Flume参数配置详解

  1. source
    采集日志数据，将采集到的日志数据传输给channel
  2. channel
    一个队列，存储source传递过来的数据
  3. sink
    从channel中获取数据，将数据输出到目标位置（HDFS、HBase、Source）
  4. Event
    传输数据的单元，Flume中采集数据并传输的最小单位


Flume数据的传输过程

flume安装配置hbasesink flume配置参数详解_flume安装配置hbasesink

Sources

Flume 中常用的 Source 有NetCat，Avro，Exec，Spooling Directory，也可以根据业务需要自定义Source,具体如下。

NetCat Source

NetCat Source可以使用TCP和UDP两种协议方式，使用方法基本相同，通过监听指定的IP和端口来传输数据，它会将监听到的每一行数据转化成一个Event写入到Channel中。（红色标记为必须参数）

channels –
type – 类型指定为：netcat
bind – 绑定机器名或IP地址
port – 端口号
max-line-length

Property Name

Default

Description

channels

–

type

–

类型指定为：netcat

bind

–

绑定机器名或IP地址

port

–

端口号

max-line-length

512

一行的最大字节数

ack-every-event

true

对成功接受的Event返回OK

selector.type

replicating

选择器类型replicating or multiplexing

selector.*

选择器相关参数

interceptors

–

拦截器列表，多个以空格分隔

interceptors.*

拦截器相关参数

Spooling Directory Source

通过监控一个文件夹将新增文件内容转换成Event传输数据，特点是不会丢失数据，使用Spooling Directory Source需要注意的两点是，

1)不能对被监控的文件夹下的新增的文件做出任何更改，

2）新增到监控文件夹的文件名称必须是唯一的。

由于是对整个新增文件的监控，Spooling Directory Source的实时性相对较低，不过可以采用对文件高粒度分割达到近似实时。

Property Name

Default

Description

channels

–

type

–

类型指定：spooldir.

spoolDir

–

被监控的文件夹目录

fileSuffix

.COMPLETED

完成数据传输的文件后缀标志

deletePolicy

never

删除已经完成数据传输的文件时间：never or immediate

fileHeader

false

是否在header中添加文件的完整路径信息

fileHeaderKey

file

如果header中添加文件的完整路径信息时key的名称

basenameHeader

false

是否在header中添加文件的基本名称信息

basenameHeaderKey

basename

如果header中添加文件的基本名称信息时key的名称

includePattern

^.*$

使用正则来匹配新增文件需要被传输数据的文件

ignorePattern

^$

使用正则来忽略新增的文件

trackerDir

.flumespool

存储元数据信息目录

consumeOrder

oldest

文件消费顺序：oldest, youngest and random.

maxBackoff

4000

如果channel容量不足，尝试写入的超时时间，如果仍然不能写入，则会抛出ChannelException

batchSize

100

批次处理粒度

inputCharset

UTF-8

输入码表格式

decodeErrorPolicy

FAIL

遇到不可解码字符后的处理方式：FAIL，REPLACE，IGNORE

selector.type

replicating

选择器类型：replicating or multiplexing

selector.*

选择器其他参数

interceptors

–

拦截器列表，空格分隔

interceptors.*


Channels

官网提供的Channel有多种类型可供选择，这里介绍Memory Channel和File Channel。

Memory Channel

Memory Channel是使用内存来存储Event，使用内存的意味着数据传输速率会很快，但是当Agent挂掉后，存储在Channel中的数据将会丢失。

Property Name

Default

Description

type

–

类型指定为：memory

capacity

100

存储在channel中的最大容量

transactionCapacity

100

从一个source中去或者给一个sink，每个事务中最大的事件数

keep-alive

3

对于添加或者删除一个事件的超时的秒钟

byteCapacityBufferPercentage

20

定义缓存百分比

byteCapacity

see description

Channel中允许存储的最大字节总数

File Channel

File Channel使用磁盘来存储Event，速率相对于Memory Channel较慢，但数据不会丢失。

Property Name

Default

Description

type

–

类型指定：file.

checkpointDir

~/.flume/file-channel/checkpoint

checkpoint目录

useDualCheckpoints

false

备份checkpoint，为True，backupCheckpointDir必须设置

backupCheckpointDir

–

备份checkpoint目录

dataDirs

~/.flume/file-channel/data

数据存储所在的目录设置

transactionCapacity

10000

Event存储最大值

checkpointInterval

30000

checkpoint间隔时间

maxFileSize

2146435071

单一日志最大设置字节数

minimumRequiredSpace

524288000

最小的请求闲置空间（以字节为单位）

capacity

1000000

Channel最大容量

keep-alive

3

一个存放操作的等待时间值（秒）

use-log-replay-v1

false

Expert: 使用老的回复逻辑

use-fast-replay

false

Expert: 回复不需要队列

checkpointOnClose

true


Sinks

Flume常用Sinks有Log Sink，HDFS Sink，Avro Sink，Kafka Sink，当然也可以自定义Sink。

HDFS Sink

Sink数据到HDFS，目前支持text 和 sequence files两种文件格式，支持压缩，并可以对数据进行分区，分桶存储。

Name

Default

Description

channel

–

type

–

指定类型：hdfs

hdfs.path

–

HDFS的路径 hdfs://namenode/flume/webdata/

hdfs.fileType

SequenceFile

文件格式，包括：SequenceFile, DataStream,CompressedStre， 当使用DataStream时候，文件不会被压缩，不需要设置hdfs.codeC; 当使用CompressedStream时候，必须设置一个正确的hdfs.codeC值；

hdfs.filePrefix

FlumeData

保存数据文件的前缀名

hdfs.fileSuffix

–

保存数据文件的后缀名

hdfs.inUsePrefix

–

临时写入的文件前缀名

hdfs.inUseSuffix

.tmp

临时写入的文件后缀名

hdfs.rollInterval

30

间隔多长将临时文件滚动成最终目标文件，单位：秒， 如果设置成0，则表示不根据时间来滚动文件

hdfs.rollSize

1024

当临时文件达到多少（单位：bytes）时，滚动成目标文件， 如果设置成0，则表示不根据临时文件大小来滚动文件

hdfs.rollCount

10

当 events 数据达到该数量时候，将临时文件滚动成目标文件，如果设置成0，则表示不根据events数据来滚动文件

hdfs.idleTimeout

0

当目前被打开的临时文件在该参数指定的时间（秒）内， 没有任何数据写入，则将该临时文件关闭并重命名成目标文件

hdfs.batchSize

100

每个批次刷新到 HDFS 上的 events 数量

hdfs.codeC

–

文件压缩格式，包括：gzip, bzip2, lzo, lzop, snappy

hdfs.maxOpenFiles

5000

最大允许打开的HDFS文件数，当打开的文件数达到该值，最早打开的文件将会被关闭

hdfs.minBlockReplicas

–

HDFS副本数，写入 HDFS 文件块的最小副本数。 该参数会影响文件的滚动配置，一般将该参数配置成1，才可以按照配置正确滚动文件

hdfs.writeFormat

Writable

写 sequence 文件的格式。包含：Text, Writable（默认）

hdfs.callTimeout

10000

执行HDFS操作的超时时间（单位：毫秒）

hdfs.threadsPoolSize

10

hdfs sink 启动的操作HDFS的线程数

hdfs.rollTimerPoolSize

1

hdfs sink 启动的根据时间滚动文件的线程数

hdfs.kerberosPrincipal

–

HDFS安全认证kerberos配置

hdfs.kerberosKeytab

–

HDFS安全认证kerberos配置

hdfs.proxyUser

代理用户

hdfs.round

false

是否启用时间上的”舍弃”

hdfs.roundValue

1

时间上进行“舍弃”的值

hdfs.roundUnit

second

时间上进行”舍弃”的单位，包含：second,minute,hour

hdfs.timeZone

Local Time

时区。

hdfs.useLocalTimeStamp

false

是否使用当地时间

hdfs.closeTries 0

Number

hdfs sink 关闭文件的尝试次数；如果设置为1，当一次关闭文件失败后，hdfs sink将不会再次尝试关闭文件， 这个未关闭的文件将会一直留在那，并且是打开状态； 设置为0，当一次关闭失败后，hdfs sink会继续尝试下一次关闭，直到成功

hdfs.retryInterval

180

hdfs sink 尝试关闭文件的时间间隔， 如果设置为0，表示不尝试，相当于于将hdfs.closeTries设置成1

serializer

TEXT

序列化类型

serializer.*

Kafka Sink

传输数据到Kafka中，需要注意Flume版本和Kafka版本的兼容性

Property Name

Default

Description

type

–

指定类型：org.apache.flume.sink.kafka.KafkaSink

kafka.bootstrap.servers

–

kafka服务地址

kafka.topic

default-flume-topic

kafka Topic

flumeBatchSize

100

批次写入kafka Event数