Flume 架构及部署

1.Flume概述

Flume是由 Cloudera 提供的一个分布式、高可靠、高可用的服务，用于分布式的海量日志的高效收集、聚合、移动系统。简单来说，Flume 就是一个针对日志数据进行采集和汇总的一个工具（把日志从A地方移动到B地方）

Flume 官网：http://flume.apache.org/
Flume 官方文档：http://flume.apache.org/FlumeUserGuide.html

Flume 特点：

(1).可靠性：当节点出现故障时，日志能够被传送到其他节点上而不会丢失。Flume提供了三种级别的可靠性保障，从强到弱依次分别为：

①.end-to-end（收到数据agent首先将event写到磁盘上，当数据传送成功后，再删除；如果数据发送失败，可以重新发送）；
②.Store on failure（这也是scribe采用的策略，当数据接收方crash时，将数据写到本地，待恢复后，继续发送）；
③.Best effort（数据发送到接收方后，不会进行确认）。

(2).可扩展性：Flume采用了三层架构，分别为agent，collector和storage，每一层均可以水平扩展所有agent和collector由master统一管理，这使得系统容易监控和维护，且master允许有多个（使用ZooKeeper进行管理和负载均衡），这就避免了单点故障问题。

(3).可管理性
①.所有agent和colletor由master统一管理，这使得系统便于维护。
②.多master情况，Flume利用ZooKeeper和gossip，保证动态配置数据的一致性。
③.用户可以在master上查看各个数据源或者数据流执行情况，且可以对各个数据源配置和动态加载。
④.Flume提供了web 和shell script command两种形式对数据流进行管理。①

(4).功能可扩展性
①.用户可以根据需要添加自己的agent，collector或者storage。
②.此外，Flume自带了很多组件，包括各种agent（file， syslog等），collector和storage（file，HDFS等）。

(5).文档丰富，社区活跃
Flume 是Apache下的一个顶级项目，已经成为 Hadoop 生态系统的标配，它的文档比较丰富，社区比较活跃，方便我们学习。

2.Flume 架构

Flume 架构介绍

      Flume 最简单的部署单元叫做Flume Agent，Agent 是一个Java 应用程序，接收或者生成数据并缓冲数据，直到最终写入到Agent或者存储或索引系统。

      一个Flume Agent可以连接一个或多个其它的Agent，一个Agent也可以从一个或多个Agent接收数据，通过相互连接的多个Flume Agent，一个流作业被建立，这个Flume Agent链条可以用于将数据从一个位置移动到另一个位置——特别是，从生产数据的应用程序到HDFS、HBase等。

每个Flume Agent有三个组件：Source、Channel、Sink

      Source 专门用来收集数据，可以处理各种类型、各种格式的日志数据，比如avro、exec、HTTP、Kafka、Spooling Directory等

      Channel 是一个存储Source已经接收到的数据的缓冲区，简单来说就是对Source采集到数据进行缓存，可以缓存在memory、file、jdbc、Kafka等。

      Sink 用于把数据发送到目的地，目的地可以是：HDFS、Hive、HBase、ES、Kafka、Logger等

Flume 运行机制

      flume的核心就是一个agent，这个agent对外有两个进行交互的地方，一个是接受数据的输入——source，一个是数据的输出sink，sink负责将数据发送到外部指定的目的地。source接收到数据之后，将数据发送给channel，chanel作为一个数据缓冲区会临时存放这些数据，随后sink会将channel中的数据发送到指定的地方—-例如HDFS等，注意：只有在sink将channel中的数据成功发送出去之后，channel才会将临时数据进行删除，这种机制保证了数据传输的可靠性与安全性

3.Flume 部署

目前Flume 的最新版本为1.8，笔者安装的是1.6，是Flume的一个经典版本，通常在生产环境中使用的就是这个版本，在安装Flume前，看先它的前置条件
(1).JDK1.7
(2).足够的内存
(3).足够的磁盘空间
(4).目录及文件要有读写权限

官网下载地址：http://archive.apache.org/dist/flume/
从官网下载，或者在linux中使用下面的命令下载，然后解压

$ wget http://archive.apache.org/dist/flume/1.6.0/apache-flume-1.6.0-bin.tar.gz
$ sudo tar -zxvf apache-flume-1.6.0-bin.tar.gz
$ sudo mv apache-flume-1.6.0-bin /opt/flume

flume 目录结构

配置flume

进入flume的conf目录下，拷贝flume-env.sh.template然后重命名为flume-env.sh

$ sudo cp flume-env.sh.template flume-env.sh

在flume-env.sh中配置jdk

export JAVA_HOME=/usr/java/jdk1.7.0

配置环境变量

# Flume Environment Variable
export FLUME_HOME=/opt/flume
export PATH=$PATH:$FLUME_HOME/bin

查看Flume 的命令帮助

[hadoop@Master ~]$ flume-ng help
Usage: /opt/flume/bin/flume-ng <command> [options]...

commands:
  help                      display this help text
  agent                     run a Flume agent
  avro-client               run an avro Flume client
  version                   show Flume version info

global options:
  --conf,-c <conf>          use configs in <conf> directory
  --classpath,-C <cp>       append to the classpath
  --dryrun,-d               do not actually start Flume, just print the command
  --plugins-path <dirs>     colon-separated list of plugins.d directories. See the
                            plugins.d section in the user guide for more details.
                            Default: $FLUME_HOME/plugins.d
  -Dproperty=value          sets a Java system property value
  -Xproperty=value          sets a Java -X option

agent options:
  --name,-n <name>          the name of this agent (required)
  --conf-file,-f <file>     specify a config file (required if -z missing)
  --zkConnString,-z <str>   specify the ZooKeeper connection to use (required if -f missing)
  --zkBasePath,-p <path>    specify the base path in ZooKeeper for agent configs
  --no-reload-conf          do not reload config file if changed
  --help,-h                 display help text

avro-client options:
  --rpcProps,-P <file>   RPC client properties file with server connection params
  --host,-H <host>       hostname to which events will be sent
  --port,-p <port>       port of the avro source
  --dirname <dir>        directory to stream to avro source
  --filename,-F <file>   text file to stream to avro source (default: std input)
  --headerFile,-R <file> File containing event headers as key/value pairs on each new line
  --help,-h              display help text

  Either --rpcProps or both --host and --port must be specified.

Note that if <conf> directory is specified, then it is always included first
in the classpath.

查看Flume 版本信息

[hadoop@Master ~]$ flume-ng version
Flume 1.6.0
Source code repository: https://git-wip-us.apache.org/repos/asf/flume.git
Revision: 2561a23240a71ba20bf288c7c2cda88f443c2080
Compiled by hshreedharan on Mon May 11 11:15:44 PDT 2015
From source with checksum b29e416802ce9ece3269d34233baf43f

4.Flume 简单使用

需求：从网络端口接受数据，输出到控制台

Agent选型：netcat+source + memory channel + logger sink

Flume中最重要的就是Agent配置文件的编写，如何编写，官网都有说明，下面是官网提供的一个Agent配置文件模板

# example.conf: A single-node Flume configuration

# Name the components on this agent
a1.sources = r1
a1.sinks = k1
a1.channels = c1

# Describe/configure the source
a1.sources.r1.type = netcat
a1.sources.r1.bind = localhost
a1.sources.r1.port = 44444

# Describe the sink
a1.sinks.k1.type = logger

# Use a channel which buffers events in memory
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100

# Bind the source and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

参照上述官网的配置，新建simple-example.conf文件，配置如下

# Name the components on this agent
simple-agent.sources = netcat-source
simple-agent.sinks = logger-sink
simple-agent.channels = memory-channel

# Describe/configure the source
simple-agent.sources.netcat-source.type = netcat
simple-agent.sources.netcat-source.bind = Master
simple-agent.sources.netcat-source.port = 44444

# Describe the sink
simple-agent.sinks.logger-sink.type = logger

# Use a channel which buffers events in memory
simple-agent.channels.memory-channel.type = memory

# Bind the source and sink to the channel
simple-agent.sources.netcat-source.channels = memory-channel
simple-agent.sinks.logger-sink.channel = memory-channel

配置完成后，输入如下命令来启动flume

flume-ng agent \
--conf $FLUME_HOME/conf \
--name simple-agent \
--conf-file $FLUME_HOME/config/simple-example.conf \
-Dflume.root.logger=INFO,console

参数说明：
–conf：指定flume的配置文件所在目录
–name：指定Agent的名称
–conf-file：指定编写的flume配置文件
-Dflume.root.logger：指定日志级别

flume启动后，打印的日志中可以看到如下信息（部分日志）

Creating instance of source netcat-source, type netcat
Creating instance of sink: logger-sink, type: logger
Creating instance of channel memory-channel type memory
Created serverSocket:sun.nio.ch.ServerSocketChannelImpl[/192.168.242.150:44444]

输入jps命令可以查看到一个Application的进程，如果有这个进程，说明我们的flume启动成功了

[hadoop@Master ~]$ jps
3091 Jps
2806 Application
[hadoop@Master ~]$ jps -m
2806 Application --name simple-agent --conf-file /opt/flume/config/simple-example.conf
3101 Jps -m

测试（启动一个telnet进程，telnet 数据输入）

$ telnet Master 44444

查看Flume控制台的输出（Event是Flume数据传输的基本单元，由可选的header和一个byte array的数据构成）

Event: { headers:{} body: 68 65 6C 6C 6F 0D            hello. }
Event: { headers:{} body: 66 6C 75 6D 65 0D            flume. }