需求：A B兩臺日志服務器實時生產日志主要類型為access.log、nginx.log、web.log，現在要求：
把A、B機器中的access.log、nginx.log、web.log 采集匯總到 C 機器上然后統一收集到 hdfs中，但是在hdfs中要求的目錄為：
   /source/logs/access/日期/**
   /source/logs/nginx/日期/**
   /source/logs/web/日期/**
場景分析：

10年積累的成都網站設計、成都做網站、外貿網站建設經驗，可以快速應對客戶對網站的新想法和需求。提供各種問題對應的解決方案。讓選擇我們的客戶得到更好、更有力的網絡服務。我雖然不認識你，你也不認識我。但先網站設計后付款的網站建設流程，更有高密免費網站建設讓你可以放心的選擇與我們合作。

規劃：
hadoop01（web01）：
    source：access.log 、nginx.log、web.log
    channel：memory
    sink：avro
hadoop02（web02）：
    source：access.log 、nginx.log、web.log
    channel：memory
    sink：avro
hadoop03（數據收集）：
    source;avro
    channel:memory
    sink:hdfs
配置文件：

#exec_source_avro_sink.properties
#指定各個核心組件
a1.sources = r1 r2 r3
a1.sinks = k1
a1.channels = c1
#r1
a1.sources.r1.type = exec
a1.sources.r1.command = tail -F /home/hadoop/flume_data/access.log
a1.sources.r1.interceptors = i1
a1.sources.r1.interceptors.i1.type = static
a1.sources.r1.interceptors.i1.key = type
a1.sources.r1.interceptors.i1.value = access

#r2
a1.sources.r2.type = exec
a1.sources.r2.command = tail -F /home/hadoop/flume_data/nginx.log
a1.sources.r2.interceptors = i2
a1.sources.r2.interceptors.i2.type = static
a1.sources.r2.interceptors.i2.key = type
a1.sources.r2.interceptors.i2.value = nginx

#r3
a1.sources.r3.type = exec
a1.sources.r3.command = tail -F /home/hadoop/flume_data/web.log
a1.sources.r3.interceptors = i3
a1.sources.r3.interceptors.i3.type = static
a1.sources.r3.interceptors.i3.key = type
a1.sources.r3.interceptors.i3.value = web

#Describe the sink
a1.sinks.k1.type = avro
a1.sinks.k1.hostname = hadoop03
a1.sinks.k1.port = 41414

#Use a channel which buffers events in memory
a1.channels.c1.type = memory
a1.channels.c1.capacity = 20000
a1.channels.c1.transactionCapacity = 10000

#Bind the source and sink to the channela1.sources.r1.channels = c1
a1.sources.r2.channels = c1
a1.sources.r3.channels = c1
a1.sinks.k1.channel = c1

#avro_source_hdfs_sink.properties
#定義 agent 名， source、channel、sink 的名稱
a1.sources = r1
a1.sinks = k1
a1.channels = c1

#定義 source
a1.sources.r1.type = avro
a1.sources.r1.bind = 0.0.0.0
a1.sources.r1.port =41414

#添加時間攔截器
a1.sources.r1.interceptors = i1
a1.sources.r1.interceptors.i1.type=org.apache.flume.interceptor.TimestampInterceptor$Builder

#定義 channels
a1.channels.c1.type = memory
a1.channels.c1.capacity = 20000
a1.channels.c1.transactionCapacity = 10000

#定義 sink
a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path=hdfs://myha01/source/logs/%{type}/%Y%m%d
a1.sinks.k1.hdfs.filePrefix =events
a1.sinks.k1.hdfs.fileType = DataStream
a1.sinks.k1.hdfs.writeFormat = Text
#時間類型
a1.sinks.k1.hdfs.useLocalTimeStamp = true
#生成的文件不按條數生成
a1.sinks.k1.hdfs.rollCount = 0
#生成的文件按時間生成
a1.sinks.k1.hdfs.rollInterval = 30
#生成的文件按大小生成
a1.sinks.k1.hdfs.rollSize = 10485760
#批量寫入 hdfs 的個數
a1.sinks.k1.hdfs.batchSize = 20
#flume 操作 hdfs 的線程數（包括新建，寫入等）
a1.sinks.k1.hdfs.threadsPoolSize=10
#操作 hdfs 超時時間
a1.sinks.k1.hdfs.callTimeout=30000

#組裝 source、channel、sink
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

測試：

#在hadoop01和 hadoop02上的/home/hadoop/data 有數據文件 access.log、nginx.log、 web.log
#先啟動hadoop03上的flume：（存儲）
flume-ng agent -c conf -f avro_source_hdfs_sink.properties -name a1 -Dflume.root.logger=DEBUG,console
#然后在啟動hadoop01和hadoop02上的命令flume（收集）
flume-ng agent -c conf -f exec_source_avro_sink.properties -name a1 -Dflume.root.logger=DEBUG,console

分享名稱：flume實際生產場景分析
文章URL：http://www.yijiale78.com/article0/gcecoo.html

成都網站建設公司_創新互聯，為您提供網站建設、網站營銷、搜索引擎優化、用戶體驗、定制網站、網站內鏈

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯