Flume

file->flume->kafka

Flume組件選型

1)Source

(1)Taildir Source相比Exec Source从隆、Spooling Directory Source的優(yōu)勢

TailDir Source:斷點(diǎn)續(xù)傳踪区、多目錄刺彩。Flume1.6以前需要自己自定義Source記錄每次讀取文件位置血久,實(shí)現(xiàn)斷點(diǎn)續(xù)傳屹培。

Exec Source可以實(shí)時搜集數(shù)據(jù),但是在Flume不運(yùn)行或者Shell命令出錯的情況下沟绪,數(shù)據(jù)將會丟失。

Spooling Directory Source監(jiān)控目錄空猜,支持?jǐn)帱c(diǎn)續(xù)傳绽慈。

(2)batchSize大小如何設(shè)置?

    Event 1K左右時辈毯,500-1000合適(默認(rèn)為100)

2)Channel

采用Kafka Channel坝疼,省去了Sink,提高了效率谆沃。KafkaChannel數(shù)據(jù)存儲在Kafka里面钝凶,所以數(shù)據(jù)是存儲在磁盤中。

配置文件實(shí)例

#為各組件命名
a1.sources = r1
a1.channels = c1

#描述source
a1.sources.r1.type = TAILDIR
a1.sources.r1.filegroups = f1
a1.sources.r1.filegroups.f1 = /opt/module/applog/log/app.*
a1.sources.r1.positionFile = /opt/module/flume/taildir_position.json
a1.sources.r1.interceptors =  i1
a1.sources.r1.interceptors.i1.type = com.atguigu.flume.interceptor.ETLInterceptor$Builder

#描述channel
a1.channels.c1.type = org.apache.flume.channel.kafka.KafkaChannel
a1.channels.c1.kafka.bootstrap.servers = hadoop102:9092,hadoop103:9092
a1.channels.c1.kafka.topic = topic_log
a1.channels.c1.parseAsFlumeEvent = false

#綁定source和channel以及sink和channel的關(guān)系
a1.sources.r1.channels = c1

kafka->flume->hdfs

Flume組件選型

1)FileChannel和MemoryChannel區(qū)別

MemoryChannel傳輸數(shù)據(jù)速度更快唁影,但因?yàn)閿?shù)據(jù)保存在JVM的堆內(nèi)存中耕陷,Agent進(jìn)程掛掉會導(dǎo)致數(shù)據(jù)丟失,適用于對數(shù)據(jù)質(zhì)量要求不高的需求据沈。

FileChannel傳輸速度相對于Memory慢哟沫,但數(shù)據(jù)安全保障高,Agent進(jìn)程掛掉也可以從失敗中恢復(fù)數(shù)據(jù)锌介。

2)FileChannel優(yōu)化

  • 通過配置dataDirs指向多個路徑嗜诀,每個路徑對應(yīng)不同的硬盤猾警,增大Flume吞吐量。
    • Comma separated list of directories for storing log files. Using multiple directories on separate disks can improve file channel peformance
  • checkpointDirbackupCheckpointDir也盡量配置在不同硬盤對應(yīng)的目錄中隆敢,保證checkpoint損壞后发皿,可以快速使用backupCheckpointDir恢復(fù)數(shù)據(jù)

3)Sink:HDFS Sink

(1)HDFS存入大量小文件,有什么影響拂蝎?

元數(shù)據(jù)層面:每個小文件都有一份元數(shù)據(jù)穴墅,其中包括文件路徑,文件名匣屡,所有者封救,所屬組,權(quán)限捣作,創(chuàng)建時間等誉结,這些信息都保存在Namenode內(nèi)存中。所以小文件過多券躁,會占用Namenode服務(wù)器大量內(nèi)存惩坑,影響Namenode性能和使用壽命

計算層面:默認(rèn)情況下MR會對每個小文件啟用一個Map任務(wù)計算,非常影響計算性能也拜。同時也影響磁盤尋址時間以舒。

(2)HDFS小文件處理

官方默認(rèn)的這三個參數(shù)配置寫入HDFS后會產(chǎn)生小文件,hdfs.rollInterval慢哈、hdfs.rollSize蔓钟、hdfs.rollCount

基于以上hdfs.rollInterval=3600,hdfs.rollSize=134217728卵贱,hdfs.rollCount =0幾個參數(shù)綜合作用滥沫,效果如下:

(1)文件在達(dá)到128M時會滾動生成新文件

(2)文件創(chuàng)建超3600秒時會滾動生成新文件

配置文件實(shí)例

## 組件
a1.sources=r1
a1.channels=c1
a1.sinks=k1

## source1
a1.sources.r1.type = org.apache.flume.source.kafka.KafkaSource
a1.sources.r1.batchSize = 5000
a1.sources.r1.batchDurationMillis = 2000
a1.sources.r1.kafka.bootstrap.servers = hadoop102:9092,hadoop103:9092,hadoop104:9092
a1.sources.r1.kafka.topics=topic_log
a1.sources.r1.interceptors = i1
a1.sources.r1.interceptors.i1.type = com.atguigu.flume.interceptor.TimeStampInterceptor$Builder

## channel1
a1.channels.c1.type = file
a1.channels.c1.checkpointDir = /opt/module/flume/checkpoint/behavior1
a1.channels.c1.dataDirs = /opt/module/flume/data/behavior1/
a1.channels.c1.maxFileSize = 2146435071
a1.channels.c1.capacity = 1000000
a1.channels.c1.keep-alive = 6


## sink1
a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path = /origin_data/gmall/log/topic_log/%Y-%m-%d
a1.sinks.k1.hdfs.filePrefix = log-
a1.sinks.k1.hdfs.round = false


a1.sinks.k1.hdfs.rollInterval = 10
a1.sinks.k1.hdfs.rollSize = 134217728
a1.sinks.k1.hdfs.rollCount = 0

## 控制輸出文件是原生文件。
a1.sinks.k1.hdfs.fileType = CompressedStream
a1.sinks.k1.hdfs.codeC = lzop

## 拼裝
a1.sources.r1.channels = c1
a1.sinks.k1.channel= c1

內(nèi)存優(yōu)化

1)問題描述:如果啟動消費(fèi)Flume拋出如下異常:

ERROR hdfs.HDFSEventSink: process failed

java.lang.OutOfMemoryError: GC overhead limit exceeded

2)解決方案

vim flume/conf/flume-env.sh
export JAVA_OPTS="-Xms100m -Xmx2000m -Dcom.sun.management.jmxremote"
# JVM heap一般設(shè)置為4G或更高
# -Xmx與-Xms最好設(shè)置一致键俱,減少內(nèi)存抖動帶來的性能影響兰绣,如果設(shè)置不一致容易導(dǎo)致頻繁fullgc。
# -Xms表示JVM Heap(堆內(nèi)存)最小尺寸编振,初始分配缀辩;-Xmx 表示JVM Heap(堆內(nèi)存)最大允許的尺寸,按需分配踪央。如果不設(shè)置一致臀玄,容易在初始化時,由于內(nèi)存不夠杯瞻,頻繁觸發(fā)fullgc镐牺。
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市魁莉,隨后出現(xiàn)的幾起案子睬涧,更是在濱河造成了極大的恐慌募胃,老刑警劉巖,帶你破解...
    沈念sama閱讀 222,590評論 6 517
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件畦浓,死亡現(xiàn)場離奇詭異痹束,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)讶请,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,157評論 3 399
  • 文/潘曉璐 我一進(jìn)店門祷嘶,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人夺溢,你說我怎么就攤上這事论巍。” “怎么了风响?”我有些...
    開封第一講書人閱讀 169,301評論 0 362
  • 文/不壞的土叔 我叫張陵嘉汰,是天一觀的道長。 經(jīng)常有香客問我状勤,道長鞋怀,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 60,078評論 1 300
  • 正文 為了忘掉前任持搜,我火速辦了婚禮密似,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘葫盼。我一直安慰自己残腌,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 69,082評論 6 398
  • 文/花漫 我一把揭開白布贫导。 她就那樣靜靜地躺著废累,像睡著了一般。 火紅的嫁衣襯著肌膚如雪脱盲。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,682評論 1 312
  • 那天日缨,我揣著相機(jī)與錄音钱反,去河邊找鬼。 笑死匣距,一個胖子當(dāng)著我的面吹牛面哥,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播毅待,決...
    沈念sama閱讀 41,155評論 3 422
  • 文/蒼蘭香墨 我猛地睜開眼尚卫,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了尸红?” 一聲冷哼從身側(cè)響起吱涉,我...
    開封第一講書人閱讀 40,098評論 0 277
  • 序言:老撾萬榮一對情侶失蹤刹泄,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后怎爵,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體特石,經(jīng)...
    沈念sama閱讀 46,638評論 1 319
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,701評論 3 342
  • 正文 我和宋清朗相戀三年鳖链,在試婚紗的時候發(fā)現(xiàn)自己被綠了姆蘸。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 40,852評論 1 353
  • 序言:一個原本活蹦亂跳的男人離奇死亡芙委,死狀恐怖逞敷,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情灌侣,我是刑警寧澤推捐,帶...
    沈念sama閱讀 36,520評論 5 351
  • 正文 年R本政府宣布,位于F島的核電站顶瞳,受9級特大地震影響玖姑,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜慨菱,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 42,181評論 3 335
  • 文/蒙蒙 一焰络、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧符喝,春花似錦闪彼、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,674評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至茉稠,卻和暖如春描馅,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背而线。 一陣腳步聲響...
    開封第一講書人閱讀 33,788評論 1 274
  • 我被黑心中介騙來泰國打工铭污, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人膀篮。 一個月前我還...
    沈念sama閱讀 49,279評論 3 379
  • 正文 我出身青樓嘹狞,卻偏偏與公主長得像,于是被迫代替她去往敵國和親誓竿。 傳聞我的和親對象是個殘疾皇子磅网,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,851評論 2 361

推薦閱讀更多精彩內(nèi)容