第一章:flume概述
1.1flume定义
- flume是Cloudera提供的一个高可用,高可靠,分布式的海量日志采集,聚合和传输的系统。
- flume基于流式框架,灵活简单。
1.2flume基础架构
- 官网:flume官网
- 数量级 N (Source) -> 1(Channel) -> N (Slink);一个channel可以对应多个Slink,一个Slink只能有一个Channel。
1.2.1 Agent (通常简写a)
- Agent是一个jvm进程,它以事件的形式将数据从源头送至目的地。
- Agent主要有三个部分组成:Source,Channel,Slink。
1.2.2 Source (通常简写r)
- Source是负责接受数据到Flume Agent的组件。Source组件可以处理各种类型、各种格式的数据,包括:avro、thrift、exec、jms、spooling directory、netcat、sequence、generator、syslog、http、legacy。
1.2.3 Sink(通常简写k)
- Sink 不断轮询Channel中的事件且批次地移除他们,并将这些事件批量的写入到储存或索引系统,或者被发送到另一个Flume Agent。
- Sink组件目的地包括hdfs 、logger、avor、thrift、ipc、file、HBase、solr 自定义
1.2.4 Channel(通常简写c)
- Channel是位于Source和Slink之间的缓冲区。因此,channel允许Source和Slink运行在不同的速率上。Channel是线程安全的,可以同时处理几个Source的写入操作和几个Sink的读取操作。
- Flume自带的Channel:Memory Channel和file Channel 以及kafka Channel。
- Memory Channel:是内存中的队列。Memory Channel在不需要关注数据丢失的情景下适用。如果关心数据丢失,那么Memory Channel就不应该适用,因为程序死亡、机器宕机或者重启都会导致数据丢失。
- File Channel:将所有事件写到磁盘。因此在程序关闭或机器宕机的情况下不会丢失数据。
1.2.5 Event(常识)
- 传输单元,flume数据传输的基本单元,以Event的形式将数据从源头送至目的地。Event由Header和Body两部分组成,Header用来存放该Event的一些属性,为k-v结构,Body用来存放该条数据,形式为字节数据。
第二章 flume安装配置简单运用
2.1Flume安装部署(仅需配置 jdk 即可)
2.1.1安装地址
1.Flume官网地址
Flume官网 http://flume.apache.org/
2.Flume文档地址
Flume文档 http://flume.apache.org/documentation.html
3.Flume下载地址(建议保存此代理)
下载Flume http://archive.apache.org/dist/flume/
2.1.2安装部署
1.将apache-flume-1.7.0-bin.tar.gz 上传到 linux 的 /opt/SoftWare下
cd /opt/SoftWare/
rz
2.解压
tar -zxvf apache-flume-1.7.0-bin.tar.gz
3.修改名字
mv apache-flume-1.7.0-bin flume
4.将 conf 下的 flume-env.sh.template 文件修改为 flume-env.sh 并添加jdk信息
mv flume-env.sh.template flume-env.sh
vi flume-env.sh
添加你的jdk export JAVA_HOME=/opt/SoftWare/jdk1.8.0.201
2.2Flume入门案例(参考官网)
2.2.1 监控端口数据官方案例
1.需求
使用 Flume 监听一个端口,收集该端口数据,并打印到控制台。
2.需求分析
此过程中source是端口,控制台是Slink
3.实现
- 安装 netcat工具
yum -y install nc - 判断44444端口是否被占用
netstat -tunlp | grep 44444 - 创建一个agent,并配置该文件,配置内容参考官网案例
添加内容如下:
#Name the components on this agent
a1.sources = r1
a1.sinks = k1
a1.channels = c1
# Describe/configure the source 配置来源类型ip端口
a1.sources.r1.type = netcat
a1.sources.r1.bind = localhost
a1.sources.r1.port = 44444
# Describe the sink 配置输出类型
a1.sinks.k1.type = logger
# Use a channel which buffers events in memory 配置管道类型
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
# Bind the source and sink to the channel 配置管道输入输出
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1
4.开启Flume进行端口监听
- 官方版(新学者)
bin/flume-ng agent --conf conf/ --name a1 --conf-file flume-netcat-logger.conf -Dflume.root.logger=INFO,console
- 简写版
bin/flume-ng agent -c conf/ -n a1 -f flume-netcat-logger.conf -Dflume.root.logger=INFO,console
- 解读上面参数
- -conf 或 - c:表示配置文件储存在的目录 一般是安装路径下的conf文件
- -name 或 - name:表示给agent起的名字是a1 在上个配置文件中同一个agent的名字
- - conf - file 或 - f:本次启动读取的配置文件的路径
- Dflume.root.logger=INFO,console:- D表示flume运行时动态修改flume.root.logger参数属性值,并将控制台日志打印级别设置为INFO级别。
5.使用netcat向本机44444端口发送数据
- 它会自动换行,输入内容即可
nc localhost 44444
6.flume监听端口数据即可