flume介绍

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。