基于Flume+Kafka+Spark-Streaming的实时流式处理完整流程

基于Flume+Kafka+Spark-Streaming的实时流式处理完整流程

1、环境准备，四台测试服务器

spark集群三台，spark1,spark2,spark3

kafka集群三台，spark1,spark2,spark3

zookeeper集群三台，spark1,spark2,spark3

日志接收服务器， spark1

日志收集服务器，redis (这台机器用来做redis开发的，现在用来做日志收集的测试，主机名就不改了)

日志收集流程：

日志收集服务器->日志接收服务器->kafka集群->spark集群处理

说明： 日志收集服务器，在实际生产中很有可能是应用系统服务器，日志接收服务器为大数据服务器中一台，日志通过网络传输到日志接收服务器，再入集群处理。

因为，生产环境中，往往网络只是单向开放给某台服务器的某个端口访问的。

Flume版本： apache-flume-1.5.0-cdh5.4.9 ，该版本已经较好地集成了对kafka的支持

2、日志收集服务器（汇总端）

配置flume动态收集特定的日志，collect.conf  配置如下：

# Name the components on this agent
a1.sources = tailsource-1
a1.sinks = remotesink
a1.channels = memoryC