Flume介绍

在一个完整的离线大数据处理系统中，除了 hdfs+mapreduce+hive 组成分析系统的核心之外，还需要 数据采集、结果 数据导出、 任务调度等不可或缺的辅助系统，而这些辅助工具在hadoop生态体系中都有便捷的开源框架，如图所示：

日志采集框架Flume介绍

概述

Flume是一个分布式、可靠和高可用的海量日志采集、聚合和传输的系统。
Flume可以采集文件，socket数据包、文件、文件夹、Kafka等各种形式源数据，又可以将采集到的数据(下沉 sink) 输出到 HDFS、Hive、Kafka等众多外部存储系统中。
一般的采集需求，通过Flume的简单配置即可实现。
Flume针对特殊场景也具有良好的自定义扩展能力。

因此，Flume可以适用于大部分的日常数据采集场景。

运行机制

1. Flume分布式系统中最核心的角色是agent，Flume采集系统是由一个个agent所连接起来形成。
2. 每一个agent相当于一个数据传递员，内部有三个组件：

   Source：采集组件，用于跟数据源对接，以获取数据
   Channel：传输通道组件，用于从Source将数据传递到Sink。
   Sink：下沉组件，用于往下一级agent传递数据或者往最终存储系统传递数据
   
   Source 到 Channel 到 Sink之间传递数据的形式是Event事件；Event事件是一个数据流单元。
   

Flume采集系统结构图

1. 简单结构 ：单个agent采集数据
   
2. 复杂结构 ：多级agent之间串联
   

Flume安装部署

上传安装包

apache-flume-1.8.0-bin.tar.gz

解压安装包

cd /export/servers/
tar -zxvf /export/softwares/apache-flume-1.8.0-bin.tar.gz 

配置文件

cd /export/servers/
cd apache-flume-1.8.0-bin/conf/
cp flume-env.sh.template flume-env.sh
vim flume-env.sh

添加以下内容：

export JAVA_HOME=/export/servers/jdk1.8.0_144