Flume简介

功能：采集日志
角色：source,channel,sink
一个flume实例是一个agent
source：source接收数据后统一格式为event，event由header和body组成，推送到channel
channel：是source和sink之间的缓冲区
sink：将数据从channel拉去出来，然后放到目标地址
——————————————————————————————————
Source组件可以处理各种类型、各种格式的日志数据，包括avro、thrift、exec（execute）、jms、spooling directory、netcat(读取端口数据)、sequence generator、syslog、http、legacy。

Flume自带两种Channel：Memory Channel和File Channel。

Sink不断地轮询Channel中的事件且批量地移除它们，并将这些事件批量写入到存储、或者被发送到另一个Flume Agent。
Sink组件目的地包括hdfs、logger、avro、thrift、ipc、file、null、HBase、solr、自定义。

样例

1．创建配置文件flume-dir-hdfs.conf
创建一个文件

[root@hadoop101 job]$ touch flume-dir-hdfs.conf

打开文件

[root@hadoop101 job]$ vim flume-dir-hdfs.conf

添加如下内容
a3是agent的名字 该agent（a3）是由3个部分组成：source（r3）、channel（c3）、sink（k3）
event 由header和body组成

a3.sources = r3
a3.sinks = k3
a3.channels = c3

# Describe/configure the source
a3.sources.r3.type = spooldir
a3.sources.r3.spoolDir = /opt/module/flume/upload
a3.sources.r3.fileSuffix = .COMPLETED
a3.sources.r3.fileHeader = true
#忽略所有以.tmp结尾的文件，不上传
a3.sources.r3.ignorePattern = ([^ ]*\.tmp)

# Describe the sink
a3.sinks.k3.type = hdfs
a3.sinks.k3.hdfs.path = hdfs://hadoop101:9000/flume/upload/%Y%m%d/%H
#上传文件的前缀
a3.sinks.k3.hdfs.filePrefix = upload-
#是否按照时间滚动文件夹
a3.sinks.k3.hdfs.round = true
#多少时间单位创建一个新的文件夹
a3.sinks.k3.hdfs.roundValue = 1
#重新定义时间单位
a3.sinks.k3.hdfs.roundUnit = hour
#是否使用本地时间戳
a3.sinks.k3.hdfs.useLocalTimeStamp = true

#积攒多少个Event才flush到HDFS一次
a3.sinks.k3.hdfs.batchSize = 100
#设置文件类型，可支持压缩，但是DataStream不支持压缩
a3.sinks.k3.hdfs.fileType = DataStream
#多久生成一个新的文件
a3.sinks.k3.hdfs.rollInterval = 0
#设置每个文件的滚动大小大概是128M
a3.sinks.k3.hdfs.rollSize = 134217700
#文件的滚动与Event数量无关
a3.sinks.k3.hdfs.rollCount = 0
#访问hdfs的超时时间 默认10 000 毫秒
a3.sinks.k3.hdfs.callTimeout = 1000000


# Use a channel which buffers events in memory
a3.channels.c3.type = memory
a3.channels.c3.capacity = 1000
a3.channels.c3.transactionCapacity = 100

# Bind the source and sink to the channel
# 将三个组件关联起来
a3.sources.r3.channels = c3
a3.sinks.k3.channel = c3

案列解读