月度归档： 2021 年 3 月

07 Flume的安装与配置

安装

  1. 下载

    http://flume.apache.org/download.html

    http://archive.apache.org/dist/flume/stable/

    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

  2. 解压安装

    tar zxvf apache-flume-1.9.0-bin.tar.gz -C /opt/pkg/

  3. 改目录名

    mv apache-flume-1.9.0-bin/ flume

  4. 配置环境变量，并让环境变量生效

    # FLUME 1.9.0
export FLUME_HOME=/opt/pkg/flume
export PATH=$FLUME_HOME/bin:$PATH

  5. 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：

    cp flume-env.template.sh flume-env.sh

    编辑文件，并设置如下内容：

    #设置JAVA_HOME:
export JAVA_HOME = /opt/pkg/java         
#修改默认的内存：  
export JAVA_OPTS="-Xms1024m -Xmx1024m -Xss256k -Xmn2g -XX:+UseParNewGC -XX:+UseConcMarkSweepGC -XX:-UseGCOverheadLimit"

  6. 将hadoop-3.1.4安装路径下的依赖的jar软链接到flume-1.9.0/lib下：

    $ cd /opt/pkg/flume/lib
$ ln -s /opt/pkg/hadoop/share/hadoop/common/hadoop-common-3.1.4.jar ./
$ ln -s /opt/pkg/hadoop/share/hadoop/common/lib/commons-configuration2-2.1.1.jar ./
$ ln -s /opt/pkg/hadoop/share/hadoop/common/lib/hadoop-auth-3.1.4.jar ./      
$ ln -s /opt/pkg/hadoop/share/hadoop/common/lib/htrace-core4-4.1.0-incubating.jar ./
$ ln -s /opt/pkg/hadoop/share/hadoop/common/lib/commons-io-2.5.jar ./         
$ ln -s /opt/pkg/hadoop/share/hadoop/hdfs/hadoop-hdfs-3.1.4.jar ./

测试

  1. 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

  2. 配置Flume HDFS Sink:
    在flume的conf目录新建一个log2hdfs.conf
    添加如下内容：

    [hadoop@hadoop100 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://hadoop100:8020/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
      • 这里的路径是`hdfs://hadoop100:8020/flume/logs/yy-mm-dd/
      • 也就是每天的数据都会产生滚动日志。
      • 实际应该是按天或者按周、按月来生成滚动日志。

  3. 启动flume

  • 准备

    创建/tmp/flumn-logs, 并分配权限

     sudo mkdir -p  /tmp/flume-logs

  • 启动
    执行如下命令进行启动：

     flume-ng agent --conf ./conf/ -f ./conf/flume-hdfs.conf --name a1 -Dflume.root.logger=INFO,console

  • 测试

     # 每次执行追加一行文字
 echo xxxxxxxxxxxx >> /tmp/flume-logs/access_log123.log

  • 到Hadoop的控制台http://hadoop100:9870/查看 hdfs:hadoop100:9870/flume/logs/下有没有数据生成:

    image-20210110175013827

异常: 日志收集失败,报错:

2021-03-09 22:38:50,834 (SinkRunner-PollingRunner-DefaultSinkProcessor) [ERROR - org.apache.flume.sink.hdfs.HDFSEventSink.process(HDFSEventSink.java:459)] process failed
java.lang.NoSuchMethodError: com.google.common.base.Preconditions.checkArgument(ZLjava/lang/String;Ljava/lang/Object;)V

原因: flume/lib/guava-xxx.jar 和 hadoop自带的jar包发生冲突

解决: 将flume/lib下的guava包删除或者改名, 只保留hadoop的版本即可

Views: 118