l  Hadoop：1.1.2

2、Flume介紹

Flume是Cloudera提供的日誌收集系統，Flume支持在日誌系統中定製各種數據發送方，用於收集數據；同時，Flume提供對數據進行簡單處理，並寫到各類數據接受方（可定製）的能力。 Flume是一個分佈式、可靠和高可用的海量日誌採集、聚合和傳輸的系統。

Flume具備Reliability、Scalability、Manageability和Extensibility特色：

1.Reliability：Flume提供3中數據可靠性選項，包括End-to-end、Store on failure和Best effort。其中End-to-end使用了磁盤日誌和接受端Ack的方式，保證Flume接受到的數據會最終到達目的。Store on failure在目的不可用的時候，數據會保持在本地硬盤。和End-to-end不一樣的是，若是是進程出現問題，Store on failure可能會丟失部分數據。Best effort不作任何QoS保證。

2.Scalability：Flume的3大組件：collector、master和storage tier都是可伸縮的。須要注意的是，Flume中對事件的處理不須要帶狀態，它的Scalability能夠很容易實現。

3.Manageability：Flume利用ZooKeeper和gossip，保證配置數據的一致性、高可用。同時，多Master，保證Master能夠管理大量的節點。

4.Extensibility：基於Java，用戶能夠爲Flume添加各類新的功能，如經過繼承Source，用戶能夠實現本身的數據接入方式，實現Sink的子類，用戶能夠將數據寫往特定目標，同時，經過SinkDecorator，用戶能夠對數據進行必定的預處理。

2.1 Flume架構

 

 

上圖的Flume的架構中最重要的抽象是data flow（數據流），data flow描述了數據從產生，傳輸、處理並最終寫入目標的一條路徑（在上圖中，實線描述了data flow）。 Agent用於採集數據，agent是flume中產生數據流的地方，同時，agent會將產生的數據流傳輸到collector。對應的，collector用於對數據進行聚合，每每會產生一個更大的流。

Flume提供了從console（控制檯）、RPC（Thrift-RPC）、text（文件）、tail（UNIX tail）、syslog（syslog日誌系統，支持TCP和UDP等2種模式），exec（命令執行）等數據源上收集數據的能力。同時，Flume的數據接受方，能夠是console（控制檯）、text（文件）、dfs（HDFS文件）、RPC（Thrift-RPC）和syslogTCP（TCP syslog日誌系統）等。

其中，收集數據有2種主要工做模式，以下：

1. Push Sources：外部系統會主動地將數據推送到Flume中，如RPC、syslog。

2. Polling Sources：Flume到外部系統中獲取數據，通常使用輪詢的方式，如text和exec。

注意，在Flume中，agent和collector對應，而source和sink對應。Source和sink強調發送、接受方的特性（如數據格式、編碼等），而agent和collector關注功能。

2.2 Flume管理方式

Flume Master用於管理數據流的配置，以下圖。

 

爲了保證可擴展性，Flume採用了多Master的方式。爲了保證配置數據的一致性，Flume引入了ZooKeeper，用於保存配置數據，ZooKeeper自己可保證配置數據的一致性和高可用，另外，在配置數據發生變化時，ZooKeeper能夠通知Flume Master節點。

Flume Master間使用gossip協議同步數據。

3、安裝部署Flume

3.1  Flume部署過程

3.1.1 下載Flume

能夠到apache基金flume官網http://flume.apache.org/download.html，選擇鏡像下載地址http://mirrors.hust.edu.cn/apache/flume/下載一個穩定版本，以下圖所示下載flume-1.5.2-bin.tar.gz：

也能夠在/home/shiyanlou/install-pack目錄中找到該安裝包，解壓該安裝包並把該安裝包複製到/app目錄中

cd /home/shiyanlou/install-pack

tar -xzf flume-1.5.2-bin.tar.gz

mv apache-flume-1.5.2-bin /app/flume-1.5.2

3.1.2 設置/etc/profile參數

編輯/etc/profile文件，聲明flume的home路徑和在path加入bin的路徑：

export FLUME_HOME=/app/flume-1.5.2

export FLUME_CONF_DIR=$FLUME_HOME/conf

export PATH=$PATH:$FLUME_HOME/bin

編譯配置文件/etc/profile，並確認生效

source /etc/profile

echo $PATH

3.1.3 設置flume-env.sh配置文件

在$FLUME_HOME/conf 下複製更名flume-env.sh.template爲flume-env.sh，修改conf/flume-env.sh配置文件

cd /app/flume-1.5.2/conf

cp flume-env.sh.template flume-env.sh

sudo vi flume-env.sh

修改配置文件內容 ：

JAVA_HOME=/app/lib/jdk1.7.0_55

JAVA_OPTS="-Xms100m -Xmx200m -Dcom.sun.management.jmxremote"

3.2 部署驗證

3.2.1 驗證安裝

1. 修改flume-conf配置文件

在$FLUME_HOME/conf目錄下修改flume-conf.properties.template文件，複製並更名爲flume-conf，

cd /app/flume-1.5.2/conf

cp flume-conf.properties.template flume-conf.properties

sudo vi flume-conf.properties

修改flume-conf配置文件內容

# The configuration file needs to define the sources, the channels and the sinks.

# Sources, channels and sinks are defined per agent, in this case called 'a1'

a1.sources = r1

a1.sinks = k1

a1.channels = c1

 

# For each one of the sources, the type is defined

a1.sources.r1.type = netcat

a1.sources.r1.bind = localhost

a1.sources.r1.port = 44444

 

#The channel can be defined as follows.

a1.sources.r1.channels = c1

# Each sink's type must be defined

a1.sinks.k1.type = logger

 

#Specify the channel the sink should use

a1.sinks.k1.channel = c1

 

# Each channel's type is defined.

a1.channels.c1.type = memory

# Other config values specific to each type of channel(sink or source)

# can be defined as well

# In this case, it specifies the capacity of the memory channel

a1.channels.c1.capacity = 1000

a1.channels.c1.transactionCapacity = 100

2. 在flume的安裝目錄/flume-1.5.2下運行

cd /app/flume-1.5.2

./bin/flume-ng agent --conf ./conf/ --conf-file ./conf/flume-conf.properties --name a1 -Dflume.root.logger=INFO,console

3. 再打開一個終端，輸入以下命令：

telnet localhost 44444

hello world

注：在CentOS6.5運行telnet提示"command not found"，使用sudo yum install telnet進行安裝

4. 在原來的終端上查看，能夠收到來自於telnet發出的消息

3.2.2 測試收集日誌到HDFS

1. 在$FLUME_HOME/conf目錄下修改flume-conf.properties.template文件，複製並更名爲flume-conf2.properties

cd /app/flume-1.5.2/conf

cp flume-conf.properties.template flume-conf2.properties

sudo vi flume-conf2.properties

a1.sources = r1

a1.sinks = k1

a1.channels = c1

a1.sources.r1.type = exec

a1.sources.r1.channels = c1

a1.sources.r1.command = tail -F /app/hadoop-1.1.2/logs/hadoop-shiyanlou-namenode-b393a04554e1.log

a1.sinks.k1.type = hdfs

a1.sinks.k1.channel = c1

a1.sinks.k1.hdfs.path = hdfs://hadoop:9000/class12/out_flume

a1.sinks.k1.hdfs.filePrefix = events-

a1.sinks.k1.hdfs.round = true

a1.sinks.k1.hdfs.roundValue = 10

a1.sinks.k1.hdfs.roundUnit = minute

a1.sinks.k1.hdfs.rollSize = 4000000

a1.sinks.k1.hdfs.rollCount = 0

a1.sinks.k1.hdfs.writeFormat = Text

a1.sinks.k1.hdfs.fileType = DataStream

a1.sinks.k1.hdfs.batchSize = 10

a1.channels.c1.type = memory

a1.channels.c1.capacity = 1000

a1.channels.c1.transactionCapacity = 100

2.  在flume的安裝目錄/flume-1.5.2下運行

cd /app/flume-1.5.2

./bin/flume-ng agent --conf ./conf/ --conf-file ./conf/flume-conf2.properties --name a1 -Dflume.root.logger=INFO,console

3. 不斷收集hadoop-hadoop-namenode-hadoop1.log的數據寫入HDFS中

4. 查看hdfs中/class12/out_flume中的文件

hadoop fs -ls /class12/out_flume

hadoop fs -cat /class12/out_flume/events-.1433921305493