Flume的简介、原理与安装

1、前言

flume是由cloudera软件公司产出的可分布式日志收集系统，后与2009年被捐赠了apache软件基金会，为hadoop相关组件之一。尤其近几年随着flume的不断被完善以及升级版本的逐一推出，特别是flume-ng;同时flume内部的各种组件不断丰富，用户在开发的过程中使用的便利性得到很大的改善，现已成为apache top项目之一.

官网：http://flume.apache.org/

2、概述

2.1、什么是Flume？

Apache Flume 是一个从可以收集例如日志，事件等数据资源，并将这些数量庞大的数据从各项数据资源中集中起来存储的工具/服务，或者数集中机制。flume具有高可用，分布式，配置工具，其设计的原理也是基于将数据流，如日志数据从各种网站服务器上汇集起来存储到HDFS，HBase等集中存储器中。其结构如下图所示：

2.2、Flume特性

Flume是一个分布式、可靠、和高可用的海量日志采集、聚合和传输的系统。

Flume可以采集文件，socket数据包、文件、文件夹、kafka等各种形式源数据，又可以将采集到的数据(下沉sink)输出到HDFS、hbase、hive、kafka等众多外部存储系统中

一般的采集需求，通过对flume的简单配置即可实现

Flume针对特殊场景也具备良好的自定义扩展能力，因此，flume可以适用于大部分的日常数据采集场景

3、Flume原理

3.1、Flume组件详解

对于每一个Agent来说,它就是一共独立的守护进程(JVM),它从客户端接收数据，如下图所示flume的基本模型

Flume分布式系统中最核心的角色是agent，flume采集系统就是由一个个agent所连接起来形成

每一个agent相当于一个数据(被封装成Event对象)传递员，内部有三个组件：

Source：采集组件，用于跟数据源对接，以获取数据

Channel：传输通道组件，用于从source将数据传递到sink

Sink：下沉组件，用于往下一级agent传递数据或者往最终存储系统传递数据

flume官网中对Event的定义：

一行文本内容会被反序列化成一个event(序列化是将对象状态转换为可保持或传输的格式的过程。与序列化相对的是反序列化，它将流转换为对象。这两个过程结合起来，可以轻松地存储和传输数据)，event的最大定义为2048字节，超过，则会切割，剩下的会被放到下一个event中，默认编码是UTF-8。

3.2、Flume采集结构图

3.2.1、简单结构，单个agent采集数据

3.2.2、复杂结构，多级agent之间串联

4、Flume实战案例

4.1、Flume的安装部署

Flume的安装非常简单，只需要解压即可，当然，前提是已有hadoop环境，上传安装包到数据源所在节点上

然后解压  tar -zxvf apache-flume-1.7.0-bin.tar.gz -C /usr/local/

然后进入flume的目录，修改conf下的flume-env.sh，在里面配置JAVA_HOME

mv flume-env.sh.template flume-env.sh

根据数据采集的需求配置采集方案，描述在配置文件中(文件名可任意自定义)

新建一个名为myconf的文件夹，在里面新建一个socket-console.conf文件，写自己的配置

[root@hadoop02 apache-flume-1.7.0-bin]# mkdir myconf
[root@hadoop02 apache-flume-1.7.0-bin]# touch socket-console.conf

[root@hadoop02 myconf]# vim socket-console.conf

 
 

   
   

    
    

   
   
   
   

    
    

     
     # 定义这个agent中各组件的名字
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     a1.sources = r1
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     a1.sinks = k1
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     a1.channels = c1
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 描述和配置source组件：r1
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     a1.sources.r1.type = netcat
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     a1.sources.r1.bind = localhost
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     a1.sources.r1.port = 
     
     44444
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 描述和配置sink组件：k1
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     a1.sinks.k1.type = logger
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 描述和配置channel组件，此处使用是内存缓存的方式
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     a1.channels.c1.type = memory
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     a1.channels.c1.capacity = 
     
     1000
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     a1.channels.c1.transactionCapacity = 
     
     100
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 描述和配置source  channel   sink之间的连接关系
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     a1.sources.r1.channels = c1
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     a1.sinks.k1.channel = c1
    
    
   
   
 
 

指定采集方案配置文件，在相应的节点上启动flume agent

启动agent去采集数据：

[root@hadoop02 apache-flume-1.7.0-bin]# bin/flume-ng agent -c conf -f myconf/socket-console.conf -n a1 -Dflume.root.logger=INFO,console

-c conf   指定flume自身的配置文件所在目录

-f myconf/socket-console.conf  指定我们所描述的采集方案

-n a1  指定我们这个agent的名字

测试

先要往agent的source所监听的端口上发送数据，让agent有数据可采

随便在一个能跟agent节点联网的机器上

telnet anget-hostname  port   （telnet localhost 44444）