python分布式日志收集系统_分布式日志收集系统Flume

Flume简介

Flume是一个分布式的、高可用的海量日志采集系统。它支持对日志数据的发送方、接收方进行定义，可将多种来源的日志数据写到指定的接收方，如：文本、HDFS、Hbase等。

我认为Flume最让我称赞的就是，可以在不干涉已有系统运行的情况下，无侵入地对采集到该系统的日志信息。

Flume的数据流由event(事件)贯穿始终，event是Flume的基本数据单位，它携带日志数据(字节数组形式)和头信息，这些event由Agent外部的Source生成。 当Source捕获到事先设定的事件(这里的事件，是指广义上的事件)， 就会生成event并推送到单个或多个Channel中。你可以把Channel看作是一个缓冲区，它保存event直到Sink对其处理完毕。Sink负责处理event，它对日志进行持久化或把event 转给另一个Source。

Flume以agent为最小的独立运行单位，每台机器运行一个agent，一个agent由Source、Sink和Channel三大组件构成，如下图：

Client生产数据，运行在一个独立的线程，比如我们的应用系统。

Source从Client收集数据，传递给Channel。

Sink从Channel收集数据，运行在一个独立线程。

Channel连接 sources 和 sinks ，这个有点像一个队列。

Events可以是日志记录、 avro 对象等。

一个agent中包含多个sources和sinks：

应用场景及用法

sources.type = netcat

Flume可以监听到某台计算机(Client)接收到其它计算机发来的netcat、telnet消息， 然后将这些消息传送到指定的地方，如hdfs、HBase、Kafka等。详细用法，参考http://corejava2008.iteye.com/blog/2218123

sources.type = exec

Flume可以监听到某台计算机(Client)某个指令的执行，然后把指令执行产生的输出信息发送到指定的地方，如hdfs、HBase、Kafka。如设定：

sources.command = tail -F /app/xxx.log

那么每当有10条新的日志产生后，Flume就把这10条新日志传送到指定的地方，如hdfs、HBase、Kafka等。

sources.type = spooldir

Flume可以监听到某台计算机(Client)上某个目录文件的变化，当有新的日志文件产生时，Flume就把这个日志文件的内容传送到指定的地方，如hdfs、HBase、Kafka等。

sources.type = syslogtcp

Flume可以监听到某台计算机(Client)TCP的端口，把从端口接收到的消息传送到指定的地方，如hdfs、HBase、Kafka等。详细用法，参考http://www.jb51.net/article/53542.htm