Flume 介绍及安装

一、Flume简介

1. 是一个日志采集系统。
2. Flume提供一个分布式的，可靠的，对大数据量的日志进行高效收集、聚集、移动的服务，Flume只能在Unix环境下运行。
3. Flume基于流式架构，容错性强，也很灵活简单。
4. Flume、Kafka用来实时进行数据收集，Spark、Flink用来实时处理数据，impala用来实时查询。

二、Flume角色

Agent主要由:source,channel,sink三个组件组成：

2.1、Source

用于采集数据，Source是产生数据流的地方，从数据发生器接收数据，同时Source会将产生的数据以Flume的event格式，流传输到一个或者多个通道的Channel，这个有点类似于Java IO部分的Channel。

2.2、Channel

用于桥接Sources和Sinks，类似于一个队列。是一种短暂的存储容器，它将从source处接收到的event格式的数据缓存起来，直到它们被sinks消费掉，它在source和sink间起着桥梁的作用，channel是一个完整的事务，这一点保证了数据在收发的时候的一致性。并且它可以和任意数量的source和sink链接。支持的类型有: JDBC channel , File System channel , Memory channel等.

2.3、Sink

从Channel收集消费数据(events)，并将其写传递到目标源(可以是下一个Source，也可以是HDFS或者HBase)。

2.4、Event

传输单元，Flume数据传输的基本单元，以事件的形式将数据从源头送至目的地。

三、Flume传输过程

source监控某个文件或数据流，数据源产生新的数据，拿到该数据后，将数据封装在一个Event中，并put到channel后commit提交，channel队列先进先出，sink去channel队列中拉取数据，然后写入到HDFS中。

四、Flume 搭建

4.1) rz -y 上传安装包 apache-flume-1.8.0-bin.tar.gz

4.2) 解压安装包 apache-flume-1.8.0-bin.tar.gz，并改名

#解压
tar -zxvf apache-flume-1.8.0-bin.tar.gz -C /opt/module/
#改名
mv apache-flume-1.8.0-bin flume-1.8.0
#创建job_conf，用户存放Job配置文件
mkdir flume-1.8.0/job_conf
#将临时文件改掉
mv flume-1.8.0/conf/flume-env.sh.template flume-1.8.0/conf/flume-env.sh

4.3) vi flume-env.sh

export JAVA_HOME=/opt/module/jdk1.8.0_144

搭建完成。