Apache Flume timestamp和host攔截器使用

一、 Flume攔截器介紹

攔截器是簡單的插件式組件，設(shè)置在source和channel之間。source接收到的時間，在寫入channel之前，攔截器都可以進行轉(zhuǎn)換或者刪除這些事件。每個攔截器只處理同一個source接收到的事件?？梢宰远x攔截器。

flume內(nèi)置了很多攔截器，并且會定期的添加一些攔截器，下面我們學(xué)習(xí)flume內(nèi)置的，兩個經(jīng)常使用的攔截器。

1. Timestamp Interceptor(時間戳攔截器)

flume中一個最經(jīng)常使用的攔截器 ，該攔截器的作用是將時間戳插入到flume的事件報頭中。如果不使用任何攔截器，flume接受到的只有message。時間戳攔截器的配置。

參數(shù)默認值描述type類型名稱timestamp，也可以使用類名的全路徑。preserveExisting false 如果設(shè)置為true，若事件中報頭已經(jīng)存在，不會替換時間戳報頭的值。

a1.sources.r1.interceptors = timestamp

a1.sources.r1.interceptors.timestamp.type=timestamp

a1.sources.r1.interceptors.timestamp.preserveExisting=false

2. Host Interceptor(主機攔截器)

主機攔截器插入服務(wù)器的ip地址或者主機名，agent將這些內(nèi)容插入到事件的報頭中。時間報頭中的key使用hostHeader配置，默認是host。主機攔截器的配置參數(shù) 默認值 描述 type 類型名稱host hostHeader host 事件投的key useIP true 如果設(shè)置為false，host鍵插入主機名 preserveExisting false 如果設(shè)置為true，若事件中報頭已經(jīng)存在，不會替換host報頭的值

a1.sources.r1.interceptors = host

a1.sources.r1.interceptors.host.type=host

a1.sources.r1.interceptors.host.useIP=false

a1.sources.r1.interceptors.timestamp.preserveExisting=true

二、 業(yè)務(wù)需求

使用flume內(nèi)置攔截器完成如下需求：

1. agent配置

# 03 timestamp and host interceptors work before source
a1.sources.r1.interceptors = i1
i2  # 兩個interceptor串聯(lián)，依次作用于event
a1.sources.r1.interceptors.i1.type = timestamp
a1.sources.r1.interceptors.i1.preserveExisting = false

a1.sources.r1.interceptors.i2.type = host
# flume event的頭部將添加 “hostname”:實際主機名
a1.sources.r1.interceptors.i2.hostHeader = hostname  # 指定key,value將填充為flume agent所在節(jié)點的主機名
a1.sources.r1.interceptors.i2.useIP = false  # IP和主機名，二選一即可

# 04 hdfs sink
a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path = hdfs: // master:9000 / flume / % Y - % m - % d /  
# hdfs sink將根據(jù)event header中的時間戳進行替換
# 和hostHeader的值保持一致，hdfs sink將提取event中key為hostnmae的值，基于該值創(chuàng)建文件名前綴
a1.sinks.k1.hdfs.filePrefix = % {hostname}  # hdfs sink將根據(jù)event header中的hostnmae對應(yīng)的value進行替換
a1.sinks.k1.hdfs.fileType = DataStream
a1.sinks.k1.hdfs.writeFormat = Text
a1.sinks.k1.hdfs.rollInterval = 0
a1.sinks.k1.hdfs.rollCount = 10
a1.sinks.k1.hdfs.rollSize = 1024000

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

# bind source,sink to channel
a1.sinks.k1.channel = c1
a1.sources.r1.channels = c1

三、 驗證攔截器效果

1. 驗證思路

1)先將interceptor作用后的event，通過logger sink打印到console，驗證header是否正常添加

2)修改sink為hdfs, 觀察目錄和文件的名稱是否能夠按照預(yù)期創(chuàng)建(時間戳-目錄，hostname-文件前綴)

2. 驗證過程

1)發(fā)送header為空的http請求，logger sink打印event到終端，觀察event header中是否被添加了timestamp以及hostname

# 01 define agent name, source/sink/channel name
a1.sources = r1
a1.sinks = k1
a1.channels = c1

# 02 source,http,jsonhandler
a1.sources.r1.type = http
a1.sources.r1.bind = node - 1
a1.sources.r1.port = 8888
a1.sources.r1.handler = org.apache.flume.source.http.JSONHandler

# 03 timestamp and host interceptors work before source
a1.sources.r1.interceptors = i1
i2
a1.sources.r1.interceptors.i1.type = timestamp
a1.sources.r1.interceptors.i1.preserveExisting = false

a1.sources.r1.interceptors.i2.type = host
a1.sources.r1.interceptors.i2.hostHeader = hostname
a1.sources.r1.interceptors.i2.useIP = false

# 04 hdfs sink
a1.sinks.k1.type = logger

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

# bind source,sink to channel 
a1.sinks.k1.channel = c1
a1.sources.r1.channels = c1

啟動flume agent

bin/flume-ng agent -c ./conf -f ./conf/http_sink_logger_source.conf -n a1 -Dflume.root.logger=INFO,console

發(fā)送請求測試：

curl -X POST -d '[{"header":{},"body":"time-host-interceptor001"}]' http://node-1:8888

可以看到終端輸出的event header中已經(jīng)有了攔截器的信息

修改sink為hdfs, 觀察HDFS的目錄名（時間戳）和文件前綴（hostnme)

目錄名被正常替換(基于event header中的時間戳)

文件前綴被正常替換(基于event header中的hostname:實際主機名)

文件內(nèi)容被寫入為event的body

本文來自：傳智播客大數(shù)據(jù)培訓(xùn)學(xué)院