高可用Hadoop平台－Flume NG实战图解篇 - 哥不是小萝莉 - 博客园
- - 今天补充一篇关于Flume的博客，前面在讲解高可用的Hadoop平台的时候遗漏了这篇，本篇博客为大家讲述以下内容：. 单点Flume NG搭建、运行. 高可用Flume NG搭建. Flume NG是一个分布式，高可用，可靠的系统，它能将不同的海量数据收集，移动并存储到一个数据存储系统中. 轻量，配置简单，适用于各种日志收集，并支持Failover和负载均衡.
高可用Hadoop平台－Flume NG实战图解篇 - 哥不是小萝莉 - 博客园
标签：
| 发表时间：2018-07-30 14:26 | 作者：
出处：http://www.cnblogs.com
1.概述
今天补充一篇关于Flume的博客，前面在讲解高可用的Hadoop平台的时候遗漏了这篇，本篇博客为大家讲述以下内容：
- Flume NG简述
- 单点Flume NG搭建、运行
- 高可用Flume NG搭建
- Failover测试
- 截图预览
下面开始今天的博客介绍。
2.Flume NG简述
Flume NG是一个分布式，高可用，可靠的系统，它能将不同的海量数据收集，移动并存储到一个数据存储系统中。轻量，配置简单，适用于各种日志收集，并支持Failover和负载均衡。并且它拥有非常丰富的组件。Flume NG采用的是三层架构：Agent层，Collector层和Store层，每一层均可水平拓展。其中Agent包含Source，Channel和Sink，三者组建了一个Agent。三者的职责如下所示：
- Source：用来消费（收集）数据源到Channel组件中
- Channel：中转临时存储，保存所有Source组件信息
- Sink：从Channel中读取，读取成功后会删除Channel中的信息
下图是Flume NG的架构图，如下所示：
图中描述了，从外部系统（Web Server）中收集产生的日志，然后通过Flume的Agent的Source组件将数据发送到临时存储Channel组件，最后传递给Sink组件，Sink组件直接把数据存储到HDFS文件系统中。
3.单点Flume NG搭建、运行
我们在熟悉了Flume NG的架构后，我们先搭建一个单点Flume收集信息到HDFS集群中，由于资源有限，本次直接在之前的高可用Hadoop集群上搭建Flume。
场景如下：在NNA节点上搭建一个Flume NG，将本地日志收集到HDFS集群。
3.1基础软件
在搭建Flume NG之前，我们需要准备必要的软件，具体下载地址如下所示：
- Flume 《下载地址》
JDK由于之前在安装Hadoop集群时已经配置过，这里就不赘述了，若需要配置的同学，可参考《 配置高可用的Hadoop平台》。
3.2安装与配置
- 安装
首先，我们解压flume安装包，命令如下所示：
[hadoop@nna ~]$tar-zxvf apache-flume-1.5.2-bin.tar.gz
- 配置
环境变量配置内容如下所示：
export FLUME_HOME=/home/hadoop/flume-1.5.2export PATH=$PATH:$FLUME_HOME/bin
flume-conf.properties
#agent1 name agent1.sources=source1 agent1.sinks=sink1 agent1.channels=channel1 #Spooling Directory #set source1 agent1.sources.source1.type=spooldir agent1.sources.source1.spoolDir=/home/hadoop/dir/logdfs agent1.sources.source1.channels=channel1 agent1.sources.source1.fileHeader=falseagent1.sources.source1.interceptors=i1 agent1.sources.source1.interceptors.i1.type=timestamp #set sink1 agent1.sinks.sink1.type=hdfs agent1.sinks.sink1.hdfs.path=/home/hdfs/flume/logdfs agent1.sinks.sink1.hdfs.fileType=DataStream agent1.sinks.sink1.hdfs.writeFormat=TEXT agent1.sinks.sink1.hdfs.rollInterval=1agent1.sinks.sink1.channel=channel1 agent1.sinks.sink1.hdfs.filePrefix=%Y-%m-%d #set channel1 agent1.channels.channel1.type=fileagent1.channels.channel1.checkpointDir=/home/hadoop/dir/logdfstmp/point agent1.channels.channel1.dataDirs=/home/hadoop/dir/logdfstmp
flume-env.sh
JAVA_HOME=/usr/java/jdk1.7
注：配置中的目录若不存在，需提前创建。
3.3启动
启动命令如下所示：
flume-ng agent -n agent1 -c conf -f flume-conf.properties -Dflume.root.logger=DEBUG,console
注：命令中的agent1表示配置文件中的Agent的Name，如配置文件中的agent1。flume-conf.properties表示配置文件所在配置，需填写准确的配置文件路径。
3.4效果预览
之后，成功上传后本地目的会被标记完成。如下图所示：
4.高可用Flume NG搭建
在完成单点的Flume NG搭建后，下面我们搭建一个高可用的Flume NG集群，架构图如下所示：
图中，我们可以看出，Flume的存储可以支持多种，这里只列举了HDFS和Kafka（如：存储最新的一周日志，并给Storm系统提供实时日志流）。
4.1节点分配
Flume的Agent和Collector分布如下表所示：
| 名称 | HOST | 角色 |
| Agent1 | 10.211.55.14 | Web Server |
| Agent2 | 10.211.55.15 | Web Server |
| Agent3 | 10.211.55.16 | Web Server |
| Collector1 | 10.211.55.18 | AgentMstr1 |
| Collector2 | 10.211.55.19 | AgentMstr2 |
图中所示，Agent1，Agent2，Agent3数据分别流入到Collector1和Collector2，Flume NG本身提供了Failover机制，可以自动切换和恢复。在上图中，有3个产生日志服务器分布在不同的机房，要把所有的日志都收集到一个集群中存储。下面我们开发配置Flume NG集群
4.2配置
在下面单点Flume中，基本配置都完成了，我们只需要新添加两个配置文件，它们是flume-client.properties和flume-server.properties，其配置内容如下所示：
- flume-client.properties
#agent1 name agent1.channels=c1 agent1.sources=r1 agent1.sinks=k1 k2 #set gruop agent1.sinkgroups=g1 #set channel agent1.channels.c1.type=memory agent1.channels.c1.capacity=1000agent1.channels.c1.transactionCapacity=100agent1.sources.r1.channels=c1 agent1.sources.r1.type=exec agent1.sources.r1.command=tail-F /home/hadoop/dir/logdfs/test.log agent1.sources.r1.interceptors=i1 i2 agent1.sources.r1.interceptors.i1.type=static agent1.sources.r1.interceptors.i1.key=Type agent1.sources.r1.interceptors.i1.value=LOGIN agent1.sources.r1.interceptors.i2.type=timestamp # set sink1 agent1.sinks.k1.channel=c1 agent1.sinks.k1.type=avro agent1.sinks.k1.hostname=nna agent1.sinks.k1.port=52020# set sink2 agent1.sinks.k2.channel=c1 agent1.sinks.k2.type=avro agent1.sinks.k2.hostname=nns agent1.sinks.k2.port=52020#set sink group agent1.sinkgroups.g1.sinks=k1 k2 #set failover agent1.sinkgroups.g1.processor.type=failover agent1.sinkgroups.g1.processor.priority.k1=10agent1.sinkgroups.g1.processor.priority.k2=1agent1.sinkgroups.g1.processor.maxpenalty=10000
注：指定Collector的IP和Port。
- flume-server.properties
#set Agent name a1.sources=r1 a1.channels=c1 a1.sinks=k1 #set channel a1.channels.c1.type=memory a1.channels.c1.capacity=1000a1.channels.c1.transactionCapacity=100# other node,nna to nns a1.sources.r1.type=avro a1.sources.r1.bind=nna a1.sources.r1.port=52020a1.sources.r1.interceptors=i1 a1.sources.r1.interceptors.i1.type=static a1.sources.r1.interceptors.i1.key=Collector a1.sources.r1.interceptors.i1.value=NNA a1.sources.r1.channels=c1 #set sink to hdfs a1.sinks.k1.type=hdfs a1.sinks.k1.hdfs.path=/home/hdfs/flume/logdfs a1.sinks.k1.hdfs.fileType=DataStream a1.sinks.k1.hdfs.writeFormat=TEXT a1.sinks.k1.hdfs.rollInterval=1a1.sinks.k1.channel=c1 a1.sinks.k1.hdfs.filePrefix=%Y-%m-%d
注：在另一台Collector节点上修改IP，如在NNS节点将绑定的对象有nna修改为nns。
4.3启动
在Agent节点上启动命令如下所示：
flume-ng agent -n agent1 -c conf -f flume-client.properties -Dflume.root.logger=DEBUG,console
注：命令中的agent1表示配置文件中的Agent的Name，如配置文件中的agent1。flume-client.properties表示配置文件所在配置，需填写准确的配置文件路径。
在Collector节点上启动命令如下所示：
flume-ng agent -n a1 -c conf -f flume-server.properties -Dflume.root.logger=DEBUG,console
注：命令中的a1表示配置文件中的Agent的Name，如配置文件中的a1。flume-server.properties表示配置文件所在配置，需填写准确的配置文件路径。
5.Failover测试
下面我们来测试下Flume NG集群的高可用（故障转移）。场景如下：我们在Agent1节点上传文件，由于我们配置Collector1的权重比Collector2大，所以Collector1优先采集并上传到存储系统。然后我们kill掉Collector1，此时有Collector2负责日志的采集上传工作，之后，我们手动恢复Collector1节点的Flume服务，再次在Agent1上次文件，发现Collector1恢复优先级别的采集工作。具体截图如下所示：
- Collector1优先上传
- HDFS集群中上传的log内容预览
- Collector1宕机，Collector2获取优先上传权限
- 重启Collector1服务，Collector1重新获得优先上传的权限
6.截图预览
下面为大家附上HDFS文件系统中的截图预览，如下图所示：
- HDFS文件系统中的文件预览
- 上传的文件内容预览
7.总结
在配置高可用的Flume NG时，需要注意一些事项。在Agent中需要绑定对应的Collector1和Collector2的IP和Port，另外，在配置Collector节点时，需要修改当前Flume节点的配置文件，Bind的IP（或HostName）为当前节点的IP（或HostName），最后，在启动的时候，指定配置文件中的Agent的Name和配置文件的路径，否则会出错。
8.结束语
这篇博客就和大家分享到这里，如果大家在研究学习的过程当中有什么问题，可以加群进行讨论或发送邮件给我，我会尽我所能为您解答，与君共勉！
相关 [hadoop 平台 flume] 推荐：
flume写入hadoop hdfs报错 Too many open files
- - CSDN博客云计算推荐文章网络搜索，怀疑linux nofile超过最大限制，当前设置大小1024，默认值. 而查看flume进程打开的文件数量为2932（这个比较奇怪，怎么超过1024了呢. 1.修改nfile配置文件，手工增加nofile的大小. 2.重启flume进程，也就是进程29828，问题解决. 作者：hijk139 发表于2013-2-17 16:37:34 原文链接.
Hadoop平台优化综述（二）
- - 学着站在巨人的肩膀上Dong | 可以转载, 但必须以超链接形式标明文章原始出处和作者信息及 版权声明. 网址: http://dongxicheng.org/mapreduce/hadoop-optimization-1/. 4. 从系统实现角度进行优化. 4.1 在可移植性和性能之间进行权衡. 论文[16]主要针对HDFS进行了优化，它分析了HDFS性能低下的两个原因：调度延迟和可移植性假设.
Hadoop平台优化综述（一）
- - 学着站在巨人的肩膀上Dong | 可以转载, 但必须以超链接形式标明文章原始出处和作者信息及 版权声明. 网址: http://dongxicheng.org/mapreduce/hadoop-optimization-0/. 随着企业要处理的数据量越来越大，MapReduce思想越来越受到重视. Hadoop是MapReduce的一个开源实现，由于其良好的扩展性和容错性，已得到越来越广泛的应用.
Flume OG 与 Flume NG 的对比
- - 开源软件 - ITeye博客很久没接触flume了，刚掀开官网一看，发现flume已然不是以前的那个flume了，其实早在flume技术群就听到NG这个字眼，以前没特注意，今天做了些对比，发现flume确实有了投胎换骨般的改变. 首先介绍下Flume OG & Flume NG这两个概念. Flume OG:Flume original generation 即Flume 0.9.x版本.
flume日志采集
- - CSDN博客推荐文章1.1.2. Client端Log4j配置文件. （黄色文字为需要配置的内容）. //日志Appender修改为flume提供的Log4jAppender. //日志需要发送到的端口号，该端口要有ARVO类型的source在监听. //日志需要发送到的主机ip，该主机运行着ARVO类型的source.
Flume日志收集
- - 企业架构 - ITeye博客转： http://www.cnblogs.com/oubo/archive/2012/05/25/2517751.html. Flume是一个分布式、可靠、和高可用的海量日志聚合的系统，支持在系统中定制各类数据发送方，用于收集数据；同时，Flume提供对数据进行简单处理，并写到各种数据接受方（可定制）的能力.
IT企业利用云计算平台Hadoop的10种方式
- - 博客园_新闻如果你是世界上广大 Hadoop 用户的一员，你肯定知道 Google 曾经靠着分布式计算技术（Hadoop），在搜索引擎和广告方面取得了举世瞩目的成就. 现在的 Hadoop 不仅是当年的老二 Yahoo 的专用产品了，从 Hadoop 长长的用户名单中，可以看到 Facebook, 可以看到 Linkedin，可以看到 Amazon，可以看到 EMC, eBay，Tweeter，IBM, Microsoft, Apple, HP….
如何挑选合适的大数据或Hadoop平台
- - 互联网旁观者今年，大数据在很多公司都成为相关话题. 虽然没有一个标准的定义来解释何为
“大数据”，但在处理大数据上，Hadoop已经成为事实上的标准. IBM、Oracle、SAP、甚至Microsoft等几乎所有的大型软件提供商都采用了Hadoop. 然而，当你已经决定要使用Hadoop来处理大数据时，首先碰到的问题就是如何开始以及选择哪一种产品.
如何用 Hadoop/Spark 构建七牛数据平台
- - leejun_2005的个人页面数据平台在大部分公司都属于支撑性平台，做的不好立刻会被吐槽，这点和运维部门很像. 所以在技术选型上优先考虑现成的工具，快速出成果，没必要去担心有技术负担. 早期，我们走过弯路，认为没多少工作量，收集存储和计算都自己研发，发现是吃力不讨好. 去年上半年开始，我们全面拥抱开源工具，搭建自己的数据平台. 公司的主要数据来源是散落在各个业务服务器上的半结构化日志，比如系统日志、程序日志、访问日志、审计日志等.