weixin_43866709的博客

在日常生产环境中，如果想要做数据采集基本上都要用到flume，现在就记录一下flume在整个项目中的架构。 先简单说一下这个项目，从微信小程序中记录用户数据，项目后台程序使用springBoot编写，部署在服务器上，使用Nginx实现负载均衡，然后要计算实时指标和离线指标。 Nginx服务器中产生的数据直接写入到kafka集群中，用于sparkStreaming进行实时指标的计算，这时Nginx服...

一.为什么使用KafkaChannel？ 在使用flume对接Kafka时，我们往往使用TailFileSource–>MemoryChannel–>KafkaSink的这种方式，然后将数据输送到Kafka集群中。如图所示： 但是这种方式有弊端： 1.TailFileSource只能监听一个文件 2.MemoryChannel数据会有堆积，内存可能溢出（而FileChannel又比较...

使用flume实时采集Nginx产生的log数据时，如果机器宕机了，数据就会丢失，而且会重复读取数据，那么避免这种情况的发生，我们就要自定义一个可以记录偏移量的Source。 这里使用TailFileSource，一次监听一个文件。 代码如下：（根据execSource源码编写） package cn.edu360.flume.source; import org.apache.commons...