用Fluentd实现收集日志到HDFS（上）

Fluentd是一个实时日志收集系统，它把日志作为JSON stream，可以同时从多台server上收集大量日志，也可以构建具有层次的日志收集系统。

Fluentd易于安装，有灵活的插件机制和缓冲，支持日志转发。它的特点在于各部分均是可定制化的，可以通过简单的配置，将日志收集到不同的地方。

Fluentd通过hadoop中的webHDFS与HDFS进行通信，所以在配置Fluentd时，一定要保证webHDFS能正常通信。

系统环境：CentOS 6.5

集群环境：Hadoop 2.2.0

参考Fluentd官网。

安装

td-agent是Fluentd的一个稳定版本。

CentOS下可以直接运行以下命令安装：

curl -L https://td-toolbelt.herokuapp.com/sh/install-redhat-td-agent2.sh | sh

启动

管理脚本是：

/etc/init.d/td-agent

可通过

/etc/init.d/td-agent start

或

service td-agent start

来启动

配置文件：

/etc/td-agent/td-agent.conf

重新加载配置文件：

service td-agent reload

td-agent的日志文件：

/var/log/td-agent/

配置

Fluentd自带多个输入插件和输出插件，这里先实现收集本地日志到本地文件。

## File input
<source>
type tail
path /var/log/mytemp.log
pos_file /var/log/td-agent/mytemp.log.pos
format none
tag td.temp
</source>
#其中：
#1.type tail: tail方式是Fluentd内置的输入方式，其原理是不停地从源文件中获取新的日志，相当于tail –f命令。
#2.path: 指定日志文件位置。
#3.pos_file：存储path中日志文件状态的文件。
#4.format none: 指定使用何种日志解析器。
#5.tag: tag被用来对不同的日志进行match。

## File output
<match td.temp>
type file
path /var/log/td-agent/access
</match>

当mytemp.log有更新时，更新内容会添加到access文件中。

输出到HDFS

然后我尝试将收集的日志存放到HDFS上。

Fluentd通过webhdfs与HDFS通信，所以需要开启webhdfs。

设置Hadoop，修改配置文件hdfs-site.xml，加入：

<property>
<name>dfs.webhdfs.enabled</name>
<value>true</value>
</property>

<property>
<name>dfs.support.append</name>
<value>true</value>
</property>

<property>
<name>dfs.support.broken.append</name>
<value>true</value>
</property>

重启Hadoop，新建一个目录用来存放日志：

hadoop fs -mkdir /log/
hadoop fs -chmod 777 /log/

td-agent配置文件中source部分不变，修改match部分：

<match td.temp>
type webhdfs
host namenodehost
port 50070
path /log/a.log
flush_interval 5s
</match>
# flush_interval标识数据写入HDFS的间隔

当td-agent与namenode在一台物理机上时可以正常运行，当不在一台物理机上时，报“Connection refused”错误。

参考文献

fluentd官方文档

http://docs.fluentd.org/articles/quickstart

Fluentd+Hadoop结合进行日志收集、分析

http://www.apelearn.com/bbs/forum.php?mod=viewthread&tid=5636

接下来：

td-agent与namenode是否必须在一台物理机上？

现在采用了append的方式，对于HDFS来说效率较低，可以设置一个中间节点，收集了其他节点的日志之后，汇总成大文件，然后上传到HDFS。

td-agent的配置文件格式。

File Input和WebHDFS Output的具体细节。