Flume

Flume简介

Flume是是Cloudera提供的一个分布式的、高可靠的、高可用的海量日志采集、聚合和传输的系统。支持在日志系统中定制各类数据发送方,用于收集数据;同时,Flume提供对数据进行简单处理,并写到各种数据接受方(比如文本、HDFS、Hbase等)的能力 。

Flume作为Cloudera开发的实时日志收集系统,受到了业界的认可与广泛应用。2010年11月Cloudera开源了Flume的第一个可用版本0.9.2,这个系列版本被统称为Flume-OG,重构后的版本统称为Flume-NG。改动的另一原因是将 Flume 纳入 Apache 旗下,Cloudera Flume改名为Apache Flume成为Apache核心项目。

Flume的特点

Flume的数据流由事件(Event)贯穿始终。事件是Flume的基本数据单位,它携带日志数据(字节数组形式)并且携带有头信息,这些Event由Agent外部的Source生成,当Source捕获事件后会进行特定的格式化,然后Source会把事件推入(单个或多个)Channel中。你可以把Channel看作是一个缓冲区,它将保存事件直到Sink处理完该事件。Sink负责持久化日志或者把事件推向另一个Source。

  1. Flume的可靠性
    当节点出现故障时,日志能够被传送到其他节点上而不会丢失。Flume提供了三种级别的可靠性保障,从强到弱依次分别为:end-to-end(收到数据agent首先将event写到磁盘上,当数据传送成功后,再删除;如果数据发送失败,可以重新发送。),Store on failure(这也是scribe采用的策略,当数据接收方crash时,将数据写到本地,待恢复后,继续发送),Besteffort(数据发送到接收方后,不会进行确认)。

  2. 可扩展性
    Flume采用了三层架构,分别为agent,collector和storage,每一层均可以水平扩展。其中,所有agent和collector由master统一管理,这使得系统容易监控和维护,且master允许有多个(使用ZooKeeper进行管理和负载均衡),这就避免了单点故障问题。

Flume核心概念
  • Client:Client生产数据,运行在一个独立的线程。
  • Event: 一个数据单元,存储格式为字节,消息头和消息体组成。(Events可以是日志记录、 avro 对象等)
  • Source:数据收集组件。Flume提供了各种各样的Source、同时还提供了自定义的Source
  • Channel:缓冲区,当Source接收数据后,会存储在一个或者多个Channel中;
  • Sink:负责消费Channel中的数据并将其发送至HDFS等外部存储或者另一个Flume agent的Source。
  • Flow: Event从源点到达目的点的迁移的抽象。
  • Agent: 一个独立的Flume进程,包含组件Source、 Channel、 Sink。(Agent使用JVM 运行Flume。每台机器运行一个agent,但是可以在一个agent中包含多个sources和sinks。)

Flume NG的架构

在这里插入图片描述
一个Flume Agent的典型数据流动过程为:

  1. 外部数据源(一个或多个)发送指定格式的数据至flume agent,source对数据作反序列化处理并存储在一个或多个channel中;
  2. 当sink需要某个数据时,从指定的channel中取出并删除channel中的原始数据。
  3. sink按指定格式对数据做序列化并发送到指定位置。
Source

Source是数据的收集端,负责将数据捕获后进行特殊的格式化,将数据封装到事件(event) 里,然后将事件推入Channel中。

Flume提供了各种source的实现,包括Avro Source、Exce Source、Spooling Directory Source、NetCat Source、Syslog Source、Syslog TCP Source、Syslog UDP Source、HTTP Source、HDFS Source,etc。如果内置的Source无法满足需要, Flume还支持自定义Source。

Channel

Channel是连接Source和Sink的组件,大家可以将它看做一个数据的缓冲区(数据队列),它可以将事件暂存到内存中也可以持久化到本地磁盘上, 直到Sink处理完该事件。

Flume对于Channel,则提供了Memory Channel、JDBC Chanel、File Channel,etc。

MemoryChannel可以实现高速的吞吐,但是无法保证数据的完整性。

MemoryRecoverChannel在官方文档的建议上已经建义使用FileChannel来替换。

FileChannel保证数据的完整性与一致性。在具体配置不现的FileChannel时,建议FileChannel设置的目录和程序日志文件保存的目录设成不同的磁盘,以便提高效率。

Sink

Flume Sink取出Channel中的数据,进行相应的存储文件系统,数据库,或者提交到远程服务器。

Flume也提供了各种sink的实现,包括HDFS sink、Logger sink、Avro sink、File Roll sink、Null sink、HBase sink,etc。

Flume Sink在设置存储数据时,可以向文件系统中,数据库中,hadoop中储数据,在日志数据较少时,可以将数据存储在文件系中,并且设定一定的时间间隔保存数据。在日志数据较多时,可以将相应的日志数据存储到Hadoop中,便于日后进行相应的数据分析。
在这里插入图片描述

Flume的部署类型

1. 单Agent
在这里插入图片描述
2.多代理流程(多个agent顺序连接)
在这里插入图片描述
可以将多个Agent顺序连接起来,将最初的数据源经过收集,存储到最终的存储系统中。这是最简单的情况,一般情况下,应该控制这种顺序连接的Agent 的数量,因为数据流经的路径变长了,如果不考虑failover的话,出现故障将影响整个Flow上的Agent收集服务。

3. 流的合并(多个Agent的数据汇聚到同一个Agent )(生产中最多使用)
在这里插入图片描述
这种情况应用的场景比较多,比如要收集Web网站的用户行为日志, Web网站为了可用性使用的负载集群模式,每个节点都产生用户行为日志,可以为每 个节点都配置一个Agent来单独收集日志数据,然后多个Agent将数据最终汇聚到一个用来存储数据存储系统,如HDFS上。

4. 多路复用流(多级流)
Flume还支持多级流,什么多级流?来举个例子,当syslog, java, nginx、 tomcat等混合在一起的日志流开始流入一个agent后,可以agent中将混杂的日志流分开,然后给每种日志建立一个自己的传输通道。
在这里插入图片描述
5. load balance功能
下图Agent1是一个路由节点,负责将Channel暂存的Event均衡到对应的多个Sink组件上,而每个Sink组件分别连接到一个独立的Agent上 。
在这里插入图片描述

Flume的部署

一、下载

[root@localhost flume]# wget http://mirror.bit.edu.cn/apache/flume/1.8.0/apache-flume-1.8.0-bin.tar.gz

二、安装

Flume框架对hadoop和zookeeper的依赖只是在jar包上,并不要求flume启动时必须将hadoop和zookeeper服务也启动。

1.将安装包上传到服务器并解压
在安装包目录下执行

[root@localhost flume]# tar.gztar -zxvf apache-flume-1.8.0-bin.tar.gz

2.修改配置文件

[root@localhost flume]# cd ./apache-flume-1.8.0-bin/conf
[root@localhost conf]# cp flume-env.sh.template flume-env.sh
[root@localhost conf]# vim  flume-env.sh

# 修改jdk目录地址
export JAVA_HOME=/usr/java/jdk1.8.0_73

三、监控目录

config目录下 创建 flumeList.conf文件

[root@localhost conf]# touch flumeList.conf

修改flumeList.conf文件

[root@localhost conf]# vim flumeList.conf

修改内容为:

# 指定Agent的组件名称
a1.sources = r1
a1.sinks = k1
a1.channels = c1
 
# 指定Flume source
a1.sources.r1.type = spooldir
#要监听的目录地址
a1.sources.r1.spoolDir = /metaapp/apps/apache-flume-1.8.0-bin/monitorList
 
# 指定Flume sink
a1.sinks.k1.type = logger
 
# 指定Flume channel
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
 
# 绑定source和sink到channel上
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

新建一个目录(和配置文件 监听目录一致)

[root@localhost apache-flume-1.8.0-bin]# mkdir monitorList

配置环境变量
打开环境变量命令

[root@localhost monitorList]# vim /etc/profile

最后添加以下配置

export FLUME_HOME=/DATA/flume/apache-flume-1.8.0-bin
export PATH=$PATH:$FLUME_HOME/bin

刷新配置

[root@localhost apache-flume-1.8.0-bin]# source /etc/profile

查看flume版本

[root@localhost apache-flume-1.8.0-bin]# flume-ng version

启动flume

[root@localhost apache-flume-1.8.0-bin]# flume-ng agent --conf conf --conf-file conf/flumeList.conf  --name a1  -Dflume.root.logger=INFO,console

看到下图,证明启动成功
在这里插入图片描述
复制一个窗口看一下效果
在这里插入图片描述
在新窗口进入到flume目录

cd  /metaapp/flume/apache-flume-1.8.0-bin/monitorList

创建一个文件,随便写点东西
在这里插入图片描述
切换回第一个窗口,发现修改产生的数据已经被采集
在这里插入图片描述
我们会发现第二个窗口内多了一个kingyifan.log.COMPLETED,里边就是刚才修改的内容
在这里插入图片描述

四、监控文件

进入flume目录中conf目录下创建一个flumeOne.conf文件
添加内容为:

# 指定Agent的组件名称
a1.sources = r1
a1.sinks = k1
a1.channels = c1
 
# 指定Flume 要监听文件的目录
#指定文件类型
a1.sources.r1.type = exec
#指定文件
a1.sources.r1.command = tail -F  /metaapp/flume/apache-flume-1.8.0-bin/monitorOne.log
 
# 指定Flume sink
a1.sinks.k1.type = logger
 
# 指定Flume channel
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
 
# 绑定source和sink到channel上
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

创建一个要监听的文件:

[root@localhost ~]# cd /metaapp/flume/apache-flume-1.8.0-bin
vim monitorOne.log

随便写点东西:
	hiahia
	wo zai jiankong wenjian
	bu zhi dao neng bu neng xing
	hahahaha
	lalalalalala
	blog:www.cnbuilder.cn

启动flume

[root@localhost apache-flume-1.8.0-bin]# flume-ng agent --conf conf --conf-file conf/flumeOne.conf  --name a1  -Dflume.root.logger=INFO,console

会发现,文件数据已经被采集
在这里插入图片描述

四、监听端口

进入目录

[root@localhost ~]# cd /metaapp/flume/apache-flume-1.8.0-bin/conf

创建一个监听文件

[root@localhost conf]# vim duankou.conf

添加内容为:

# me the components on this agent
a1.sources = r1
a1.sinks = k1
a1.channels = c1
 
# Describe/configure the source
a1.sources.r1.type = netcat
a1.sources.r1.bind = localhost
a1.sources.r1.port = 44444
 
# Describe the sink
a1.sinks.k1.type = logger
 
# Use a channel which buffers events in memory
a1.channels.c1.type = memory
#默认该通道中最大可以存储的event数量
a1.channels.c1.capacity = 1000
#每次最大可以从source中拿到或者送到sink中的event数量 
a1.channels.c1.transactionCapacity = 100
 
# Bind the source and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

启动flume

[root@localhost apache-flume-1.8.0-bin]# flume-ng agent --conf conf --conf-file conf/duankou.conf  --name a1  -Dflume.root.logger=INFO,console

测试监听端口

复制一个窗口

进入flume目录

[root@localhost ~]# cd /metaapp/flume/apache-flume-1.8.0-bin

执行

[root@localhost apache-flume-1.8.0-bin]# telnet localhost 44444

# 如果报没有telnet 则执行:
yum -y install telnet

然后向4444端口发送消息。。。

然后切换回第一个窗口会发现已经收集到数据

五、日志输入到文件

进入flume目录

[root@localhost ~]# cd /kingyifan/flume/apache-flume-1.8.0-bin

后台启动flume

[root@localhost apache-flume-1.8.0-bin]# flume-ng agent --conf conf --conf-file conf/duankou.conf --name a1 -Dflume.root.logger=INFO,console > logger.out 2>&1 &

在这里插入图片描述
发现创建一个logger.out日志文件

查看日志:cat logger.out 或者tail -f logger.out
在这里插入图片描述
测试一下:

进入flume目录: cd /kingyifan/flume/apache-flume-1.8.0-bin
执行:telnet localhost 44444
随便输入点内容
在这里插入图片描述
我们看下日志:
在这里插入图片描述
可以看到监听的数据已经被写入日志文件中

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值