【数仓】通过Flume+kafka采集日志数据存储到Hadoop

相关文章

  • 【数仓】基本概念、知识普及、核心技术
  • 【数仓】数据分层概念以及相关逻辑
  • 【数仓】Hadoop软件安装及使用（集群配置）
  • 【数仓】Hadoop集群配置常用参数说明
  • 【数仓】zookeeper软件安装及集群配置
  • 【数仓】kafka软件安装及集群配置
  • 【数仓】flume软件安装及配置
  • 【数仓】flume常见配置总结，以及示例

一、flume有什么作用

Apache Flume是一个分布式、可靠且可用的大数据日志采集、聚合和传输系统。它主要用于将大量的日志数据从不同的数据源收集起来，然后通过通道（Channel）进行传输，最终将数据传输到指定的目的地，如HDFS、HBase等。Flume具有高度可扩展性、容错性和灵活性，可以适应各种复杂的数据采集场景。

Flume的核心组件包括Source、Channel和Sink。Source负责从数据源中读取数据，可以是文件、网络套接字、消息队列等；Channel是数据的缓冲区，用于在Source和Sink之间传输数据；Sink负责将数据写入目标存储系统，如HDFS、HBase、Kafka等。此外，Flume还支持多种类型的Source、Channel和Sink，用户可以根据实际需求进行选择和配置。

Flume的主要作用是实现大规模数据采集和传输，实现数据的实时处理和分析，从而为企业提供更好的业务决策支持。在实际应用中，Flume可以用于日志收集、事件跟踪、数据流处理等场景。通过将数据从不同的数据源采集并传输到指定的目的地，Flume可以帮助企业实现数据的集中存储和管理，为后续的数据分析和挖掘提供基础。

此外，Flume还具有可靠性机制和故障转移和恢复机制，能够保证数据传输的可靠性和安全性。同时，Flume还支持客户扩展和自定义开发，用户可以根据自己的需求进行扩展和优化，使其更加适合特定的应用场景。

总的来说，Apache Flume是一个功能强大、灵活可靠的大数据日志采集、聚合和传输系统，它在大数据处理中起到了至关重要的作用。

二、环境准备

准备1台虚拟机

  • Hadoop131：192.168.56.131

本例系统版本 CentOS-7.8，已安装jdk1.8

关闭防火墙

systemctl stop firewalld

zookeeper、kafka 已安装，且已启动

三、flume安装配置

1、配置flume agent

1）本例演示 flume 去掉kafka数据，然后存储到hdfs中
2）完整数据通道是：log文件 > flume > kafka > flume > hdfs
3）flume 安装目录是 /data/flume
4）kafka 、Hadoop在前面已经安装过

新建配置文件 /data/flume/conf/job/kafka_to_hdfs_log.conf，内容如下：

# 定义组件
# 这里定义了Flume agent的三个主要组件：source（数据源）、channel（通道）和sink（数据接收器）。
a2.sources=r2
a2.channels=c2
a2.sinks=k2# 配置source
# 配置数据源为Kafka，指定了Kafka的相关参数，如服务器地址、主题等。
a2.sources.r2.type = org.apache.flume.source.kafka.KafkaSource
# 每次从Kafka拉取的数据量
a2.sources.r2.batchSize=5000
# 拉取数据的间隔时间（毫秒）
a2.sources.r2.batchDurationMillis=2000
# Kafka服务器地址列表
a2.sources.r2.kafka.bootstrap.servers = hadoop131:9092,hadoop132:9092,hadoop133:9092
# 从Kafka的哪个主题拉取数据
a2.sources.r2.kafka.topics=topic_log
# 注释掉的部分是关于拦截器的配置，拦截器可以用来对数据源的数据进行预处理。
#a2.sources.r2.interceptors=i2
#a2.sources.r2.interceptors.i2.type = com.my.flume.interceptor.TimestampInterceptor# 配置channel
# 配置通道为文件通道，指定了通道的相关参数，如检查点目录、数据目录等。
a2.channels.c2.type = file
# 检查点目录，用于存储通道的状态信息
a2.channels.c2.checkpointDir = /data/flume/checkpoint/behaviorl
# 数据目录，用于存储通道中的数据
a2.channels.c2.dataDirs = /data/flume/data/behaviorl
# 通道中文件的最大大小（字节）
a2.channels.c2.maxFileSize = 2146435071
# 通道的容量，即可以存储的最大事件数
a2.channels.c2.capacity = 1000000
# 通道的keepalive时间（秒）
a2.channels.c2.keepalive = 6# 配置sink
# 配置数据接收器为HDFS，指定了HDFS的相关参数，如文件路径、文件前缀等。
a2.sinks.k2.type =hdfs
# HDFS上的文件路径，使用了时间变量来动态生成目录
a2.sinks.k2.hdfs.path = /origin_data/user/log/topic_log/%Y-%m-%d
# HDFS上的文件前缀
a2.sinks.k2.hdfs.filePrefix=log
# 是否按照时间轮转文件，这里设置为false，表示不按照时间轮转
a2.sinks.k2.hdfs.round =false
# 文件轮转的时间间隔（秒）
a2.sinks.k2.hdfs.rollInterval=10
# 文件轮转的大小阈值（字节）
a2.sinks.k2.hdfs.rollSize=134217728
# 文件轮转的事件数阈值，这里设置为0，表示不按照事件数轮转
a2.sinks.k2.hdfs.rollCount=0# 控制输出文件类型
# 设置输出文件的类型为压缩流格式，并使用gzip压缩算法。
a2.sinks.k2.hdfs.fileType = CompressedStream
a2.sinks.k2.hdfs.codeC = gzip# 组装
# 将数据源、通道和数据接收器组装在一起，形成一个完整的Flume agent。
a2.sources.r2.channels=c2
a2.sinks.k2.channel=c2

这个配置文件定义了一个Flume agent，它从Kafka中读取数据，通过文件通道进行缓存，并最终将数据写入到HDFS中。在写入HDFS时，使用了压缩流格式，并对输出文件进行了gzip压缩。同时，还通过一些参数对文件的轮转进行了控制。

2、启动flume

1）创建flume启动脚本f2.sh

vi /usr/bin/f2.sh
# 修改文件权限
chmod 777 /usr/bin/f2.sh

2）复制如下内容

#!/bin/bash#1. 判断参数个数
if [ $# -lt 1 ]
thenecho Not Enough Arguement!exit;
ficase $1 in
"start")#遍历集群所有机器for host in hadoop131doecho --------------------  $host 日志收集 flume 启动 --------------------ssh $host "nohup /data/flume/bin/flume-ng agent -n a2 -c /data/flume/conf/ -f /data/flume/conf/job/kafka_to_hdfs_log.conf >/dev/null 2>&1 &"done
;;
"stop")#遍历集群所有机器for host in hadoop131doecho --------------------  $host 日志收集 flume 停止 --------------------ssh $host "ps -ef | grep kafka_to_hdfs_log | grep -v grep | awk '{print \$2}' |xargs -n1 kill 9"done
;;
*)echo "Input Args Error..."
;;
esac

3）通过集群脚本 f2.sh 操作

f2.sh start

flume启动命令说明

以下是flume启动命令的常用参数：

参数默认值说明
--name 或 -n无默认值，必须指定指定启动的Flume Agent的名称。这个名称应该与配置文件中定义的agent的名称一致。
--conf 或 -c无默认值，通常设置为flume配置文件的目录指定Flume配置文件的目录。这个目录下应该包含flume的配置文件。
--conf-file 或 -f无默认值，必须指定指定具体的Flume配置文件名。这个文件应该包含了Flume Agent的配置信息。
--zkConnString 或 -z无默认值当Flume配置使用Zookeeper进行集群管理时，指定Zookeeper的连接字符串。格式为主机名:端口号，多个节点用逗号分隔。
-Dflume.root.logger无默认值，通常设置为INFO,console设置Flume的日志级别和输出方式。例如，INFO,console表示日志级别为INFO，并输出到控制台。也可以设置为输出到日志文件。
--no-reload-conffalse如果设置为true，那么Flume将不会重新加载配置文件，即使配置文件发生了变化。
--help 或 -h无默认值显示帮助信息，列出所有可用的启动参数。

需要注意的是，Flume的启动参数可能会因版本和具体的使用场景而有所不同。上表中的参数是最常用的，但并不是所有的参数都在所有版本的Flume中都可用。在实际使用时，建议查阅对应版本的Flume官方文档或使用flume-ng agent --help命令查看可用的参数列表。

3、验证日志采集通路

1）在指定的log目录中生成日志文件

cat app.log >> /data/applog/log/app_test.log

2）打开Hadoop查看数据，http://192.168.56.131:9870/

Hadoop在前面已经安装过

在这里插入图片描述

参考

  • https://flume.apache.org/

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/526034.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

【重新定义matlab强大系列十七】Matlab深入浅出长短期记忆神经网络LSTM

【重新定义matlab强大系列十七】Matlab深入浅出长短期记忆神经网络LSTM

🔗 运行环境：Matlab 🚩 撰写作者：左手の明天 🥇 精选专栏：《python》 🔥 推荐专栏：《算法研究》 #### 防伪水印——左手の明天 #### 💗 大家好🤗&#x1f91…
阅读更多...
19、电源管理入门之微内核中的电源管理

19、电源管理入门之微内核中的电源管理

目录 1. QNX电源管理框架 2. QNX客户端API库 3. QNX代码分析 4. Fuchsia中的电源管理 5. Minix中的电源管理 6. Harmony OS中的电源管理 之前介绍的电源管理机制基本都是在Linux中实现的，可以看到很复杂，各种框架，明明一个操作非要转来转去，而且在内核里面实现，跟内…
阅读更多...
静态时序分析：SDC约束命令set_multicycle_path详解

静态时序分析：SDC约束命令set_multicycle_path详解

相关阅读 静态时序分析https://blog.csdn.net/weixin_45791458/category_12567571.html 目录 指定多周期值 指定建立/保持时间检查 指定上升/下降沿 指定起点或终点 指定时序路径起点 删除多周期路径 添加注释 单周期时序分析 多周期时序分析 本章将继续上章的步伐&a…
阅读更多...
php集成修改数据库的字段

php集成修改数据库的字段

1.界面效果 2.代码 <?phpecho <form action"" method"post"><label for"table">表名:</label><input type"text" id"table" name"table"><br><div id"fieldsContaine…
阅读更多...
文本生成视频：从 Write-a-video到 Sora

文本生成视频：从 Write-a-video到 Sora

2024年2月15日&#xff0c;OpenAI 推出了其最新的文本生成视频模型——Sora。Sora 能够根据用户的指令生成一分钟长度的高质量视频内容。这一创新的发布迅速在社会各界引发了广泛关注与深入讨论。本文将围绕本实验室发表于SIGGRAPH AISA 的 Write-a-video和 Sora 展开&#xff…
阅读更多...
提示词微调：LLMs适应新任务的强大技术

提示词微调：LLMs适应新任务的强大技术

原文地址&#xff1a;Prompt Tuning: A Powerful Technique for Adapting LLMs to New Tasks 2023 年 10 月 18 日 提示词微调是一种通过训练少量提示参数来使大型语言模型 (LLM) 适应新任务的技术。提示文本添加在输入文本之前&#xff0c;以指导LLM生成所需的输出。由于其高…
阅读更多...
深入分析Java线程池——ThreadPoolExecutor

深入分析Java线程池——ThreadPoolExecutor

文章目录 Java 线程池概述ThreadPoolExecutor 构造方法线程池拒绝策略工作流程并发库中的线程池CachedThreadPoolFixedThreadPoolSingleThreadExecutorScheduledThreadPool ThreadPoolExecutor 源码分析线程池状态表示获取 runState获取 workerCount生成 ctl 提交任务 execute(…
阅读更多...
ARTS Week 20

ARTS Week 20

Algorithm 本周的算法题为 1222. 可以攻击国王的皇后 在一个 下标从 0 开始 的 8 x 8 棋盘上&#xff0c;可能有多个黑皇后和一个白国王。 给你一个二维整数数组 queens&#xff0c;其中 queens[i] [xQueeni, yQueeni] 表示第 i 个黑皇后在棋盘上的位置。还给你一个长度为 2 的…
阅读更多...
日期问题---算法精讲

日期问题---算法精讲

前言 今天讲讲日期问题&#xff0c;所谓日期问题&#xff0c;在蓝桥杯中出现众多&#xff0c;但是解法比较固定。 一般有判断日期合法性&#xff0c;判断是否闰年&#xff0c;判断日期的特殊形式&#xff08;回文或abababab型等&#xff09; 目录 例题 题2 题三 总结 …
阅读更多...
WPF 窗口添加投影效果Effect

WPF 窗口添加投影效果Effect

BlurRadius&#xff1a;阴影半径 Color&#xff1a;颜色 Direction&#xff1a;投影方向 ShadowDepth&#xff1a;投影的深度 <Window.Effect><DropShadowEffect BlurRadius"10" Color"#FF858484" Direction"300" ShadowDepth&quo…
阅读更多...
云计算项目十一：构建完整的日志分析平台

云计算项目十一：构建完整的日志分析平台

检查k8s集群环境&#xff0c;master主机操作&#xff0c;确定是ready 启动harbor [rootharbor ~]# cd /usr/local/harbor [rootharbor harbor]# /usr/local/bin/docker-compose up -d 检查head插件是否启动&#xff0c;如果没有&#xff0c;需要启动 [rootes-0001 ~]# system…
阅读更多...
代码学习记录15

代码学习记录15

随想录日记part15 t i m e &#xff1a; time&#xff1a; time&#xff1a; 2024.03.09 主要内容&#xff1a;今天的主要内容是二叉树的第四部分&#xff0c;主要涉及平衡二叉树的建立&#xff1b;二叉树的路径查找&#xff1b;左叶子之和&#xff1b;找树左下角的值&#xff…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023