Flume简单学习

一、Flume基础部分

参考网址：Flume 1.9用户手册中文版 — 可能是目前翻译最完整的版本了

在线作图工具：ProcessOn思维导图流程图-在线画思维导图流程图_在线作图实时协作

Apache Flume 是一个分布式、高可靠、高可用的用来收集、聚合、转移不同来源的大量日志数据到中央数据仓库的工具。

数据大概分为三类：

1、日志数据--文本文档

2、业务数据--各种数据库

3、第三方数据--买的，别人给的、爬取的

对flume的理解:flume 其实就是水管  数据起始就是水，将水引入到不同的容器中

Sqoop -- 一般用于采集数据库中的数据 Flume -- 一般采集我们的日志数据   user.log Flume 其实可以看做一个水管。一头接着水源，一头接着桶，从水源地抽取数据到桶里去。

Agent :  是Flume中的基本单位，一个Flume配置文件，可以有多个Agent.
每一个Agent中有三个组件组成，缺一不可：
1、Source  来源，数据过来的地方
2、channel 通道   传递数据用的通道，一般比较的长，一个Channel中可以存储多个数据
3、Sink    数据下沉的地方
4、event   一个event就是一个数据单元（一条数据）

二、安装

tar -zxvf apache-flume-1.9.0-bin.tar.gz -C /opt/installs/
mv apache-flume-1.9.0-bin/ flume

在企业中安装软件起始有两个地方比较常见：
/usr/local/
也可以安装在 /opt/installs

配置环境变量
export FLUME_HOME=/opt/installs/flume
export PATH=$PATH:$FLUME_HOME/bin

刷新配置
source /etc/profile

配置flume配置文件——flume-env.sh
修改 JAVA_HOME 的路径为自己的 jdk 路径：
export JAVA_HOME=/opt/installs/jdk

3、flume的数据模型

单一数据模型 只有一个Agent

多数据流模型

flume抽取数据的速度快吗？最大的速度有多快？最大速度也不能超过磁盘的读写速度，磁盘一秒钟最多写多少？ 100M/S

4、关于flume的使用

flume 的使用是编写 conf文件的，运行的时候指定该文件

# 定义组件的名字
<Agent>.sources = <Source>
a1.sources=s1
<Agent>.channels = <Channel1> <Channel2>
a1.channels=c1
<Agent>.sinks = <Sink>
a1.sinks=sink1

# 设置source 和 channel 之间的关系
<Agent>.sources.<Source>.channels = <Channel1> <Channel2> ...
a1.sources.s1.channels=c1

# 设置sink 和 channel 之间的关系
<Agent>.sinks.<Sink>.channel = <Channel1>
a1.sinks.sink1.channel=c1

先定义agent的名字，再定义agent中三大组件的名字
接着定义各个组件之间的关联关系

5、案例展示

Avro+Memory+Logger【主要用于演示，没有实战意义】

1. avro: 是监听某个端口是否有信息的工具

2. memory: 内存

3. logger: 控制台

4. 演示一个场景：给服务器上的一个端口发送消息，消息经过内存，打印到控制台上。

 

安装flume和以下内容均可在FinalShell上完成

在flume文件夹下创建一个文件夹 myconf，用于存放我们写好的文件 

进入后创建 avro-memory-log.conf

将配置文件，如下的内容拷贝进去

a1.sources = r1
a1.channels = c1
a1.sources.r1.type = avro
a1.sources.r1.channels = c1
a1.sources.r1.bind = bigdata01
a1.sources.r1.port = 4141

a1.channels.c1.type = memory

a1.sinks = k1
a1.sinks.k1.type = logger
a1.sinks.k1.channel = c1

先启动flume-ng

flume-ng agent -c ../ -f avro-memory-log.conf -n a1 -Dflume.root.logger=INFO,console

-c  后面跟上 配置文件的路径
-f  跟上自己编写的conf文件
-n  agent的名字
-Dflume.root.logger=INFO,console   INFO 日志输出级别  Debug,INFO,warn,error 等

接着向端口中发送数据：

flume-ng avro-client -c /opt/installs/flume/conf/ -H bigdata01 -p 4141 -F /home/hivedata/arr1.txt

给avro发消息，使用avro-client

flume是没有运行结束时间的，它一直监听某个Ip的端口，有消息就处理，没消息，就等着，反正不可能运行结束。

如果想停止，可以使用ctrl + c 终止flume。

tailDir + Memory + HDFS [ 非常常用 ]

tailDir 是用来监控多个文件夹下的多个文件的，只要文件内容发生变化，就会再次的进行数据的抽取

在flume/conf/myconf下创建xxx.conf文件并配置xxx.conf文件

a1.sources = r1
a1.channels = c1
a1.sources.r1.type = TAILDIR
a1.sources.r1.channels = c1
a1.sources.r1.filegroups = f1
# . 代表的意思是一个任意字符   * 代表前面的字符出现0到多次
a1.sources.r1.filegroups.f1 = /home/scripts/datas/.*txt.*


a1.channels.c1.type = memory
a1.channels.c1.capacity = 10000
a1.channels.c1.transactionCapacity = 10000

a1.sinks = k1
a1.sinks.k1.type = hdfs
a1.sinks.k1.channel = c1
a1.sinks.k1.hdfs.path = /flume3/logs

运行配置文件（先切换到flume/conf/myconf）：

flume-ng agent -c ./ -f taildir_memory_hdfs.conf -n a1 -Dflume.root.logger=INFO,console