Flume自探
自己的话:每天都要保持前进
多认识更加优秀的人,你会讨厌现在的自己。
Flume概述及入门
一、概述
1.1 Flume 定义
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。
1.2 Flume 组成架构
下面我们来详细介绍一下Flume 架构中的组件:
1.2.1 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,是 Flume 数据传输的基本单元。
Agent 主要有 3 个部分组成,Source、Channel、Sink。
1.2.2 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。
1.2.3 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。
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。
1.2.4 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 是完全事务性的。在从 Channel 批量删除数据之前,每个 Sink 用 Channel 启动一个事务。批量事件一旦成功写出到存储系统或下一个 Flume Agent,Sink 就利用Channel 提交事务。事务一旦被提交,该 Channel 从自己的内部缓冲区删除事件。
Sink 组件目的地包括 hdfs、logger、avro、thrift、ipc、file、null、HBase、solr、自定义。
1.2.5 Event
传输单元,Flume 数据传输的基本单元,以事件的形式将数据从源头送至目的地。
1.3 Flume 拓扑结构
Flume Agent 连接:
单 source,多 channel、sink:
Flume 负载均衡:
Flume Agent 聚合:
1.4 Flume Agent 内部原理
二、快速入门
2.1 Flume 安装地址
2.1.1 Flume 官网地址
http://flume.apache.org
2.1.2 文档查看地址
http://flume.apache.org/FlumeUserGuide.html
2.1.3 下载地址
http://archive.apache.org/dist/flume/
2.2 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
[hadoop1 software]$ tar -zxvf 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
[hadoop1 module]$ 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 flume-env.sh 文件
[hadoop1 conf]$ mv flume-env.sh.template flume-env.sh
[hadoop1 conf]$ vi flume-env.sh
export JAVA_HOME=/home/xxx/jdk1.8.0_144