看完这一篇文章入门Flume

         在一个完整的离线大数据处理系统中，除了hdfs+mapreduce+hive组成分析系统的核心之外，还需要数据采集、结果数据导出、任务调度等不可或缺的辅助系统，而这些辅助工具在hadoop生态体系中都有便捷的开源框架，如图所示：
![在这里插入图片描述](https://img-blog.csdnimg.cn/20201002200448624.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNzkxNzI0,size_
16,color_FFFFFF,t_70#pic_center)

一、Flume介绍

1.1 概述

• 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。
  宏观角度来看类似生活中的扫码枪、吸尘器吸头。

1.2 运行机制

1. 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
2. 每一个agent相当于一个数据传递员，内部有三个组件：
   a. Source：采集组件，用于跟数据源对接，以获取数据
   b.Channel：传输通道组件，用于从source将数据传递到sink
   c.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
   
   Source 到 Channel 到 Sink之间传递数据的形式是Event事件；Event事件是一个数据流单元。
   

1.3 Flume采集系统结构图

1、简单结构
单个agent采集数据

2、复杂结构
多级agent之间串联

二、Flume安装部署

2.1 安装地址

Flume官网、文档查看地址、下载地址

2.2 安装部署

1. 将apache-flume-1.8.0-bin.tar.gz 上传到 linux 的 /export/servers/目录下
2. 解压apache-flume-1.8.0-bin.tar.gz 到/export/servers/目录下

tar -zxvf apache-flume-1.8.0-bin.tar.gz  -C ../servers/

3. 将 flume/conf 下的 flume-env.sh.template 文件修改为 flume-env.sh，并配置 flume-env.sh 文件

[root@node01 conf]# pwd 
/export/servers/apache-flume-1.8.0-bin/conf
[root@node01 conf]# cp flume-env.sh.template  flume-env.sh
[root@node01 conf]# vim flume-env.sh
 export JAVA_HOME=${JAVA_HOME}

三、Flume实战案例

3.1Flume接受telent数据

案例：使用网络telent命令向一台机器发送一些网络数据，然后通过flume采集网络端口数据

1、开发配置文件
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)
配置我们的网络收集的配置文件
在flume的conf目录下新建一个配置文件（采集方案）
vim /export/servers/apache-flume-1.8.0-bin/conf/netcat-logger.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 = 192.168.100.201
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

2、启动配置文件
指定采集方案配置文件，在相应的节点上启动flume agent
先用一个最简单的例子来测试一下程序环境是否正常
启动agent去采集数据

bin/flume-ng agent -c conf -f tmpconf/netcat-logger.conf  -n a1  -Dflume.root.logger=INFO,console

-c conf 指定flume自身的配置文件所在的目录
-f tmpconf/netcat-logger.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
3、安装telent准备测试
在node02上面安装telent客户端，用于模式收据发送

yum -y install telnet
telnet  node01  44444   # 使用telnet模拟数据发送

使用telnet模拟数据发送

Flume进行收集数据

3.2采集文件到HDFS

案例: 比如业务系统使用log4j生成的日志，日志内容不断增加，需要把追加到日志文件中的数据实时采集到hdfs

• 采集源，即source——监控文件内容更新 : exec ‘tail -F file’
• 下沉目标，即sink——HDFS文件系统 : hdfs sink
• Source和sink之间的传递通道——channel，可用file channel 也可以用 内存channel

1、开发配置文件
vim /export/servers/apache-flume-1.8.0-bin/tmpconf/tail-file.conf

a1.sources=r1
a1.channels=c1
a1.sinks=k1
# Describe/configure tail -F source1
a1.sources.r1.type=exec
a1.sources.r1.command =tail -F /export/servers/taillogs/access_log
 
# Describe sink1
a1.sinks.k1.type=hdfs
a1.sinks.k1.hdfs.path=hdfs://node01:8020/spooldir/

# Use a channel which buffers events in memory
a1.channels.c1.type=memory
a1.channels.c1.capacity=1000
a1.channels.c1.transactionCapacity=100

# Bind the source and sink to the channel
a1.sources.r1.channels=c1
a1.sinks.k1.channel=c1

启动Flume
注意： Hadoop集群必须要启动

../bin/flume-ng agent -c conf -f tail-file.conf -n a1  -Dflume.root.logger=INFO,console

开发shell脚本定时时追加文件内容

mkdir -p /export/shells/
cd  /export/shells/
vim tail-file.sh
#!/bin/bash
while true
do
 date >> /export/servers/taillogs/access_log;
  sleep 0.5;
done

创建一个文件夹用来存放文存放日志

mkdir -p /export/servers/taillogs
sh /export/servers/shells/tail-file.sh