Apache Flume - 序列生成器源

在上一章中，我们了解了如何从 twitter 源获取数据到 HDFS。本章介绍如何从序列生成器获取数据。

先决条件

要运行本章提供的示例，您需要安装HDFS和Flume。因此，在继续操作之前，请验证 Hadoop 安装并启动 HDFS。（参考上一章了解如何启动HDFS）。

配置 Flume

我们必须使用conf文件夹中的配置文件来配置源、通道和接收器。本章给出的示例使用序列生成器源、内存通道和HDFS 接收器。

序列发生器源

它是不断产生事件的源头。它维护一个从0开始并以1递增的计数器。它用于测试目的。配置此源时，您必须为以下属性提供值 -

  • 渠道

  • 源类型- seq

渠道

我们正在使用内存通道。要配置内存通道，您必须为通道类型提供一个值。下面给出了配置内存通道时需要提供的属性列表 -

  • type - 它保存通道的类型。在我们的示例中，类型是 MemChannel。

  • 容量- 通道中存储的最大事件数。其默认值为 100。（可选）

  • TransactionCapacity - 这是通道接受或发送的最大事件数。其默认值为 100。（可选）。

HDFS 接收器

该接收器将数据写入 HDFS。要配置此接收器，您必须提供以下详细信息。

  • 渠道

  • 类型- hdfs

  • hdfs.path - HDFS 中存储数据的目录路径。

我们可以根据场景提供一些可选值。下面给出的是我们在应用程序中配置的 HDFS 接收器的可选属性。

  • fileType - 这是我们的 HDFS 文件所需的文件格式。SequenceFile、DataStream和CompressedStream是此流可用的三种类型。在我们的示例中，我们使用DataStream。

  • writeFormat - 可以是文本或可写。

  • batchSize - 它是在将文件刷新到 HDFS 之前写入文件的事件数。其默认值为 100。

  • rollsize - 触发滚动的文件大小。它的默认值为 100。

  • rollCount - 它是在滚动之前写入文件的事件数。它的默认值为 10。

示例 – 配置文件

下面给出的是配置文件的示例。复制此内容并在 Flume 的conf文件夹中另存为seq_gen.conf 。

# Naming the components on the current agent 

SeqGenAgent.sources = SeqSource   
SeqGenAgent.channels = MemChannel 
SeqGenAgent.sinks = HDFS 
 
# Describing/Configuring the source 
SeqGenAgent.sources.SeqSource.type = seq
  
# Describing/Configuring the sink
SeqGenAgent.sinks.HDFS.type = hdfs 
SeqGenAgent.sinks.HDFS.hdfs.path = hdfs://localhost:9000/user/Hadoop/seqgen_data/
SeqGenAgent.sinks.HDFS.hdfs.filePrefix = log 
SeqGenAgent.sinks.HDFS.hdfs.rollInterval = 0
SeqGenAgent.sinks.HDFS.hdfs.rollCount = 10000
SeqGenAgent.sinks.HDFS.hdfs.fileType = DataStream 
 
# Describing/Configuring the channel 
SeqGenAgent.channels.MemChannel.type = memory 
SeqGenAgent.channels.MemChannel.capacity = 1000 
SeqGenAgent.channels.MemChannel.transactionCapacity = 100 
 
# Binding the source and sink to the channel 
SeqGenAgent.sources.SeqSource.channels = MemChannel
SeqGenAgent.sinks.HDFS.channel = MemChannel

执行

浏览 Flume 主目录并执行应用程序，如下所示。

$ cd $FLUME_HOME 
$./bin/flume-ng agent --conf $FLUME_CONF --conf-file $FLUME_CONF/seq_gen.conf 
   --name SeqGenAgent

如果一切顺利，源开始生成序列号，这些序列号将以日志文件的形式推送到 HDFS 中。

下面给出的是命令提示符窗口的快照，该窗口将序列生成器生成的数据提取到 HDFS 中。

数据生成

验证 HDFS

您可以使用以下 URL 访问 Hadoop 管理 Web UI -

http://localhost:50070/

单击页面右侧名为“实用程序”的下拉列表。您可以看到两个选项，如下图所示。

验证 HDFS

单击“浏览文件系统”并输入存储序列生成器生成的数据的 HDFS 目录的路径。

在我们的示例中，路径为/user/Hadoop/ seqgen_data /。然后，您可以看到序列生成器生成的日志文件列表，存储在 HDFS 中，如下所示。

浏览文件系统

验证文件的内容

所有这些日志文件都包含顺序格式的数字。您可以使用cat命令验证文件系统中这些文件的内容，如下所示。

验证文件的内容