大数据项目之电商数仓、日志采集Flume测试、日志采集Flume启停脚本

4. 用户行为数据采集模块

4.3 日志采集Flume

4.3.4 日志采集Flume测试

4.3.4.1 启动Zookeeper、Kafka集群

4.3.4.2 启动hadoop102的日志采集Flume

[summer@hadoop102 flume-1.9.0]$ bin/flume-ng agent -n a1 -c conf/ -f job/file_to_kafka.conf -Dflume.root.logger=info,console

启动一个agent ，-n（name）名字为a1，-c就是找到后面的目录，找到conf目录，-f指定我们job目录下面的file_to_kafka.conf，-Dflume.root.logger=info,console是logger的打印，只在控制台上打印，info级别的，输出到console控制台

4.3.4.3 启动一个Kafka的Console-Consumer

[summer@hadoop102 kafka-3.0.0]$ bin/kafka-console-consumer.sh --bootstrap-server hadoop102:9092 --topic topic_log

消费topic_log这个主题

4.3.4.4 生成模拟数据

[summer@hadoop102 ~]$ lg.sh 
========== hadoop102 ==========
========== hadoop103 ==========
[summer@hadoop102 ~]$ cd /opt/module/applog/log/
[summer@hadoop102 log]$ ll
总用量 3352
-rw-rw-r--. 1 summer summer  808665 10月 23 09:27 app.2022-10-23.log
-rw-rw-r--. 1 summer summer 2388678 10月 25 17:45 app.2022-10-25.log
[summer@hadoop102 log]$ echo '{id:1}' >> app.2022-10-25.log 
[summer@hadoop102 log]$ echo '{id:' >> app.2022-10-25.log 

4.3.4.5 观察Kafka消费者是否能消费到数据

通过

[summer@hadoop102 log]$ echo '{id:1}' >> app.2022-10-25.log 
[summer@hadoop102 log]$ echo '{id:' >> app.2022-10-25.log 

这两行代码，可以检查出我们写的拦截器是成功的

4.3.5 日志采集Flume启停脚本

4.3.5.1 分发日志采集Flume配置文件和拦截器

若上述测试通过，需将hadoop102节点的Flume的配置文件和拦截器jar包，向另一台日志服务器发送一份。直接使用分发脚本。

4.3.5.2 方便起见，此处编写一个日志采集Flume进程的启停脚本

nohup 英文全称 no hang up（不挂起），用于在系统后台不挂断地运行命令，退出终端不会影响程序的运行。

当使用ps -ef | grep Application

[summer@hadoop102 log]$ ps -ef | grep Application

会多出来一个grep进程，因此可以使用grep -v grep来过滤掉grep进程

[summer@hadoop102 log]$ ps -ef | grep Application | grep -v grep

这样就可以查出来想要的进程了，然后把进程号给提取出来，这里使用awk，
（awk ‘{[pattern] action}’ {filenames} # 行匹配语句 awk ‘’ 只能用单引号）进行切割

[summer@hadoop102 log]$ ps -ef | grep Application | grep -v grep |awk '{print $2}'

提取到我们想要的进程了，然后进行kill进程

[summer@hadoop102 log]$ kill -9 ps -ef | grep Application | grep -v grep |awk '{print $2}'

正常顺序的kill命令不能用，他会将-9后面的整体当做字符串，因此我们可以使用xargs -n 反向输出

将进程号为67857的kill了，但是我们还有一个问题，这样写如果有多个Application的进程，多个Flume的job，也都会同时一起杀死，我们不想这样做，因此可以进行改进，可以根据文件名，一台机器上一个Flume的配置只会启动一次，不会启动多次。

[summer@hadoop102 log]$ ps -ef | grep file_to_kafka | grep -v grep | awk '{print $2}'

因此可以使用这个命令进行查询进程号

这样就达到我们想要的结果了。

但是要是往脚本里面写的话得在awk '{print $2}‘里面多加一个反斜杠，因为最外层有$1了，如果在写$2会和外层冲突，所以加一个’'比较好awk ‘{print $2}’

在hadoop102节点的/home/summer/bin目录下创建脚本f1.sh
完整的脚本代码如下：

#!/bin/bash

case $1 in
"start"){
    
    
        for i in hadoop102 hadoop103
        do
                echo " --------启动 $i 采集flume-------"
                ssh $i "nohup /opt/module/flume-1.9.0/bin/flume-ng agent -n a1 -c /opt/module/flume-1.9.0/conf/ -f /opt/module/flume-1.9.0/job/file_to_kafka.conf >/dev/null 2>&1 &"
        done
};; 
"stop"){
    
    
        for i in hadoop102 hadoop103
        do
                echo " --------停止 $i 采集flume-------"
                ssh $i "ps -ef | grep file_to_kafka | grep -v grep |awk  '{print \$2}' | xargs -n1 kill -9 "
        done

};;
esac

[summer@hadoop102 applog]$ cd /home/summer/bin/
[summer@hadoop102 bin]$ vim f1.sh

4.3.5.3 增加脚本执行权限

[summer@hadoop102 bin]$ chmod 777 f1.sh

4.3.5.4 f1启动

[summer@hadoop102 bin]$ f1.sh start

4.3.5.5 f2停止

[summer@hadoop102 bin]$ f1.sh stop