Flume

flume功能
flume做简单的数据过滤处理，收集日志，转发到HDFS、HBASE进行存储 or 连接kafka（消息队列、临时存储）连接到streaming进行线上处理
注：一般开发情况下只需要做streaming、storm，flume、kafka已经做好，不需要管

flume=agent+数据收集器
flume中agent功能：根据不同的host进行数据的处理：
【app来源】host1->处理1
【pc来源】host2->处理2
flume开发，主要是编写conf文件，每个conf都有自己的功能

flume—agent编写模板

Agent channel：

FileChannel：把数据写到磁盘，性能相对差一些，能把数据持久化保证数据不会丢失（WAL实现）【开发常使用】
WAL：write ahead logging 预写：先写执行操作，再写数据，当数据写失败，再执行一遍操作
**Memory Channel:**把数据写到内存，只要agent出问题，数据就会丢失

Agent 拦截器
flume可以预先对数据做简单的处理

Re：：数字的都给过滤 filter和spark里面相反逻辑
^表示开始，$表示结尾
spark filter为true的保留下来
flume中的：filter为true的过滤掉

agent之间的通信:Avro

Avro：是一个数据序列化系统，支持大批量数据交换应用
从一个agent1到agent2中a1的sink->a2的source

两个Agent连接案列
Push文件

Pull 文件

flume agent a2[push.conf] -> flume2 agent a1 [pull.conf]
执行步骤：先slave3后master
slave3:
bin/flume-ng agent -c conf -f conf/pull.conf -n a1 -Dflume.root.logger=INFO,console
master:
bin/flume-ng agent -c conf -f conf/push.conf -n a2 -Dflume.root.logger=INFO,console

有没有连接成功：
slave3上面：log：
[id: 0xba35b724, /192.168.174.134:53348 => /192.168.174.135:44444] CONNECTED: /192.168.174.134:53348
在Telnet localhost 44444 看打印出来的东西

案列：数据写到HDFS
官网示列：http://flume.apache.org/FlumeUserGuide.html#hdfs-sink
a1.channels = c1
a1.sinks = k1
a1.sinks.k1.type = hdfs
a1.sinks.k1.channel = c1
a1.sinks.k1.hdfs.path = hdfs:/flume/events
a1.sinks.k1.hdfs.filePrefix = events-
a1.sinks.k1.hdfs.round = true
a1.sinks.k1.hdfs.roundValue = 10
a1.sinks.k1.hdfs.roundUnit = minute
a1.sinks.k1.hdfs.fileType = DataStream
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100

hdfs写明文的方式设置：
a1.sinks.k1.hdfs.fileType = DataStream

案列：
将数据写到Kafka：由于kafka内存较大不能启动，修改kafka-server-start.sh文件，将启动内存改为10M
创建kafka topic
bin/kafka-topics.sh --create --zookeeper master:2181,slave3:2181,slave4:2181 --replication-factor 1 --partitions 2 --topic test（topic名称）
消费：
Bin/kafka-console-consumer.sh --zookeeper master:2181,slave3:2181,slave4:2181 --topic test
【注：zookeeper后面加一个host：port和加多个hosts是一样的，但是，如果有节加的这个节点zookeeper进程挂了，就影响连接了，kafka访问zookeeper会出问题】
1.启动kafka需要启动zookeeper cd zookeeper Home
1》启动zookeeper [./bin/zkServer.sh start]三个节点分别启动
2》启动server 通过./bin/zkCli.sh -server master:2181,slave3:2181,slave4:2181
<=> ./bin/zkCli.sh -server master:2181
<=> ./bin/zkCli.sh

2.启动kafka：到kafka home
./bin/kafka-server-start.sh config/server.properties

3.如果没有topic，创建topic，kafka把数据写到相应的topic之中
查看topic list：
bin/kafka-topics.sh --list --zookeeper master:2181,slave3:2181,slave4:2181

没有topic为badou，创建：
bin/kafka-topics.sh --create --zookeeper master:2181,slave3:2181,slave4:2181 --replication-factor 1 --partitions 2 –topic badou

4.启动flume： [flume_kafka.conf文件已经有]

bin/flume-ng agent -c conf -f conf/flume_kafka.conf -n a1 -Dflume.root.logger=INFO,console**(使用的文件已经编译好)**

5.“写”数据到flume中 ：

因为flume_kafka.conf中的source以
a1.sources.r1.type = exec
a1.sources.r1.command = tail -f /home/badou/Documents/code/python/flume_exec_test.txt
flume监控这个路径下的文件，只要有数据追加到这个文件中，这些数据就会被监控，通过这个source写入flume中

需要用到【read_write.py】将一个文件中的数据写入到监控的文件中flume_exec_test.txt，这样写入的数据就是写到kafka中的数据，整个过程模拟写logs日志的过程。

【对应的代码，只需要修改里面的路径就可以】