概述

• Flume是一個分布式、可靠、和高可用的海量日誌采集、聚合和傳輸的系統。
• Flume可以采集文件，socket數據包等各種形式源數據，又可以將采集到的數據輸出到HDFS、hbase、hive、kafka等眾多外部存儲系統中
• 一般的采集需求，通過對flume的簡單配置即可實現
• Flume針對特殊場景也具備良好的自定義擴展能力，因此，flume可以適用於大部分的日常數據采集場景

運行機制

1、 Flume分布式系統中最核心的角色是agent，flume采集系統就是由一個個agent所連接起來形成

2、 每一個agent相當於一個數據傳遞員，內部有三個組件：

　　a) Source：采集源，用於跟數據源對接，以獲取數據

　　b) Sink：下沈地，采集數據的傳送目的，用於往下一級agent傳遞數據或者往最終存儲系統傳遞數據

　　c) Channel：angent內部的數據傳輸通道，用於從source將數據傳遞到sink

註意：source 到 Channel 到 Sink之間傳遞數據的形式是Event事件；Event事件是一個數據流單元。

Flume采集系統結構圖

1. 簡單結構

單個agent采集數據

復雜結構

多級agent之間串聯

Flume實戰案例

Flume的安裝部署

1、Flume的安裝非常簡單，只需要解壓即可，當然，前提是已有hadoop環境

上傳安裝包到數據源所在節點上

然後解壓 tar -zxvf apache-flume-1.6.0-bin.tar.gz

然後進入flume的目錄，修改conf下的flume-env.sh，在裏面配置JAVA_HOME

2、根據數據采集的需求配置采集方案，描述在配置文件中(文件名可任意自定義)

3、指定采集方案配置文件，在相應的節點上啟動flume agent

先用一個最簡單的例子來測試一下程序環境是否正常

1、先在flume的conf目錄下新建一個文件

vi netcat-logger.conf

# 定義這個agent中各組件的名字
a1.sources = r1
a1.sinks = k1
a1.channels = c1

# 描述和配置source組件：r1
a1.sources.r1.type = netcat
a1.sources.r1.bind = localhost
a1.sources.r1.port = 44444

# 描述和配置sink組件：k1
a1.sinks.k1.type = logger

# 描述和配置channel組件，此處使用是內存緩存的方式
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100

# 描述和配置source  channel   sink之間的連接關系
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1
 

1、啟動agent去采集數據

-c conf 指定flume自身的配置文件所在目錄

-f conf/netcat-logger.con 指定我們所描述的采集方案

-n a1 指定我們這個agent的名字

1、測試

先要往agent采集監聽的端口上發送數據，讓agent有數據可采

隨便在一個能跟agent節點聯網的機器上

telnet anget-hostname port （telnet localhost 44444）

日誌采集框架Flume