Flume+Kafka环境构建和实战

１.　准备工作

apache上下载 apache-flume-1.7.0, apache-kafka_2.12-0.11, apache-zookeeper-3.4.9

下载后分别解压至/home/hadoop/bigdata并重命名目录为flume, kafka, zk, (便于在.bashrc中export各个ＨＯＭＥ变量及后续升级)

２.　配置并启动zookeeper

zk配置主要有两个方面

2.1  conf/zoo.cfg

# The number of milliseconds of each tick
tickTime=2000
# The number of ticks that the initial 
# synchronization phase can take
initLimit=10
# The number of ticks that can pass between 
# sending a request and getting an acknowledgement
syncLimit=5
# the directory where the snapshot is stored.
# do not use /tmp for storage, /tmp here is just 
# example sakes.       // 下面这两个目录要提前手工建好
dataDir=/home/hadoop/bigdata/zk/zkdata
dataLogDir=/home/hadoop/bigdata/zk/zkdatalog     

server.1=master:2888:3888
server.2=ndh-slave01:2888:3888
server.3=slave02:2888:3888

# the port at which the clients will connect
clientPort=2181

2.2  zkdata/myid

这里面主要保存与conf/zoo.cfg中server.N对应的数字Ｎ，如master主机上是server.1, myid中即写1，其它两台机器同理。

2.3  启动并验证zk

把zookeeper目录及刚修改的配置文件一并拷贝到另两台slave机器上，并分别执行下面两个命令，以确保正常启动。

./zkServer.sh start

./zkServer.sh status

如遇到./zkServer.sh status报错问题，通常都是配置和操作的问题，请参考先前文章：http://blog.csdn.net/wqhlmark64/article/details/73250662。

3. flume配置和启动

Flume是一个分布式、可靠、和高可用的海量日志聚合的系统，支持在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（可定制）的能力。

简要来说，其设计目标和优势如下：

(1) 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），Best effort（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。
(3) 可管理性
所有agent和colletor由master统一管理，这使得系统便于维护。多master情况，Flume利用ZooKeeper和gossip，保证动态配置数据的一致性。用户可以在master上查看各个数据源或者数据流执行情况，且可以对各个数据源配置和动态加载。Flume提供了web 和shell script command两种形式对数据流进行管理。
(4) 功能可扩展性
用户可以根据需要添加自己的agent，collector或者storage。此外，Flume自带了很多组件，包括各种agent（file， syslog等），collector和storage（file，HDFS等）。

很明显，使用flume，主要就是确定好数据源和目标接收地，以及flume agent相关的source, channel, sink.

3.1  常用配置模式

主要修改flume/ conf/flume-conf.properties文件。安装包中默认的文件名有后缀.template，要copy一份并重命名为flume-conf.properties。

3.1.1 监控特定文件

//声明名字为agent的Agent的source, sink, channel

agent.sources=s1
agent.sinks=k1
agent.channels=c1

// 定义各source,sink,channel的属性
agent.sources.s1.type=exec
agent.sources.s1.command = tail -f -n+1 /home/hadoop/bigdata/spark/logs/spark-hadoop-org.apache.spark.deploy.master.Master-1-master.out　　//　这里取了spark的任务日志文件