Flume NG 学习笔记（二）单机与集群Flume 配置

下面的内容基本来自官网：http://flume.apache.org/FlumeUserGuide.html本文使用的是最新版本的apache flume 1.5，安装完Flume然后测试下Flume是否可以用，在Flume目录下用以下语句测试：bin/flume-ng agent -n$agent_name -c conf -f conf/flume-conf.properties.template结果如图显示：


Ok,我们接下去看下面常用架构、功能配置示例

一、最简单的单一代理Flume 配置

下面是配置文件：
[html] view plain copy
#文件名：single_case1.conf.conf

#配置内容：

#single_case1.conf.conf: A single-node Flume configuration

#Name the components on this agent

a1.sources= r1

a1.sinks= k1

a1.channels= c1

#Describe/configure the source

a1.sources.r1.type= netcat

a1.sources.r1.bind= localhost

a1.sources.r1.port= 44444

#Describe the sink

a1.sinks.k1.type= logger

#Use a channel which buffers events in memory

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

说明下，这里所有的例子都是将配置文件放到 $FLUME_HOME/conf 目录下，后面就不赘述了。#敲命令flume-ng agent -cconf -f conf/single_case1.conf -n a1 -Dflume.root.logger=INFO,console #参数命令-c conf 指定配置目录为conf-f conf/single_case1.conf指定配置文件为conf/single_case1.conf-n a1 指定agent名字为a1,需要与case1_example.conf中的一致-Dflume.root.logger=INFO,console指定DEBUF模式在console输出INFO信息具体参数命令请通过flume-nghelp查看 #然后在另一个终端进行测试telnet 127.0.0.1 44444


然后会看在之前启动的终端查看console输出到如下：


这里会发现消息hello world! 输出了，而hello world! hello world!hello world!则被拦截了。因为在配置文件中，我们选择的输出方式为：a1.sinks.k1.type= logger，即console输出，flume-ng针对logger是只显示16个字节的，剩下的都被sink截了。下面是源码
在LoggerSink.Java中：
[java] view plain copy
if(event != null) {

if (logger.isInfoEnabled()) {

logger.info("Event: " + EventHelper.dumpEvent(event));

}

}

我们去看EventHelper.java的dumpEvent方法：
[java] view plain copy
privatestatic final int DEFAULT_MAX_BYTES = 16;

publicstatic String dumpEvent(Event event) {

return dumpEvent(event, DEFAULT_MAX_BYTES);

}

publicstatic String dumpEvent(Event event, int maxBytes) {

StringBuilder buffer = new StringBuilder();

if (event == null || event.getBody() == null) {

buffer.append("null");

} else if (event.getBody().length == 0) {

// do nothing... in this case, HexDump.dump() will throw anexception

} else {

byte[] body = event.getBody();

byte[] data = Arrays.copyOf(body, Math.min(body.length,maxBytes));

ByteArrayOutputStream out = new ByteArrayOutputStream();

try {

HexDump.dump(data, 0, out, 0);

String hexDump = new String(out.toByteArray());

// remove offset since it's not relevant for such a smalldataset

if(hexDump.startsWith(HEXDUMP_OFFSET)) {

hexDump =hexDump.substring(HEXDUMP_OFFSET.length());

}

buffer.append(hexDump);

} catch (Exception e) {

if(LOGGER.isInfoEnabled()) {

LOGGER.info("Exception while dumpingevent", e);

}

buffer.append("...Exception while dumping:").append(e.getMessage());

}

String result = buffer.toString();

if(result.endsWith(EOL) && buffer.length() >EOL.length()) {

buffer.delete(buffer.length() - EOL.length(),buffer.length()).toString();

}

}

return "{ headers:" + event.getHeaders() + " body:"+ buffer + " }";

}

不难看出，在event处理过程中，发生了数据截取操作。Ok，进入下一个环节。

二、“集群”代理Flume 配置

这里集群的概念是多台机器的管理，最简单的就是两台机器一台代理主机从数据源获取数据，然后将数据在传送到另一台主机上，进行输出。这样做的意义是，一个业务多数据源的时候，我们可以对每个数据源设置代理，然后将它们汇总到一台代理主机上进行输出。下面实现最简单的集群配置，即两个代理，一台接受数据源数据的代理将数据推送到汇总的代理，而汇总的代理再将数据输出。因此这两台主机分别是push,pull根据上图需要用AVRO RPC通信，因此推数据sinks类型与拉数据的sources的类型都是avro 。而拉数据代理的数据源，我们用前文讲的Spool Source 形式来处理，这里我们预先建好目录与文件，test.log


下面设置推代理主机的flume配置文件：
[html] view plain copy
#推数据代理的配置文件push.conf

#Name the components on this agent

a2.sources= r1

a2.sinks= k1

a2.channels= c1

#Describe/configure the source

a2.sources.r1.type= spooldir

a2.sources.r1.spoolDir= /tmp/logs

a2.sources.r1.channels= c1

#Use a channel which buffers events in memory

a2.channels.c1.type= memory

a2.channels.c1.keep-alive= 10

a2.channels.c1.capacity= 100000

a2.channels.c1.transactionCapacity= 100000

#Describe/configure the source

a2.sinks.k1.type= avro

a2.sinks.k1.channel= c1

a2.sinks.k1.hostname= pull

a2.sinks.k1.port= 4444

下面设置汇总代理主机的flume配置文件：
[html] view plain copy
#汇总数据代理的配置文件pull.conf

#Name the components on this agent

a1.sources= r1

a1.sinks= k1

a1.channels= c1

#Describe/configure the source

a1.sources.r1.type= avro

a1.sources.r1.channels= c1

a1.sources.r1.bind= pull

a1.sources.r1.port= 44444

#Describe the sink

a1.sinks.k1.type= logger

a1.sinks.k1.channel = c1

#Use a channel which buffers events in memory

a1.channels.c1.type= memory

a1.channels.c1.keep-alive= 10

a1.channels.c1.capacity= 100000

a1.channels.c1.transactionCapacity= 100000

虽然Spool Source是非实时的，但由于数据量少，处理还是很快的，因此我们只能先启动pull代理。#敲命令flume-ng agent -c conf -f conf/pull.conf -n a1 -Dflume.root.logger=INFO,console


上图显示成功。先后去启动push主机的flume#敲命令flume-ng agent -n a2 -c conf -f conf/push.conf -Dflume.root.logger=INFO,console


查看pull主机的状态，发现数据已经传过来了。然后会过去看push主机的文件


已经加上后缀名.COMPLETED。这与前文说的是一致的。 下面只要将新数据存入到目录/tmp/logs，push主机就会将数据发送到pull主机输出，并修改新数据文件的文件名。