引言
flume为什么要与kafka对接？
我们都知道flume可以跨节点进行数据的传输，那么flume与spark streaming对接不好吗？主要是flume对接到kafka的topic，可以给多个consumer group去生成多条业务线。虽然flume中的channel selector中的副本策略也可以给多个sink传输数据，但是每个channel selector都是很消耗资源的。其次，kafka也可以起到一个消峰的作用
文章目录
- 一、flume采集的数据发往一个topic
- 二、flume采集的数据发往多个topic
- 总结
一、flume采集的数据发往一个topic
这里为了方便测试，我采用的是netcat source、memory channel、kafka sink，当然你也可以采用你自己想要的方式配置flume，只需要根据官方文档修改对应的source和channel即可。
necat-flume-kafka.conf的配置文件如下：
#Name
a1.sources = r1
a1.sinks = k1
a1.channels = c1
#Source
a1.sources.r1.type = netcat
a1.sources.r1.bind = localhost
a1.sources.r1.port = 44444
#Channel
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
#Sink
a1.sinks.k1.type = org.apache.flume.sink.kafka.KafkaSink
a1.sinks.k1.topic = wjt
a1.sinks.k1.brokerList = node01:9092,node02:9092,node03:9092
a1.sinks.k1.kafka.flumeBatchSize = 20
a1.sinks.k1.kafka.producer.acks = 1
a1.sinks.k1.kafka.producer.linger.ms = 1
#Bind
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1其中你只需要修改sink中的topic和brokerList即可，当然你也可以增加其他的配置
1、启动kafka消费者
2、启动flume
3、启动netcat的客户端并发送几条数据
4、观察到kafka consumer很快就消费到了数据
二、flume采集的数据发往多个topic
如果数据有多种类型，比如点赞数据、评论数据、喜欢数据等等，是不是就要发往不同的topic去分析数据，这时候就需要用到flume的拦截器来做分类。
flume可以给event加上头信息，结合channel selector来发往不同的sink。
在flume官方文档可以看到：
意思是：如果你的event的头信息（k-v类型）包含一个topic字段，那么这个event将会被发送到对应的topic，并覆盖你配置的kafka.topic
拦截器的代码：
package wjt.demo;
import org.apache.flume.Context;
import org.apache.flume.Event;
import org.apache.flume.interceptor.Interceptor;
import java.util.ArrayList;
import java.util.List;
import java.util.Map;
/**
* @description:
* @author: wanjintao
* @time: 2020/8/29 11:45
*/
public class myInterceptor implements Interceptor {
//声明一个存放事件的集合
private List<Event> addHeaderEvents;
@Override
public void initialize() {
//初始化存放事件的集合
addHeaderEvents = new ArrayList<>();
}
//单个事件拦截
@Override
public Event intercept(Event event) {
//1. 获取事件中的头信息
Map<String, String> headers = event.getHeaders();
//2. 获取事件中的body信息
String body = new String(event.getBody());
//3. 根据body中是否有“Hello”来决定是否添加头信息
if (body.contains("hello")) {
//4. 有hello添加“wan”头信息
headers.put("topic", "www1");
} else {
//4. 没有hello添加“tao”头信息
headers.put("topic", "www2");
}
return event;
}
//批量事件拦截
@Override
public List<Event> intercept(List<Event> events) {
//1. 清空集合
addHeaderEvents.clear();
//2. 遍历events
for (Event event : events) {
//3. 给每一个事件添加头信息
addHeaderEvents.add(intercept(event));
}
//4. 返回结果
return addHeaderEvents;
}
@Override
public void close() {
}
public static class Builder implements Interceptor.Builder {
@Override
public Interceptor build() {
return new myInterceptor();
}
@Override
public void configure(Context context) {
}
}
}你只需要修改单个事件拦截的代码即可，我这里是如果数据包含hello，将会给事件加上header（topic,www1），反之则给事件加上header（topic,www2），打包上传至flume/lib目录下
netcat-flume-typekafka.conf的配置文件：
#Name
a1.sources = r1
a1.sinks = k1
a1.channels = c1
#Source
a1.sources.r1.type = netcat
a1.sources.r1.bind = localhost
a1.sources.r1.port = 44444
#Interceptor
a1.sources.r1.interceptors = i1
a1.sources.r1.interceptors.i1.type = wjt.demo.myInterceptor$Builder
#Channel
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
#Sink
a1.sinks.k1.type = org.apache.flume.sink.kafka.KafkaSink
a1.sinks.k1.topic = wjt
a1.sinks.k1.brokerList = node01:9092,node02:9092,node03:9092
a1.sinks.k1.kafka.flumeBatchSize = 20
a1.sinks.k1.kafka.producer.acks = 1
a1.sinks.k1.kafka.producer.linger.ms = 1
#Bind
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1你只需要将a1.sources.r1.interceptors.i1.type的值改为你上面的拦截器的全类名$Builder即可
1、先启动consumer1和consumer2（flume启动顺序都是先启动服务端在启动客户端）
2、启动flume
3、启动netcat客户端
4、观察consumer消费的topic可以看到，www1只接受到了包含hello的数据，www2只接受到了没有包含hello的数据
总结
很多时候flume官方文档可以帮助我们解决很多自己想要的业务场景，我们要更多地去查看官方文档
