flume日誌採集,hbase資料儲存,hive查詢輸出(簡單整合)

駐思碼記發表於2020-12-23

       本文簡要介紹用flume做日誌採集,然後用hbase做資料儲存,最後通過hive查詢資料輸出檔案的一種過程模式。

流程如下圖:

          

        假定:mysql已安裝並啟動,hadoop及zookeeper叢集已安裝部署並啟動。

 

一、flume 日誌採集

         1. flume分散式安裝(略)

                 本文采用 apache-flume-1.9.0,一主兩從搭建,通過負載均衡方式將採集到的日誌輸入hbase儲存

         2. 基本配置

                 (1) # master 通過exec 方式監聽日誌檔案輸出

                 [root@master conf]# cd /usr/local/apache-flume-1.9.0-bin
                 [root@master conf]# vim conf/flume-client.conf  

                # agent1 name
                   agent1.channels = c1
                   agent1.sources = r1
                   agent1.sinks = k1 k2

               # set channel
                  agent1.channels.c1.type = memory
                  agent1.channels.c1.capacity = 1000
                  agent1.channels.c1.transactionCapacity = 100

               # set source       # exec監控command
                  agent1.sources.r1.channels = c1
                  agent1.sources.r1.type = exec
                  agent1.sources.r1.command = tail -F /usr/local/apache-flume-1.9.0-bin/data/test_cluster.log

              # set sink1
                 agent1.sinks.k1.channel = c1
                 agent1.sinks.k1.type = avro
                 agent1.sinks.k1.hostname = slave1
                 agent1.sinks.k1.port = 52020

             # set sink2
                agent1.sinks.k2.channel = c1
                agent1.sinks.k2.type = avro
                agent1.sinks.k2.hostname = slave2
                agent1.sinks.k2.port = 52020

            # set sink group
               agent1.sinkgroups = g1
               agent1.sinkgroups.g1.sinks = k1 k2

            # load balance
               agent1.sinkgroups.g1.processor.type = load_balance
               agent1.sinkgroups.g1.processor.selector = round_robin

            # set failover
            #agent1.sinkgroups.g1.processor.type = failover
            #agent1.sinkgroups.g1.processor.k1 = 10
            #agent1.sinkgroups.g1.processor.k2 = 1
            #agent1.sinkgroups.g1.processor.maxpenalty = 10000

          

          # 啟動master flume 節點

             [root@master apache-flume-1.9.0-bin]# bin/flume-ng agent --conf conf --conf-file conf/flume-client.conf  --name agent1 -Dflume.root.logger=INFO,console

          (2) #slave1 節點配置

            [root@slave1 home]# cd /usr/local/apache-flume-1.9.0-bin
            [root@slave1 apache-flume-1.9.0-bin]# vim conf/flume-hbase.conf

            # agent1 name
               a1.channels = c1
               a1.sources = r1
               a1.sinks = k1

           # set channel
              a1.channels.c1.type = memory
              a1.channels.c1.capacity = 1000
              a1.channels.c1.transactionCapacity = 100

          # other node, slave to master
             a1.sources.r1.type = avro
             a1.sources.r1.bind = slave1
             a1.sources.r1.port = 52020

         # set sink to hdfs
            a1.sinks.k1.type = org.apache.flume.sink.hbase.HBaseSink
            a1.sinks.k1.table = t_user
            a1.sinks.k1.columnFamily = user_profile
            a1.sinks.k1.serializer = org.apache.flume.sink.hbase.RegexHbaseEventSerializer
            a1.sinks.k1.serializer.regex = \\[(.*?)\\]\\ \\[(.*?)\\]\\ \\[(.*?)\\]\\ \\[(.*?)\\]\\ \\[(.*?)\\]
            a1.sinks.k1.serializer.colNames = userId,gender,province,birthday,lastLoginTime

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

         # 啟動slave1 flume 節點

          [root@slave1 apache-flume-1.9.0-bin]# bin/flume-ng agent --conf conf --conf-file conf/flume-server.conf  --name a1 -Dflume.root.logger=INFO,console

          (3) #slave2 節點配置

            [root@slave2 home]# cd /usr/local/apache-flume-1.9.0-bin
            [root@slave2 apache-flume-1.9.0-bin]# vim conf/flume-hbase.conf

           # agent1 name
              a1.channels = c1
              a1.sources = r1
              a1.sinks = k1

          # set channel
             a1.channels.c1.type = memory
             a1.channels.c1.capacity = 1000
             a1.channels.c1.transactionCapacity = 100

         # other node, slave to master
            a1.sources.r1.type = avro
            a1.sources.r1.bind = slave2
            a1.sources.r1.port = 52020

        # set sink to hdfs
           a1.sinks.k1.type = org.apache.flume.sink.hbase.HBaseSink
           a1.sinks.k1.table = t_user
           a1.sinks.k1.columnFamily = user_profile
           a1.sinks.k1.serializer = org.apache.flume.sink.hbase.RegexHbaseEventSerializer
           a1.sinks.k1.serializer.regex = \\[(.*?)\\]\\ \\[(.*?)\\]\\ \\[(.*?)\\]\\ \\[(.*?)\\]\\ \\[(.*?)\\]
           a1.sinks.k1.serializer.colNames = userId,gender,province,birthday,lastLoginTime

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

       # 啟動slave2 flume 節點

          [root@slave2 apache-flume-1.9.0-bin]# bin/flume-ng agent --conf conf --conf-file conf/flume-server.conf  --name a1 -Dflume.root.logger=INFO,console

二、hbase 資料儲存

         1. hbase 叢集安裝部署(略)

         2. shell終端啟動hbase,並建立表 t_user

                  

           3. 向表 t_user手動插入一些資料

                  

           4. 檢視錶 t_user資料

                  

三、hive 查詢輸出

         1. hive 叢集安裝部署(略)

         2. 終端啟動hive

             

         3. 建立hive到hbase的對映表

                  create external table t_user(id string, userId string, gender string, province string, birthday string, lastLoginTime string) 
                  ROW FORMAT DELIMITED FIELDS TERMINATED BY '\001'
                 STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler' 
                 WITH SERDEPROPERTIES (
                 "hbase.columns.mapping" = ":key,user_profile:userId,user_profile:gender,user_profile:province,user_profile:birthday,user_profile:lastLoginTime") 
                 TBLPROPERTIES("hbase.table.name" = "t_user");

          4. 通過hive查詢表資料

                

           5. 從master 節點模擬日誌檔案輸出

                

                輸出日誌格式參考flume slave 節點正則匹配格式:

                a1.sinks.k1.serializer.regex = \\[(.*?)\\]\\ \\[(.*?)\\]\\ \\[(.*?)\\]\\ \\[(.*?)\\]\\ \\[(.*?)\\]

          6. hbase shell 終端檢視資料是否存入hbase

                

         7. hive檢視是否同步hbase最新資料

               

        8.寫指令碼提取資料檔案(可以寫crontab定時執行)

               

              

              將空格分隔符替換為逗號

              

 

總結:以上即為一個日誌檔案採集到資料檔案輸出的簡單過程,後續還會持續更新,包括補充一些叢集部署步驟以及過程中容易踩到的一些坑。

相關文章