大数据技术Flume(一)

Flume 定义

Flume 是一个高可用的，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。

Flume 基础架构

Flume的组成架构：

Flume基础组件：

• 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、netcat、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、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 和 File Channel 以及 Kafka Channel。
  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
  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。
  

Flume安装部署

下载地址: http://archive.apache.org/dist/flume/

• 安装部署：

1. 将 apache-flume-1.7.0-bin.tar.gz 上传到 linux 的/opt/software 目录下
2. 解压 apache-flume-1.7.0-bin.tar.gz 到/opt/module/目录下
   tar -zxf apache-flume-1.7.0-bin.tar.gz -C /opt/module/
3. 修改 apache-flume-1.7.0-bin 的名称为 flume
   mv apache-flume-1.7.0-bin flume
4. 将 flume/conf 下的 flume-env.sh.template 文件修改为 flume-env.sh，并配置 flumeenv.sh 文件
   mv flume-env.sh.template flume-env.sh
vi flume-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144