flume采集nginx到卡夫卡

初学耗时：0.5h

注：CSDN手机端暂不支持章节内链跳转，但外链可用，更好体验还请上电脑端。

一、扩展 Flume 采集数据   1.1  Flume 采集。
  1.2  数据内容样例。

---

记忆词：

  filegroups、positionFile

 Z05 - 999、网站流量日志分析

---

 ギ 舒适区ゾ || ♂ 累觉无爱 ♀

一、扩展 Flume 采集数据

  1.1 ~ Flume 采集。

• Flume 采集系统的搭建相对简单：
  1、在服务器上部署 agent 节点，修改配置文件
  2、启动 agent 节点，将采集到的数据汇聚到指定的 HDFS 目录中
• 针对 nginx 日志生成场景，如果通过 flume（1.6）收集，无论是 Spooling Directory Source 和 Exec Source 均不能满足动态实时收集的需求，在当前 flume1.7 稳定版本中，提供了一个非常好用的 TaildirSource，使用这个source，可以监控一个目录，并且使用正则表达式匹配该目录中的文件名进行实时收集。
• 核心配置如下：

a1.sources = r1
a1.sources.r1.type = TAILDIR
a1.sources.r1.channels = c1
a1.sources.r1.positionFile = /var/log/flume/taildir_position.json
a1.sources.r1.filegroups = f1 f2
a1.sources.r1.filegroups.f1 = /var/log/test1/example.log
a1.sources.r1.filegroups.f2 = /var/log/test2/.*log.*

• filegroups:指定 filegroups，可以有多个，以空格分隔；（TailSource 可以同时监控tail 多个目录中的文件）
• positionFile:配置检查点文件的路径，检查点文件会以 json 格式保存已经 tail 文件的位置，解决了断点不能续传的缺陷。
• filegroups.：配置每个 filegroup 的文件绝对路径，文件名可以用正则表达式匹配通过以上配置，就可以监控文件内容的增加和文件的增加。产生和所配置的文件名正则表达式不匹配的文件，则不会被 tail。

  1.2 ~ 数据内容样例。

58.215.204.118 - - [18/Sep/2018:06:51:35 +0000] "GET /wp-includes/js/jquery/jquery.js?ver=1.10.2 HTTP/1.1" 
304 0 "http://blog.fens.me/nodejs-socketio-chat/" "Mozilla/5.0 (Windows NT 5.1; rv:23.0) Gecko/20100101 
Firefox/23.0"

• 字段解析：

1. 访客 ip 地址： 58.215.204.118
2. 访客用户信息： - -
3. 请求时间：[18/Sep/2018:06:51:35 +0000]
4. 请求方式：GET
5. 请求的 url：/wp-includes/js/jquery/jquery.js?ver=1.10.2
6. 请求所用协议：HTTP/1.1
7. 响应码：304
8. 返回的数据流量：0
9. 访客的来源 url：http://blog.fens.me/nodejs-socketio-chat/
10. 访客所用浏览器：Mozilla/5.0 (Windows NT 5.1; rv:23.0) Gecko/20100101 Firefox/23.0

明月松间照，清泉石上流。

- - - - - - - - - - - - - - - - - - - - - - - - - - - -

＾ 至此，扩展 Flume 采集数据完成。

- - - - - - - - - - - - - - - - - - - - - - - - - - - -

※ 世间诱惑何其多，坚定始终不动摇。

结构化程序设计把程序的结构分解成三种基本模块：_____，循环机制和二分决策机制。

…

处理单元