安装
- 下载
wget http://archive.apache.org/dist/flume/stable/apache-flume-1.9.0-bin.tar.gz
这里使用最新的 apache-flume-1.9.0版本
-
解压安装
tar zxvf apache-flume-1.9.0-bin.tar.gz -C /opt/pkg/
-
改目录名他人
mv apache-flume-1.9.0-bin/ flume
-
配置环境变量,并让环境变量生效
vim /etc/profile.d/env.sh
# FLUME 1.9.0 export FLUME_HOME=/opt/pkg/flume export PATH=$FLUME_HOME/bin:$PATH
source /etc/profile.d/env.sh
-
将hadoop-2.7.3安装路径下的依赖的jar软链接到flume-1.9.0/lib下:
ln -s /user/hadoop/hadoop-2.7.3/share/hadoop/common/hadoop-common-2.7.3.jar $FLUME_HOME/lib/ ln -s /user/hadoop/hadoop-2.7.3/share/hadoop/common/lib/commons-configuration-1.6.jar $FLUME_HOME/lib/ ln -s /user/hadoop/hadoop-2.7.3/share/hadoop/common/lib/hadoop-auth-2.7.3.jar $FLUME_HOME/lib/ ln -s /user/hadoop/hadoop-2.7.3/share/hadoop/common/lib/htrace-core-3.1.0-incubating.jar $FLUME_HOME/lib/ ln -s /user/hadoop/hadoop-2.7.3/share/hadoop/common/lib/commons-io-2.4.jar $FLUME_HOME/lib/ ln -s /user/hadoop/hadoop-2.7.3/share/hadoop/hdfs/hadoop-hdfs-2.7.3.jar $FLUME_HOME/lib/
测试
-
验证
bin/flume-ng version flume 1.9.0 Source code repository: https://git-wip-us.apache.org/repos/asf/flume.git Revision: d4fcab4f501d41597bc616921329a4339f73585e Compiled by fszabo on Mon Dec 17 20:45:25 CET 2018 From source with checksum 35db629a3bda49d23e9b3690c80737f9
-
配置Flume HDFS Sink:
在flume的conf目录新建一个log2hdfs.conf
添加如下内容:[hadoop@master conf]$ vi log2hdfs.conf # define the agent a1.sources=r1 a1.channels=c1 a1.sinks=k1 # define the source #上传目录类型 a1.sources.r1.type=spooldir a1.sources.r1.spoolDir=/tmp/flume-logs #定义自滚动日志完成后的后缀名 a1.sources.r1.fileSuffix=.FINISHED #根据每行文本内容的大小自定义最大长度4096=4k a1.sources.r1.deserializer.maxLineLength=4096 # define the sink a1.sinks.k1.type = hdfs #上传的文件保存在hdfs的/flume/logs目录下 a1.sinks.k1.hdfs.path = hdfs://master:8020/flume/logs/%y-%m-%d/ a1.sinks.k1.hdfs.filePrefix=access_log a1.sinks.k1.hdfs.fileSufix=.log a1.sinks.k1.hdfs.batchSize=1000 a1.sinks.k1.hdfs.fileType = DataStream a1.sinks.k1.hdfs.writeFormat= Text # roll 滚动规则:按照数据块128M大小来控制文件的写入,与滚动相关其他的都设置成0 #为了演示,这里设置成500k写入一次 a1.sinks.k1.hdfs.rollSize= 512000 a1.sinks.k1.hdfs.rollCount=0 a1.sinks.k1.hdfs.rollInteval=0 #控制生成目录的规则:一般是一天或者一周或者一个月一次,这里为了演示设置10秒 a1.sinks.k1.hdfs.round=true a1.sinks.k1.hdfs.roundValue=10 a1.sinks.k1.hdfs.roundUnit= second #是否使用本地时间 a1.sinks.k1.hdfs.useLocalTimeStamp=true #define the channel a1.channels.c1.type = memory #自定义event的条数 a1.channels.c1.capacity = 500000 #flume事务控制所需要的缓存容量1000条event a1.channels.c1.transactionCapacity = 1000 #source channel sink cooperation a1.sources.r1.channels = c1 a1.sinks.k1.channel = c1
注意:
- a1.sources.r1.spoolDir目录如果不存在需要先创建
- a1.sinks.k1.hdfs.path目录会自动创建
- 为了演示的效果明显,这里的路径是
hdfs://hadoop100:9000/flume/logs/yy-mm-dd/HH/MM/SS
- 也就是每秒的数据都会产生滚动日志,也就是1,2条记录就会单独生成一个128M的文件。
- 实际应该是按天或者按周、按月来生成滚动日志。
- 为了演示的效果明显,这里的路径是
-
修改conf/flume-env.sh,配置JDK路径(该文件事先是不存在的,需要复制一份)
复制:[root@master conf]# cp flume-env.sh.template flume-env.sh
编辑文件,并设置如下内容:
#设置JAVA_HOME: export JAVA_HOME=/opt/pkg/jdk1.8.0_211 //等号左右不能有空格 #修改默认的内存: export JAVA_OPTS="-Xms1024m -Xmx1024m -Xss256k -Xmn2g -XX:+UseParNewGC -XX:+UseConcMarkSweepGC -XX:-UseGCOverheadLimit"
-
启动flume
-
准备
创建/tmp/flume-logs , 并分配权限
sudo mkdir -p /tmp/flume-logs sudo chown hadoop:hadoop /tmp/flume-logs
-
启动
执行如下命令进行启动:[root@master flume]# bin/flume-ng agent --conf ./conf/ -f ./conf/log2hdfs.conf --name a1 -Dflume.root.logger=INFO,console
-
测试
# 在tmp下新建一个会话并连接。 touch access_log123.log
-
到Hadoop的控制台http://master:50070/查看
hdfs:master:9000/flume/logs/
下有没有数据生成:
-
脚本
-
编写Linux脚本rollingLog.sh,实现
/var/log/nginx/access.log
日志自动滚动到flumeLogs目录下-
在/opt/bin目录下新建rollinglog.sh,并添加如下内容:
#!/bin/bash #定义日期格式 dataformat=`date +%Y-%m-%d-%H-%M-%S` #复制access.log并重命名 cp /var/log/nginx/access.log /var/log/nginx/access_$dataformat.log host=`hostname` sed -i 's/^/'${host}',&/g' /var/log/nginx/access_$dataformat.log #统计日志文件行数 lines=`wc -l < /var/log/nginx/access_$dataformat.log` #将格式化的日志移动到flumeLogs目录下 mv /var/log/nginx/access_$dataformat.log /var/log/nginx/flume-logs #清空access.log的内容 sed -i '1,'${lines}'d' /var/log/nginx/access.log #重启nginx , 否则 log can not roll. kill -USR1 `cat /training/nginx/logs/nginx.pid` ##返回给服务器信息 ls -al /var/log/nginx/flume-logs/
-
-
编写启动Flume脚本 flume_start.sh,启动Flume
#!/bin/bash /opt/pkg/flume-1.9.0/bin/flume-ng agent --conf ./conf/ -f ./conf/log2hdfs.conf --name a1 -Dflume.root.logger=INFO,console
-
编写停止Flume脚本 flume_stop.sh,停止Flume
#!/bin/bash JAR="flume" #停止flume函数 echo "begin to stop flume process.." num=`ps -ef|grep java|grep $JAR|wc -l` echo "当前已经启动的flume进程数:$num" if [ "$num" != "0" ];then #正常停止flume ps -ef|grep java|grep $JAR|awk '{print $2;}'|xargs kill -9 echo "进程已经关闭..." else echo "服务未启动,无须停止..." fi
-
编写重启Flume脚本 flume_to_hdfs.sh,综合了前两个脚本
#!/bin/bash #先停止正在启动的flume ./flume_stop.sh nohup ./flume_start.sh > nohup_output.log 2>&1 & echo "启动flume成功……"