[TOC] # 案例场景 A、B两台日志服务机器实时生产日志主要类型为access.log、nginx.log、web.log 现在要求： 把A、B 机器中的access.log、nginx.log、web.log 采集汇总到C机器上然后统一收集到hdfs中。 但是在hdfs中要求的目录为： ~~~ /source/logs/access/20160101/** /source/logs/nginx/20160101/** /source/logs/web/20160101/** ~~~ # 场景分析  # 数据处理流程分析  # 实现 服务器A对应的IP为 192.168.200.102 服务器B对应的IP为 192.168.200.103 服务器C对应的IP为 192.168.200.101 1. 在服务器A和服务器B上的`$FLUME_HOME/conf` 创建配置文件 exec_source_avro_sink.conf 文件内容为 ~~~ # Name the components on this agent #有3个不同的文件 a1.sources = r1 r2 r3 a1.sinks = k1 a1.channels = c1 # Describe/configure the source a1.sources.r1.type = exec #监控文件新增的数据 a1.sources.r1.command = tail -F /root/data/access.log # 设置拦截器 a1.sources.r1.interceptors = i1 # 静态 a1.sources.r1.interceptors.i1.type = static # static拦截器的功能就是往采集到的数据的header中插入自己定义的key-value对 # key是type a1.sources.r1.interceptors.i1.key = type # value就是access a1.sources.r1.interceptors.i1.value = access a1.sources.r2.type = exec a1.sources.r2.command = tail -F /root/data/nginx.log a1.sources.r2.shell=/bin/bash -c a1.sources.r2.interceptors = i2 a1.sources.r2.interceptors.i2.type = static a1.sources.r2.interceptors.i2.key = type a1.sources.r2.interceptors.i2.value = nginx a1.sources.r3.type = exec a1.sources.r3.command = tail -F /root/data/web.log a1.sources.r3.interceptors = i3 a1.sources.r3.interceptors.i3.type = static a1.sources.r3.interceptors.i3.key = type a1.sources.r3.interceptors.i3.value = web # Describe the sink a1.sinks.k1.type = avro a1.sinks.k1.hostname = master a1.sinks.k1.port = 41414 # Use a channel which buffers events in memory a1.channels.c1.type = memory a1.channels.c1.capacity = 20000 a1.channels.c1.transactionCapacity = 10000 # Bind the source and sink to the channel a1.sources.r1.channels = c1 a1.sources.r2.channels = c1 a1.sources.r3.channels = c1 a1.sinks.k1.channel = c1 ~~~ 2. 在服务器C上的`$FLUME_HOME/conf`创建配置文件`avro_source_hdfs_sink.conf`文件内容为 ~~~ #定义agent名， source、channel、sink的名称 a1.sources = r1 a1.sinks = k1 a1.channels = c1 #定义source a1.sources.r1.type = avro a1.sources.r1.bind = 0.0.0.0 a1.sources.r1.port = 41414 #添加时间拦截器 a1.sources.r1.interceptors = i1 a1.sources.r1.interceptors.i1.type = org.apache.flume.interceptor.TimestampInterceptor$Builder #时间类型 a1.sinks.k1.hdfs.useLocalTimeStamp = true #定义channels a1.channels.c1.type = memory a1.channels.c1.capacity = 20000 a1.channels.c1.transactionCapacity = 10000 #定义sink a1.sinks.k1.type = hdfs # type这就是之前在那上面定义的key和value的value,之前的agent传过来的 a1.sinks.k1.hdfs.path=hdfs://master:9000/source/logs/%{type}/%Y%m%d a1.sinks.k1.hdfs.filePrefix =events a1.sinks.k1.hdfs.fileType = DataStream a1.sinks.k1.hdfs.writeFormat = Text #生成的文件不按条数生成 a1.sinks.k1.hdfs.rollCount = 0 #生成的文件按时间生成 a1.sinks.k1.hdfs.rollInterval = 30 #生成的文件按大小生成 a1.sinks.k1.hdfs.rollSize = 10485760 #批量写入hdfs的个数 a1.sinks.k1.hdfs.batchSize = 10000 # flume操作hdfs的线程数（包括新建，写入等） a1.sinks.k1.hdfs.threadsPoolSize=10 #操作hdfs超时时间 a1.sinks.k1.hdfs.callTimeout=30000 #组装source、channel、sink a1.sources.r1.channels = c1 a1.sinks.k1.channel = c1 ~~~ 3. 配置完成之后，在服务器A和B上的`/root/data`有数据文件access.log、nginx.log、web.log。先启动服务器C上的flume，启动命令 在flume安装目录下执行 ： ~~~ bin/flume-ng agent -c conf -f conf/avro_source_hdfs_sink.conf -name a1 -Dflume.root.logger=DEBUG,console ~~~ 然后在启动服务器上的A和B，启动命令 在flume安装目录下执行 ： ~~~ bin/flume-ng agent -c conf -f conf/exec_source_avro_sink.conf -name a1 -Dflume.root.logger=DEBUG,console ~~~