flume基本概念与操作实例（常用source）

一、简述

Flume是Cloudera提供的一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统

Flume系统中核心的角色是agent，agent本身是一个Java进程，一般运行在日志收集节点。
每一个agent相当于一个数据传递员，内部有三个组件：
Source：采集源，用于跟数据源对接，以获取数据；
Channel：agent内部的数据传输通道，用于从source将数据传递到sink；
Sink：下沉地，采集数据的传送目的，用于往下一级agent传递数据或者往最终存储系统传递数据；
在整个数据的传输的过程中，流动的是event，它是Flume内部数据传输的最基本单元。
event将传输的数据进行封装。如果是文本文件，通常是一行记录，event也是事务的基本单位。event从source，流向channel，再到sink，本身为一个字节数组，并可携带headers(头信息)信息。event代表着一个数据的最小完整单元，从外部数据源来，向外部的目的地去。

二、流动方式

扇入流动
多个source对应一个sink

扇出流动
一个source对应多个sink

三、flume中几种常用的source

（1）netcat

数据的形式是通过TCP请求接受或者发送,接受的只是字符串形式的数据

文件编写

在flume文件下的data目录中新建一个basic文件
vim basic.conf

#绑定数据来源为r1
a1.sources=r1
#绑定source与sink之间的通道channel
a1.channels=c1
#绑定数据流向的最终目的地
a1.sinks=s1

#配置Source
#这里的source是netcat，通过NC发出TCP请求获取数据
a1.sources.r1.type=netcat
#端口所在的地址，表示从本地获取数据
a1.sources.r1.bind=0.0.0.0
#绑定端口号，配置监听的端口
a1.sources.r1.port=8090

#配置Channel -表示内存通道，临时把数据存储到内存中
a1.channels.c1.type=memory
#最多存储1000条数据 - 对应1000个event事件
a1.channels.c1.capacity=1000
#每次提供100条数据发送给sink
a1.channels.c1.transactionCapacity=100

#配置sink -表示以日志的形式输出在控制台
a1.sinks.s1.type=logger

实战操作

在linux系统中下载安装flume，进入flume安装路径的bin目录中

接着开启flume
sh flume-ng agent --name a1 -c …/conf/ -f …/data/basic.conf -Dflume.root.logger=INFO,console

接着在同一台虚拟机内，打开一个新的终端
解压安装nc

在新终端输入 nc hadoop01 8090
hadoop01是本台虚拟机的名称，8090是之前设定的端口

在里面随意的输入几个单词
这时再回到原先的终端窗口

会发现flume已经监听到输入的这两个单词了

（2）avro

数据的形式是通过TCP请求接受或者发送,接受的只是字符串形式的数据

文件编写

相比于netcat，只需要修改a1.sources.r1.type=avro即可

a1.sources=r1
a1.channels=c1
a1.sinks=s1

#配置Source
#这里的source是avro，通过NC发出TCP请求获取数据
a1.sources.r1.type=avro
a1.sources.r1.bind=0.0.0.0
a1.sources.r1.port=8090

a1.channels.c1.type=memory
a1.channels.c1.capacity=1000
a1.channels.c1.transactionCapacity=100

a1.sinks.s1.type=logger

通过指令 sh flume-ng
可以查询到相关的指令提示
打开一个新的终端

vim a.txt 新建一个文件，并且向其中填写数据

在新终端输入sh flume-ng avro-client -H hadoop01 -p 8090 -F a.txt

之后就可以在原先的终端中看到

a.txt中的数据已经被传输到了
数据通过avro的形式流动