一.区别与联系
Flume:cloudera公司研发,适合多个生产者(多个生产者对应多个agent),适合下游消费者不多的情况(因为每个消费者对应一个sink和一个chanel),适合数据安全性要求不高的操作(数据保存在内存中),适合与Hadoop生态圈对接的操作。
Kafka:LinkedIn公司研发,适合数据下游消费者众多的情况(因为Kafka可以采用pull模式),适合数据安全性要求高的操作(数据保存在本地),支持replication。
基于以上特性,我们常用的一种模型是:
线上数据-->Flume-->Kafka-->Flume-->HDFS
二.测试
1.配置Flume采集方案flume.log:
# 各组件名称
a1.sources = r1
a1.sinks = k1
a1.channels = c1
# source
a1.sources.r1.type = exec //资源类型
a1.sources.r1.command = tail -F -c +0 /root/logs/flume.log //Flume监控目录
a1.sources.r1.shell = /bin/bash -c
# sink
a1.sinks.k1.type = org.apache.flume.sink.kafka.KafkaSink
//Must be set to org.apache.flume.sink.kafka.KafkaSink
a1.sinks.k1.kafka.bootstrap.servers = node1:9092,node2:9092,node3:9092
a1.sinks.k1.kafka.topic = first
//The topic in Kafka to which the messages will be published.
a1.sinks.k1.kafka.flumeBatchSize = 20
a1.sinks.k1.kafka.producer.acks = 1
a1.sinks.k1.kafka.producer.linger.ms = 1
# channel
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
# bind
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1
2.测试
# 使用上面的采集方案
bin/flume-ng agent -n a1 -c conf/ -f job/kafka.conf
# 开启一个消费者
bin/kafka-console-consumer.sh --zookeeper node1:2181 --topic first
3.结果
如图所示(emmm~SecureCRT真好用),我们往监控目录文件(flume.log)中写入的内容最终发送给Kafka并且被consumer获取到了。
测试成功 !