flume 几个比较有用的source、sink和decorator

Source catalog:
1.Console 控制台输出,可以带输出内容格式的参数
比如console(“raw”), console(“json”)
2.text("filename"[, format])
一次读取文件内容,每一个换行做为一个事件。
3.tail("filename"[,startFromEnd=false]{,delim="regex", delimMode="exclude|prev|next"})
   读取文件尾部内容跟linux上tail类似。
   Filename:读取的文件名,
   StartFromEnd 每次重读时,是否重头开始读。默认false每次重头开始重读,
   Delim 是分割参数,
   DelimMode分隔符数据属于哪一部分的指定。
4.tailDir("dirname"[,fileregex=".*"[, startFromEnd=false[,recurseDepth=0]]]{,delim="regex",delimMode="exclude|prev|next"})
对一个目录下面有改动文件的事件发送
Dirname:目录名
Fileregex:文件名正则表达式匹配,需要符合java中正则表达式规则
StartFromeEnd 跟tail中的参数一样。
RecurseDepth :指定目录下是否递归对其子目录中文件的监控。指定递归层数。
其他剩余参数跟tail中一致。
Sinks catalog
CollectorTier Event Sinks
1.   collectorSink("fsdir","fsfileprefix"[, rollmillis[, format]])
收集发送过来的事件。
Fsdir:目录,
Fsfileprefix:文件前缀,
Rollmillis:对于hdfs来就是文件的打开是关闭这段时间
Format是输出文件格式
AgentTier Event Sinks 1、agentSink[("machine"[,port])]Defaults to agentE2ESink
2、agentE2ESink[("machine"[,port])]
先讲event内容写入文件防止在缓冲丢失和点对点确认的数据传输
Machine:collectorSource的ip,
Port:collectorSource的端口
3、agentDFOSink[("machine"[,port])]
当连接断开时,会把event写到本地,并且会不断重试发送event给对方,把之前未发送成功的event再次发送。
4、agentBESink[("machine"[,port])]
BestEffort Agent sink,最有效率的agent sink,顾名思义,就是只管发送,不管有没有发送成功。就可能存在丢失event的情况存在。
1、     agentE2EChain("m1[:_p1_]"[, "m2[:_p2_]"[,…]])
有多个collector可供选择发送。如果第一丢失连接了,就会向第二发送event,以此类推。并且会不定期回来查看原来没反应的collector是否已经恢复了,如果恢复了,就会跟原来的节点交互了。发送机制跟agentE2ESink一样
2、     agentDFOChain("m1[:_p1_]"[, "m2[:_p2_]"[,…]])
3、 agentBEChain("m1[:_p1_]"[, "m2[:_p2_]"[,…]])
上面两个跟6类似 
autoE2EChain,autoDFOChain,autoBEChain,自动的会想master要可以连接的collector 
装饰器catalog
1、writeAhead 在sink发送前先写入文件后,在本地缓冲机制,可让接收和发送分别在不同的线程中进行。
2、ackedWriteAhead[(maxmillis)]
3、diskFailover[(maxmillis)]
如果event发送失败,就在本地磁盘缓存,然后每隔maxmillis时间去重试。
4、ackInjector:注入ack确认操作。
5、ackChecker:计算发送组的checksum值,插入到ackInjector中
6、lazyOpen:只在条用append的时候,才会做真正的open,closed操作 7、 format("pattern"):改变输出格式,具体格式有pattern参数指定。对于需要做checksum的events来说由于改变了数据格式将导致checksum的值也不会改变。从而导致消息的丢失。这个装饰器一般用在对消息可靠性要求不是很高,或者reports中。

8、 batch(n,maxlatency):缓存n个events然后统一发送。如果等待时间操作maxlatency,即使未有n个events也会发送。

9、 unbatch:对于上面被batch操作过的events,同步unbatch来拆分开。

10、    gzip:将events事件序列化后压缩

11、    gunzip:对gzip压缩过的events,解压

12、     intervalSampler(n)每隔n个events发送一次,算是一个优化手段,特别是通过网络传输时。

13、     probSampler(p):通过概率p来做决定是否将events接着往下发送

14、     reservoirSampler(k):对接收到events根据发送时的顺序重新来组织。

15、     delay(ms)对要发送的events内容延迟ms

16、    choke[(choke-id)]:限制发送速度

0 个评论

要回复文章请先登录注册