1.1.1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数据包等各种形式源数据,又可以将采集到的数据输出到HDFS、hbase、hive、kafka等众多外部存储系统中。
一般的采集需求,通过对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可以适当于大部分的日常数据采集场景。
1.1.2运行机制
1. Flume分布式系统中最核心的角色是agent,flume 采集系统就是由一个个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:
a)Source:采集员,用于跟数据源对接,以获取数据。
b)Sink :下沉地,采集数据的传递目的,用于往下一级agent传递数据或往最终存储系统传递数据。
c)Channel:agent内部的数据传输通道,用于从source将数据传递到sink
1.1.3Flume采集系统结构图
1.简单结构
单个agent采集结构
2.复杂结构
多级agent之间串联
1.2Flume实战案例
1.2.1Flume的安装部署
1.Flume的安装非常简单,只需要解压即可,当然,前提是有hadoop环境上传安装包到数据源所有节点上。
然后解压 tar -zxvf apache-flume-1.6.0-bin.tar.gz
然后进入flume的目录,修改conf下的flume-env.sh,在里面配置JAVA_HOME
2.根据数据源采集的需求配置采集方案,描述在配置文件中(文件名可任意自定义)
3.指定采集方案配置文件,在相应的节点上启动flume agent
1.先用一个最简单的例子来测试一个程序环境是否正常
1.先在flume的conf目录下新建一个文件
vi netcat-logger.conf
# 定义这个agent中各组件的名字
a1.sources = r1
a1.sinks = k1
a1.channels = c1
# 描述和配置source组件:r1
a1.sources.r1.type = netcat
a1.sources.r1.bind = localhost
a1.sources.r1.port = 44444
# 描述和配置sink组件:k1
a1.sinks.k1.type = logger
# 描述和配置channel组件,此处使用是内存缓存的方式
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
# 描述和配置source channel sink之间的连接关系
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1
2.启动agent去采集数据
bin/flume-ng agent -c conf -f conf/netcat-logger.conf -n a1 -Dflume.root.logger=INFO,console
-c conf 指定flume自身的配置文件所在目录
-f conf/netcat-logger.con 指定所描述的采集方案
-n a1 指定这个agent的名字
3.测试
先要往agent采集监听的端口上发送数据,te让agent有数据可采
随便在一个能跟agent节点联网的机器上。
telnet anget-hostname port (telnet localhost 44444)
测试的结果
刚开始学习大数据,有很多不懂,有错误的地方,多留言指教。