通过flume-ng收集日志
最近接到一个日志收集的需求,经过测试和修改,目前基本实现想要的功能,记录一下。
先说一下日志收集的需求,每隔1小时收集一次log日志,按照类别生成不同的lzo压缩文件,而且生成的日志要放在到前一个小时的目录中。 拿到这个需求先想到使用flume来进行日志收集,再用Interceptor进行过滤, 可以通过自带的RegexFilteringInterceptor进行过滤,不过要处理的日志列数太多,写成正则表达式的话比较麻烦。于是乎就干脆自己写一个Interceptor好了,也比较利于以后的扩展。
首先下载flume(老版本下还要通过zookeeper进行),在最新的flume-ng下可以不依赖zookeeper,我使用的是flume1.5.0。
下载完之后,先把hadoop-lzo包拷贝到$FLUME_HOME/lib中,或者添加到flume-env.sh脚本中FLUME_CLASSPATH。
如果使用memory channel时, 遇到OOM的问题,还需要增加flume启动内存,具体做法是在flume-env.sh中扩大jvm。例如
JAVA_OPTS="-Xms1500m -Xmx2000m -Dcom.sun.management.jmxremote"
请注意:如果要使用flume-env.sh这种方式的话,要把flume-ng agent --conf conf 命令中引用的conf路径写全,网上有直接写成flume-ng agent --conf conf 这样的,是不起作用的。 要写--conf conf的全路径。比如我的路径是/home/max/flume/conf/, 那么就要写成
flume-ng agent --conf /home/max/flume/conf/
编写Intercepter
import java.text.SimpleDateFormat; import java.util.Calendar; import java.util.Iterator; import java.util.List; import java.util.Map; import org.apache.flume.Context; import org.apache.flume.Event; import org.apache.flume.interceptor.Interceptor; public class PlatformInterceptor implements Interceptor { private final String header; private String preHour; private String finalName; private String platform; private PlatformInterceptor(String header,String preHour,String finalName) { this.header = header; this.preHour = preHour; this.finalName = finalName; } @Override public void close() { } @Override public void initialize() { } private String[] split(String s) { return s.split("\t", -1); //一定要这么写-1,否则如果最后以\t结尾而又是空字段的话, java会split出错误的长度 } @Override public Event intercept(Event event) { String line = new String(event.getBody()); Map<String, String> headers = event.getHeaders(); String[] arrLine = split(line); if (arrLine.length != 20) { return null; } else { headers.put("platform", arrLine[3]); //第三列为业务类别 headers.put("preHour", preHour); headers.put("finalName", finalName); return event; } } @Override public List<Event> intercept(List<Event> events) { //此处生成前一个小时的字符串格式 Calendar cal = Calendar.getInstance(); cal.add(Calendar.HOUR_OF_DAY, -1); SimpleDateFormat formatter = new SimpleDateFormat("yyyy/MM/dd/HH"); preHour = formatter.format(cal.getTime()); formatter = new SimpleDateFormat("yyyyMMddHH"); finalName = formatter.format(cal.getTime()); for (Iterator<Event> iterator = events.iterator(); iterator.hasNext();) { Event next = intercept(iterator.next()); if (next == null) { iterator.remove(); } } return events; } public static class Builder implements Interceptor.Builder { private String header = "platform"; private String preHour = ""; private String finalName = ""; @Override public void configure(Context context) { header = context.getString("platform", "DEFAULT_PLATFORM"); } @Override public Interceptor build() { return new PlatformInterceptor(header,preHour,finalName); } } }
再写flume执行所依赖的配置文件:
#agent1 agent1.sources=source1 agent1.sinks=sink1 agent1.channels=channel1 #source1 agent1.sources.source1.type=spooldir #agent1.sources.source1.type=regex_extractor agent1.sources.source1.spoolDir=/hadoop/flume/flumelog #获取日志的目录 agent1.sources.source1.channels=channel1 #agent1.sources.source1.deletePolicy=immediate #立即删除.COMPELETED文件 agent1.sources.source1.fileHeader=false agent1.sources.source1.interceptors=platform #agent1.sources.source1.interceptors.a1.type=regex_extractor #正则interceptors #agent1.sources.source1.interceptors.a1.regex=(\\S+) (\\S+) # 此处为正则表达式的内容,有多少列写成多少列。(我是这种笨办法) #agent1.sources.source1.interceptors.a1.serializers=s1 s2 #agent1.sources.source1.interceptors.a1.serializers.s1.name=key1 #agent1.sources.source1.interceptors.a1.serializers.s2.name=key2 #agent1.sources.source1.interceptors.a1.platform=a2 #agent1.sources.source1.interceptors.a1.key=a1 #agent1.sources.source1.interceptors.a2.platform=a2 #agent1.sources.source1.interceptors.a2.key=a2 #agent1.sources.source1.interceptors.a1.value=a1 #agent1.sources.source1.interceptors.PlatformInterceptor2.type=PlatformInterceptor2$Builder #sink1 agent1.sinks.sink1.type=hdfs agent1.sinks.sink1.channel=channel1 agent1.sinks.sink1.hdfs.path=/user/max/flume-input/%{preHour} #生成前一个小时目录 agent1.sinks.sink1.hdfs.fileType=CompressedStream agent1.sinks.sink1.hdfs.rollInterval=0 #131072000 128M 67108864 64M #393216000 128*3 压缩比大概是1:3 #1572864000 128*3*4 agent1.sinks.sink1.hdfs.rollSize=1572864000 agent1.sinks.sink1.hdfs.rollCount=0 agent1.sinks.sink1.hdfs.idleTimeout=1800 # 如果没有event可写了,要等待这个时间之后才会关闭channel,即把.tmp 文件名修改成最终的文件名 agent1.sinks.sink1.hdfs.codeC=LzopCodec agent1.sinks.sink1.hdfs.filePrefix=boo_%{platform}_%{finalName}_40.seq agent1.sinks.sink1.hdfs.useLocalTimeStamp = true agent1.sinks.sink1.hdfs.threadsPoolSize=30 agent1.channels.channel1.type=memory agent1.channels.channel1.capacity = 1000000 agent1.channels.channel1.transactionCapacity = 1000000
编写sh
flume-ng agent --conf /hadoop/flume/flume/conf -n agent1 -C /home/max/PlatformInterceptor-0.0.1-SNAPSHOT.jar -f /hadoop/flume/project/new -Dflume.root.logger=INFO,console
参考:
http://flume.apache.org/FlumeUserGuide.html
如有错误之处,请指正,不胜感激。
郑重声明:本站内容如果来自互联网及其他传播媒体,其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。