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