Flume面试知识总结

1、Flume组成,Put事务,Take事务

1)taildir source

(1)断点续传、多目录

    (2)哪个flume版本产生的?Apache1.7、CDH1.6

(3)没有断点续传功能时怎么做的? 自定义

(4)taildir挂了怎么办?

     不会丢数:断点续传

     重复数据:

(5)怎么处理重复数据?

     不处理:生产环境通常不处理,因为会影响传输效率

     处理

         自身:在taildirsource里面增加自定义事务

         找兄弟:下一级处理(hive dwd sparkstreaming flink布隆)、去重手段(groupby、开窗取窗口第一条、redis)

(6)taildir source 是否支持递归遍历文件夹读取文件?

     不支持。  自定义  递归遍历文件夹 +读取文件

2)file channel /memory channel/kafka channel  

(1)file channel

          数据存储于磁盘,优势:可靠性高;劣势:传输速度低

          默认容量:100万event

注意:FileChannel可以通过配置dataDirs指向多个路径,每个路径对应不同的硬盘,增大Flume吞吐量。

(2)memory channel

          数据存储于内存,优势:传输速度快;劣势:可靠性差

          默认容量:100个event

(3)kafka channel

          数据存储于Kafka,基于磁盘;

          优势:可靠性高;

          传输速度快 kafka channel》memory channel+kafka sink  原因省去了sink阶段

(4)kafka channel哪个版本产生的?

          flume1.6 版本产生=》并没有火;因为有bug

          topic-start 数据内容

          topic-event 数据内容    ture  和false 很遗憾,都不起作用。

          增加了额外清洗的工作量。

          flume1.7解决了这个问题,开始火了。

(5)生产环境如何选择

          如果下一级是kafka,优先选择kafka channel

          如果是金融、对钱要求准确的公司,选择file channel

          如果就是普通的日志,通常可以选择memory channel

          每天丢几百万数据   pb级   亿万富翁,掉1块钱会捡?

3)HDFS sink    

     (1)时间(1小时-2小时) or 大小128m、event个数(0禁止)

具体参数:hdfs.rollInterval=3600,hdfs.rollSize=134217728,hdfs.rollCount =0

4)事务

Source到Channel是Put事务

Channel到Sink是Take事务

2、Flume拦截器

1)拦截器注意事项

项目中自定义了:ETL拦截器。

采用两个拦截器的优缺点:优点,模块化开发和可移植性;缺点,性能会低一些

2)自定义拦截器步骤

(1)实现 Interceptor

(2)重写四个方法

  • initialize 初始化
  • public Event intercept(Event event) 处理单个Event
  • public List<Event> intercept(List<Event> events) 处理多个Event,在这个方法中调用Event intercept(Event event)
  • close 方法

(3)静态内部类,实现Interceptor.Builder

3)拦截器可以不用吗?

     可以不用;需要在下一级hive的dwd层和sparksteaming里面处理

     优势:只处理一次,轻度处理;劣势:影响性能,不适合做实时推荐这种对实时要求比较高的场景。

3、Flume Channel选择器

Flume面试知识总结

 

 

 4、Flume监控器

1)采用Ganglia监控器,监控到flume尝试提交的次数远远大于最终成功的次数,说明flume运行比较差。

2)解决办法?

(1)自身:增加内存flume-env.sh   4-6g

-Xmx与-Xms最好设置一致,减少内存抖动带来的性能影响,如果设置不一致容易导致频繁fullgc。

(2)找朋友:增加服务器台数

搞活动 618  =》增加服务器=》用完在退出

日志服务器配置:8-16g内存、磁盘8T

5、Flume采集数据会丢失吗(防止数据丢失的机制)

如果是FileChannel不会,Channel存储可以存储在File中,数据传输自身有事务。

如果是MemoryChannel有可能丢。

上一篇:Flume面试题


下一篇:2021实训-Flume安装以及应用