Flume-ng将数据插入hdfs与HBase-0.96.0

问题导读：
1.如何配置分布式flume
2.master与node之间该如何配置，有什么异同？
3.启动命令是什么？
4.flume把数据插入hbase，该如何配置？











一、Flume-ng配置插入hdfs

1）简介

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。

设计目标：
(1) 可靠性
当节点出现故障时，日志能够被传送到其他节点上而不会丢失。Flume提供了三种级别的可靠性保障，从强到弱依次分别为：end-to-end（收到数据agent首先将event写到磁盘上，当数据传送成功后，再删除；如果数据发送失败，可以重新发送。），Store on failure（当数据接收方crash时，将数据写到本地，待恢复后，继续发送），Best effort（数据发送到接收方后，不会进行确认）。

(2) 可扩展性
Flume采用了三层架构，分别为agent，collector和storage，每一层均可以水平扩展。其中，所有agent和collector由master统一管理，这使得系统容易监控和维护，且master允许有多个（使用ZooKeeper进行管理和负载均衡），这就避免了单点故障问题。

(3) 可管理性
所有agent和colletor由master统一管理，这使得系统便于维护。多master情况，Flume利用ZooKeeper和gossip，保证动态配置数据的一致性。用户可以在master上查看各个数据源或者数据流执行情况，且可以对各个数据源配置和动态加载。Flume提供了web 和shell script command两种形式对数据流进行管理。

(4) 功能可扩展性
用户可以根据需要添加自己的agent，collector或者storage。此外，Flume自带了很多组件，包括各种agent（file， syslog等），collector和storage（File，HDFS，HBase等）。

2）配置

之前配置过Hadoop和hbase，所以需要先将hadoop和hbase启动，才能将文件写入hdfs和hbase。
（hadoop-2.2.0和hbase-0.96.0安装可以参考：hadoop2.2完全分布式最新高可靠安装文档，hbase 0.96整合到hadoop2.2三个节点全分布式安装高可靠文档）

本次配置环境为两台装有centos 的测试集群。主机名为master的机器负责收集日志，主机名为node的机器负责日志的写入，本次配置的写入方式：写入普通目录，写入hdfs。

首先
1.下载flume-ng的二进制压缩文件。
地址：http://flume.apache.org/download.html。

2.下载好后，解压文件。
（1）首先编辑/etc/profile文件，在其中添加如下几行：

export FLUME_HOME=/home/aaron/apache-flume-1.4.0-bin
export FLUME_CONF_DIR=$FLUME_HOME/conf
export PATH=$PATH:$FLUME_HOME/bin
复制代码

添加好之后记得运行$ souce /etc/profile命令使修改生效。

（2）在master的flume文件夹的conf目录中，新建一个flume-master.conf文件，内容如下：

agent.sources = seqGenSrc
agent.channels = memoryChannel
agent.sinks = remoteSink
# For each one of the sources, the type is defined
agent.sources.seqGenSrc.type = exec
agent.sources.seqGenSrc.command = tail -F /home/aaron/test
# The channel can be defined as follows.
agent.sources.seqGenSrc.channels = memoryChannel
# Each sink's type must be defined
agent.sinks.loggerSink.type = logger
#Specify the channel the sink should use
agent.sinks.loggerSink.channel = memoryChannel
# Each channel's type is defined.
agent.channels.memoryChannel.type = memory
# Other config values specific to each type of channel(sink or source)
# can be defined as well
# In this case, it specifies the capacity of the memory channel
agent.channels.memoryChannel.capacity = 100
agent.channels.memoryChannel.keep-alive = 100
agent.sinks.remoteSink.type = avro
agent.sinks.remoteSink.hostname = node
agent.sinks.remoteSink.port = 23004
agent.sinks.remoteSink.channel = memoryChannel
复制代码

(3)在node机器上也将/etc/profile文件添加上面的配置。然后，在conf中新建一个flume-node.conf文件，修改如下：

agent.sources = seqGenSrc1
agent.channels = memoryChannel
#agent.sinks = fileSink
agent.sinks = <SPANstyle="FONT-FAMILY: Arial, Helvetica, sans-serif">fileSink</SPAN>
# For each one of the sources, the type is defined
agent.sources.seqGenSrc1.type = avro
agent.sources.seqGenSrc1.bind = node
agent.sources.seqGenSrc1.port = 23004
# The channel can be defined as follows.
agent.sources.seqGenSrc1.channels = memoryChannel
# Each sink's type must be defined
agent.sinks.loggerSink.type = logger
#Specify the channel the sink should use
agent.sinks.loggerSink.channel = memoryChannel
# Each channel's type is defined.
agent.channels.memoryChannel.type = memory
# Other config values specific to each type of channel(sink or source)
# can be defined as well
# In this case, it specifies the capacity of the memory channel
agent.channels.memoryChannel.capacity = 100
agent.channels.memoryChannel.keep-alive = 100
agent.sources.flieSink.type = avro
agent.sources.fileSink.channel = memoryChannel
agent.sources.fileSink.sink.directory = /home/aaron/
agent.sources.fileSink.serializer.appendNewline = true
复制代码

在master上面运行命令：

$ bin/flume-ng agent --conf ./conf/ -f conf/flume-maste.conf -Dflume.root.logger=DEBUG,console -n agent
复制代码

在node上运行命令：

$ bin/flume-ng agent --conf ./conf/ -f conf/flume-node.conf -Dflume.root.logger=DEBUG,console -n agent
复制代码

启动之后，就可以发现两者之间可以相互通信，master上面的文件就能发送到node上，修改master上的test文件，在后面追加内容时，node也可以接收到。

如果想要将内容写入hadoop，可以将node中的flume-node.conf文件做如下修改：

agent.sinks = k2
agent.sinks.k2.type = hdfs
agent.sinks.k2.channel = memoryChannel
agent.sinks.k2.hdfs.path = hdfs://master:8089/hbase
agent.sinks.k2.hdfs.fileType = DataStream
agent.sinks.k2.hdfs.writeFormat = Text
复制代码

其中，hdfs://master:8089/hbase为hadoop的hdfs文件路径。




二、Flume-ng将数据插入HBase-0.96.0



首先，修改node中flume文件夹下conf目录中的flume-node.conf文件（原配置参考上文），对其做如下修改：

agent.sinks = k1
agent.sinks.k1.type = hbase
agent.sinks.k1.table = hello
agent.sinks.k1.columnFamily = cf
agent.sinks.k1.column = col1
agent.sinks.k1.serializer = org.apache.flume.sink.hbase.SimpleHbaseEventSerializer
agent.sinks.k1.channel = memoryChannel


不过和上文不同的是，这次要想得到成功结果就没那么简单了，由于依赖的版本问题。此处需要将flume的lib文件夹下的protobuf用Hadoop-2.2.0中的2.5.0版本替换，还需要用hadoop-2.2.0中的guava替换flume的lib文件夹下的guava，删除原来相应的jar文件。启动即可生效。

flume-ng里面的SimpleHbaseEventSerializer只提供了最简单的数据插入hbase功能，如果还有其他需要，就得自己写HbaseEventSerializer类，在apache-flume-1.4.0-src/flume-ng-sinks/flume-ng-hbase-sink/src/main/java中定义自己的类，实现flume中的HbaseEventSerializer接口。一个简单的实例如下：

publicclass MyHBaseSerializer implements HbaseEventSerializer {
privatestaticfinal String[] COLUMNS = "column1,column2".split(",");
privatestaticfinal String[] PARAMS = "col1,col2".split(",");
privatebyte[] columnFamily = "cf".getBytes();
privatebyte[] content;
@Override
publicvoid configure(Context context) {
}
@Override
publicvoid configure(ComponentConfiguration conf) {
}
@Override
publicvoid initialize(Event event, byte[] columnFamily) {
this.content = event.getBody();
this.columnFamily = columnFamily;
}
@Override
public List<Row> getActions() {
String string = Bytes.toString(content);
String value1 = string.substring(0,string.length()/2);
String value2 = string.substring(string.length()/2, string.length());
Map<String,String> map = Maps.newHashMap();
map.put(PARAMS[0], value1);
map.put(PARAMS[1], value2);
List<Row> actions = new LinkedList<Row>();
String rowKey = String.valueOf(System.currentTimeMillis());
Put put = new Put(Bytes.toBytes(rowKey));
for (int i = 0; i < COLUMNS.length; i++) {
String value = map.get(PARAMS);
if (value == null)
value = "";
put.add(columnFamily, Bytes.toBytes(COLUMNS), Bytes.toBytes(value));
}
actions.add(put);
return actions;
}
@Override
public List<Increment> getIncrements() {
List<Increment> incs = new LinkedList<Increment>();
return incs;
}
@Override
publicvoid close() {
}
}
该类实现的功能是将文件中的内容按行切分程两部分，分别插入列名为column1和column2的两列中，rowKey为当前时间。完成后将flume-ng代码重新编译打包。然后将flume-ng目录里面的lib文件夹的相应的jar文件替换。然后将上文中的agent.sinks.k1.serializer 值改为test..MyHBaseSerializer即可。其中test为包名。

sun1 发表于 2015-3-23 10:53
解决了吗，我昨天也遇到这样的问题了，还没有解决呢。

检查下classpath及配置文件

Good,I will have a try!

2014-07-30 19:18:06,730 (conf-file-poller-0) [INFO - org.apache.flume.node.AbstractConfigurationProvider.loadChannels(AbstractConfigurationProvider.java:205)] Created channel c1
2014-07-30 19:18:06,731 (conf-file-poller-0) [INFO - org.apache.flume.source.DefaultSourceFactory.create(DefaultSourceFactory.java:39)] Creating instance of source r1, type spooldir
2014-07-30 19:18:06,749 (conf-file-poller-0) [INFO - org.apache.flume.sink.DefaultSinkFactory.create(DefaultSinkFactory.java:40)] Creating instance of sink: k1, type: hbase
2014-07-30 19:18:06,756 (conf-file-poller-0) [ERROR - org.apache.flume.node.PollingPropertiesFileConfigurationProvider$FileWatcherRunnable.run(PollingPropertiesFileConfigurationProvider.java:145)] Failed to start agent because dependencies were not found in classpath. Error follows.
java.lang.NoClassDefFoundError: org/apache/hadoop/hbase/HBaseConfiguration
        at org.apache.flume.sink.hbase.HBaseSink.<init>(HBaseSink.java:102)
        at sun.reflect.NativeConstructorAccessorImpl.newInstance0(Native Method)
        at sun.reflect.NativeConstructorAccessorImpl.newInstance(NativeConstructorAccessorImpl.java:57)
        at sun.reflect.DelegatingConstructorAccessorImpl.newInstance(DelegatingConstructorAccessorImpl.java:45)
        at java.lang.reflect.Constructor.newInstance(Constructor.java:525)
        at java.lang.Class.newInstance0(Class.java:372)
        at java.lang.Class.newInstance(Class.java:325)
帮我看看这个吧，，不值到是什么原因导致的，，急啊

每次自定义Serializer都需要重新编译flume-ng吗

小小布衣 发表于 2014-7-31 00:15
2014-07-30 19:18:06,730 (conf-file-poller-0)  Created channel c1
2014-07-30 19:18:06,731 (conf-file ...

解决了吗，我昨天也遇到这样的问题了，还没有解决呢。

我现在遇到的问题是从windows下往linux下flume的spooldir路径里上传文件，会报异常java.lang.IllegalStateException: File has been modified since being read: /home/nids/wg/apache-flume-1.5.2-bin/ceshi12/1.txt
        at org.apache.flume.client.avro.ReliableSpoolingFileEventReader.retireCurrentFile(ReliableSpoolingFileEventReader.java:306)
就这个错，也就是边上传边通过flume来读写数据到hdfs会出错。请问有没有解决方案

问题导读：
1.如何配置分布式flume
2.master与node之间该如何配置，有什么异同？
3.启动命令是什么？
4.flume把数据插入hbase，该如何配置？

写的例子都很有实际用途，谢谢LZ的分享