Alex 的 Hadoop 菜鸟教程: 第22课 分布式日志收集组件：flume

本教程的目的：

1. flume 跟 hadoop 有什么关系
2. 介绍flume的结构
3. 介绍flume的安装
4. 做一个简单的收集网络发送过来的文本(NetCat Source)并保存到日志文件(Logger Sink)的例子

flume 跟 hadoop 有什么关系

hadoop是一个分布式系统，跟hadoop配合的一般也是分布式系统，分布式系统带来的就是分布式日志，分布式日志带来1. 日志数量多 2. 日志数据量大， 所以无论是采集分布式的日志还是存储海量的日志到hadoop，都需要一个日志收集系统，这就是flume。不过其实关系也不是太大，日志方面没有太大需求的人其实可以跳过flume的学习

flume 结构

以下是一张解释flume如何工作的图


介绍一下概念
Event: 事件是从Flume agent发过来的一个数据流单元。事件从 Source 到 Channel 到 Sink。
Flume agen:  是一个jvm 进程。这个进程负责将外部的来源产生的Event转发到外部的目的地
Source: 负责消费有特殊格式的Event。这些Event会通过一个外部的来源(比如一个web服务器)传递给Source. 比如一个 AvroSource 用来接收由客户端或者在同一个流程上其他的Flume agent 发过来的 Avro Event (注意：flume的agent是可以一个接一个的串联起来的)
当Source接收到Event的时候，它会把Event存储到Channel(通道)里面。Channel被动的存储和保持Event直到Sink消费掉它
打个比方，有一种Channel叫 FileChannel，它使用文件系统来存储文件
Sink:用来从Channel中移除Event，并且把Event放到外部资源库，比如hdfs(这种Sink叫HDFSEventSink)。或者也可以继续把Event推送给在同一个流程中的下一个Source。

flume一般是这样用的

或者是这样的

安装 flume

flume有三个组件
flume-ng — flume本身
flume-ng-agent — 把flume agent做成一个服务的脚本
flume-ng-doc — Flume 文档

$ yum install -y flume-ng flume-ng-agent flume-ng-doc

测试一下

$ flume-ng help

会输出帮助信息

使用flume

flume监听NetCat例子

Step1

介绍下 NetCat Source ： 这个source会监听一个端口，然后把每行通过这个端口发过来的文本当做一个事件传给channel
介绍下 Logger Sink: 采用日志的形式来消费Event。日志级别为INFO
介绍下 Memory Channel : 使用内存来暂存Event

$ vim /etc/flume-ng/conf/example.conf

粘贴以下文本进example.conf并保存