Flume

Flume学习之旅

一、什么是Flume：

        Flume是一个分布式的、可靠的、容错性（recovery mechanisms）、高可用性的一个服务，高效的收集、聚合、移动一个大数据量的日志文件（分布式的海量日志的高效收集、聚合、移动/传输的一个框架），特点：简单灵活，是基于一个流式数据处理框架。

        对比     

            Flume是一套抽取日志的框架（Flume:log）
            Sqoop是抽取RDBMS的一套框架（RDBMS:sqoop）

二、Flume为什么会出现

            通常情况下，我们抽取日志，通过shell脚本cp命令采集日志，时效性较差，无法压缩，shell脚本可能挂掉，不易监控。

三、Flume的架构

        Agent：是一个Flume中最核心的组件，可以理解为就是一个flume

        Agent=Source+Channel+Sink

        Flume三个重要参数：

            Source：数据从哪里去。去源头读数据，写到Channel中

            Channel：中间管道（内存或磁盘中）。链接Source和Sink，类似一个队列或缓冲区

            Sink：写到哪里去。从Channel拉数据，写到HDFS中，或把数据写入到下一个agent的source中

        Flume ==> HDFS ==> BATCH（离线处理）
        Flume ==> Kafka ==> Streaming/Storm/Flink

        Kafka（消息队列/Stream Platform）

        源源不断的把日志收集起来

四、Flume的属性和参数

            Source：exec（文件）/Spooling Directory（文件夹）/Taildir Source（文件或文件夹）/Netcat（指定IP&Port）

            Channel：Memory/File。

            Sink：HDFS/Logger/Avro/Kafka

            Flume：写配置文件，把三大核心组件拼接起来
        Source
        Channel
        Sink
        bind---->连接
        一个agent就是一个配置文件：可配置的、可插拔的、可组装的 0代码
    下载：http://cloudera-fastly-s3-2.s3-website-us-west-1.amazonaws.com/cdh5/cdh/5/flume-ng-1.6.0-cdh5.7.0.tar.gz

五、Flume环境搭建

            搭建环境：JDK1.6+、足够的内存（channel）、足够的磁盘空间、目录读写权限

            配置文件：flume-env.sh

六、Flume指令

            flume-ng --help

            --conf/-c指定配置文件

            --name/-n

 七、Flume单节点例子

            官方学习文档：

http://cloudera-fastly-s3-2.s3-website-us-west-1.amazonaws.com/cdh5/cdh/5/flume-ng-1.6.0-cdh5.7.0/FlumeUserGuide.html#a-simple-example

# example.conf: A single-node Flume configuration

# Name the components on this agent
a1.sources = r1
a1.sinks = k1
a1.channels = c1

# Describe/configure the source
a1.sources.r1.type = netcat
a1.sources.r1.bind = localhost
a1.sources.r1.port = 44444

# Describe the sink
a1.sinks.k1.type = logger

# Use a channel which buffers events in memory
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100

# Bind the source and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1六、Flume指令六、Flume指令

            执行：bin目录下 ./flume-ng agent -name a1 --conf /home/hadoop/app/apache-flume-1.6.0-cdh5.7.0-bin/conf --conf-file /home/hadoop/app/apache-flume-1.6.0-cdh5.7.0-bin/conf/hello.conf -Dflume.root.logger=INFO,console

            telnet localhost 44444

            实时监控，将数据输出到HDFS

官方指南：http://archive.cloudera.com/cdh5/cdh/5/flume-ng-1.6.0-cdh5.7.0/FlumeUserGuide.html