目录
介绍
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
基于流式架构,灵活简单。
![](https://i-blog.csdnimg.cn/blog_migrate/6f77af763222fddeb2ca257ebcd04d11.png)
Flume
最主要的作用就是,实时读取服务器本地磁盘的数据,将数据写入到
HDFS
。
采集 计算 存储 工具
架构
![](https://i-blog.csdnimg.cn/blog_migrate/2a204c16a872065528ff976d7c482e02.png)
Agent
Agent 是一个 JVM 进程,它以事件的形式将数据从源头送至目的。
Agent 主要有 3 个部分组成,
Source
、
Channel
、
Sink
。
Source
Source 是负责接收数据到 Flume Agent 的组件。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
、jms、
spooling directory(文件)
、
netcat(端口数据)
、
taildir(文件)
、
sequence generator、syslog、http、legacy。
Sink
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(控制台)
、
avro
、thrift、ipc、
file
、
HBase
、solr、自定
义
Channel
Channel 是位于 Source 和 Sink 之间的缓冲区。因此,Channel 允许 Source 和 Sink 运
作在不同的速率上。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 自带两种 Channel:
Memory Channel(内存)
和
File Channel(文件) 还有Kafka
。
Memory Channel 是内存中的队列。Memory Channel 在不需要关心数据丢失的情景下适
用。如果需要关心数据丢失,那么 Memory Channel 就不应该使用,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。
Event(事件)
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,形式为字节数组。
序列化和反学列化。
![](https://i-blog.csdnimg.cn/blog_migrate/45db6a097d1fddef1a78fa892cfcc4e7.png)
安装
http://archive.apache.org/dist/flume/
#解压
tar -zxf /opt/software/apacheflume-1.9.0-bin.tar.gz -C /opt/module/
#重命名
mv /opt/module/apache-flume-1.9.0-bin /opt/module/flume
#删除lib下的 guava-11.0.2.jar,兼容Hadoop3..1.3
sudo rm /opt/module/flume/lib/guava-11.0.2.jar
flume的学习主要是认识,安装,几个低级的案例,几个高级的案例,还有自定义组件。
来源:
尚硅谷