Flume基本使用

简介：

1.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。
2.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、hbase、hive、kafka等众多外部存储系统中
3.一般的采集需求，通过对flume的简单配置即可实现
4.Flume针对特殊场景也具备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

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：
    2.1 Source：采集组件，用于跟数据源对接，以获取数据
    2.2 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
    2.3 Channel：传输通道组件，用于从source将数据传递到sink

安装部署：

前提：已有hadoop环境

地址：http://flume.apache.org/

1.上传安装包到数据源所在节点上
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

简单示例：
注：采集netcat 数据

1.先在flume的conf目录下新建一个配置文件（采集方案）
vim netcat-logger.properties

# 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.conf  指定我们所描述的采集方案
-n a1  指定我们这个agent的名字

3.测试
先要往agent的source所监听的端口上发送数据，让agent有数据可采
随便在一个能跟agent节点联网的机器上
telnet localhost 44444  #远程登录客户端程序

发送字符数据测试

$ telnet localhost 44444
Trying 127.0.0.1...
Connected to localhost.localdomain (127.0.0.1).
Escape character is '^]'.
Hello world! <ENTER>
OK

FlumeUserGuide：http://flume.apache.org/releases/content/1.9.0/FlumeUserGuide.html

注：做个记录,方便学习