flume自定义source

一、
在使用flume采集日志时，可以通过flume进行监控某一个文件把生产的数据传输给指定的sink，但是有时使用官方给的source不能解决我们的需求或者有一些缺点，就比如日志收集，source是exec类型，通过tail -F 进行监控，但是如果某段时间flume所在机器宕机了，那么当重新启动后，在去监控时，会导致有数据丢失，不是接着上一次的数据继续进行读取，因此针对这种情况时可能需要我们自定一个source，记录偏移量，每次都都是接着上次继续读

二
下面就是具体实现的代码
再写代码时可以参照官方给的source的源码进行编写，比如ExecSource
flume的生命周期： 先执行构造器，再执行 config方法 --> start方法 --> processor.process–> stop
读取配置文件:(配置读取的文件内容：读取那个文件，编码及、偏移量写到那个文件，多长时间检测一下文件是否有新内容

import org.apache.commons.io.FileUtils;
import org.apache.flume.Context;
import org.apache.flume.EventDrivenSource;
import org.apache.flume.channel.ChannelProcessor;
import org.apache.flume.conf.Configurable;
import org.apache.flume.event.EventBuilder;
import org.apache.flume.source.AbstractSource;
import org.apache.flume.source.ExecSource;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

import java.io.File;
import java.io.IOException;
import java.io.RandomAccessFile;
import java.nio.charset.Charset;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.TimeUnit;


//自定义source，记录偏移量
    /*
    flume的生命周期： 先执行构造器，再执行 config方法 -> start方法-》 processor.process
    1、读取配置文件:(配置读取的文件内容：读取那个文件，编码及、偏移量写到那个文件，多长时间检测一下文件是否有新内容
    )
     */
public class TailFileSource extends AbstractSource implements EventDrivenSource, Configurable {
    //记录日志
    private static final Logger logger = LoggerFactory.getLogger(ExecSource.class);
    private String filePath;
    private String  charset;
    private String positionFile;
    private long interval;

    private ExecutorService executor;

    private  FileRunnable fileRunnable;

    //读取配置文件（flume在执行一次job时定义的配置文件）
    @Override
    public void configure(Context context) {

        //（如果在flume的job的配置文件中不修改，就是用这些默认的配置）


        //读取哪个文件
        filePath = context.getString("filePath");
         //默认使用utf-8
         charset = context.getString("charset","UTF-8");
         //把偏移量写到哪
         positionFile = context.getString("positionFile");
        //指定默认每个一秒 去查看一次是否有新的内容
         interval = context.getLong("interval", 1000L);
    }


    /*
     *1、创建一个线程来监听一个文件
     */
       @Override
    public synchronized void start() {
       //创建一个单线程的线程池
           executor = Executors.newSingleThreadExecutor();
           //获取一个ChannelProcessor
           final ChannelProcessor channelProcessor = getChannelProcessor();

           fileRunnable = new FileRunnable(filePath,charset,positionFile,interval,channelProcessor);
           //提交到线程池中
           executor.submit(fileRunnable);
           //调用父类的方法
            super.start();


    }

    @Override
    public synchronized void stop() {
           //停止
       fileRunnable.setFlag(false);
       //停止线程池
       executor.shutdown();

       while (!executor.isTerminated()){
           logger.debug("Waiting for filer exec executor service to stop");
           try {
               //等500秒在停
               executor.awaitTermination(500, TimeUnit.MILLISECONDS);
           } catch (InterruptedException e) {
               logger.debug("InterutedExecption while waiting for exec executor service" +
                       " to stop . Just exiting");
               e.printStackTrace();
           }
       }
        super.stop();
    }



    private static class FileRunnable implements Runnable{


        private String  charset;

        private long interval;
        private long offset = 0L;
        private ChannelProcessor channelProcessor;
        private  RandomAccessFile raf;
        private boolean flag = true;
        private File posFile;
           /*
           先于run方法执行，构造器只执行一次
           先看看有没有偏移量，如果有就接着读，如果没有就从头开始读
            */
        public FileRunnable(String filePath, String charset, String positionFile, long interval, ChannelProcessor channelProcessor) {


            this.charset = charset;
            this.interval = interval;
            this.channelProcessor = channelProcessor;
            //读取偏移量， 在postionFile文件
            posFile = new File(positionFile);
            if(!posFile.exists()){
                //如果不存在就创建一个文件
                try {
                    posFile.createNewFile();
                } catch (IOException e) {

                    e.printStackTrace();
                    logger.error("创建保存偏移量的文件失败:",e);
                }
            }

            try {
                //读取文件的偏移量
                String offsetString = FileUtils.readFileToString(posFile);

                //以前读取过
                if(!offsetString.isEmpty()&&null!=offsetString&&!"".equals(offsetString)){
                    //把偏移量穿换成long类型
                    offset = Long.parseLong(offsetString);
                }

                //按照指定的偏移量读取数据
                raf = new RandomAccessFile(filePath,"r");
                //按照指定的偏移量读取
                raf.seek(offset);


            } catch (IOException e) {
                logger.error("读取保存偏移量文件时发生错误",e);
                e.printStackTrace();
            }


        }

        @Override
        public void run() {


            while (flag){
                //读取文件中的新数据
                try {
                    String line = raf.readLine();

                    if(line!=null){
                        //有数据进行处理，避免出现乱码
                        line = new String(line.getBytes("iso8859-1"),charset);
                        channelProcessor.processEvent(EventBuilder.withBody(line.getBytes()));
                        //获取偏移量,更新偏移量
                        offset = raf.getFilePointer();
                        //将偏移量写入到位置文件中
                        FileUtils.writeStringToFile(posFile,offset+"");
                    }else{
                        //没读到谁一会儿
                        Thread.sleep(interval);
                    }
                    //发给channle
                    //更新偏移量


                    //每个时间间隔读取一次

                } catch (InterruptedException e) {
                    e.printStackTrace();
                    logger.error("read filethread Interrupted",e);
                }catch (IOException e){
                    logger.error("read log file error",e);
                }
            }


        }

        public void setFlag(boolean flag) {
            this.flag = flag;
        }
    }


}

三、
编写完以后，打成jar包，放到flume的lib下，conf的配置如下

#bin/flume-ng agent -n a1 -f /home/hadoop/a1.conf -c conf -Dflume.root.logger=INFO,console
#定义agent名， source、channel、sink的名称
a1.sources = r1
a1.channels = c1
a1.sinks = k1

#具体定义source,这里的type是自定义的source的类的全路径
a1.sources.r1.type = com.yt.flume.source.TailFileSource
#这里的参数名都和自定义类的参数一直
#读取哪个文件
a1.sources.r1.filePath = /home/bigdata/data/logs/access.txt
#偏移量保存的文件
a1.sources.r1.positionFile = /home/bigdata/data/logs/posi.txt
#时间间隔，每隔多久读取一次
a1.sources.r1.interval = 2000
#编码
a1.sources.r1.charset = UTF-8

#具体定义channel
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100

#具体定义sink
a1.sinks.k1.type = file_roll
a1.sinks.k1.sink.directory = /home/bigdata/data/logs/sinks

#组装source、channel、sink
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

执行：

/home/bigdata/install/apache-flume-1.5.0-cdh5.3.6-bin/bin/flume-ng
agent --conf /home/bigdata/install/apache-flume-1.5.0-cdh5.3.6-bin/conf/ --name a1 --conf-file
/home/bigdata/install/apache-flume-1.5.0-cdh5.3.6-bin/job/tailFile.conf
-Dflume.root.logger==INFO,console