flume安装和介绍

一、安装
1、flume-ng-1.5.0-cdh5.3.6.tar.gz 下载
链接：https://pan.baidu.com/s/1AWPGP2qnY6_VpYr_iSnJ3w 密码：tiog
2、对flume进行解压缩：tar -zxvf flume-ng-1.5.0-cdh5.3.6.tar.gz
3、对flume目录进行重命名：mv apache-flume-1.5.0-cdh5.3.6-bin flume
4、配置相关的环境变量

vi ~/.bashrc
export FLUME_HOME=/usr/local/bigdata/flume
export FLUME_CONF_DIR=$FLUME_HOME/conf
export PATH=$PATH:$FLUME_HOME/bin
source ~/.bashrc

5、修改配置文件 flume-conf.properties
进入conf目录下，添加如下，下面agent监听指定文件夹，并上传到HDFS上去：

root@spark1:/usr/local/bigdata/flume# cd ./conf
touch flume-conf.properties
vim flume-conf.properties

#agent1
agent1.sources=source1
agent1.sinks=sink1
agent1.channels=channel1
#source1
agent1.sources.source1.type=spooldir
agent1.sources.source1.spoolDir=/usr/local/bigdata/flume_logs
agent1.sources.source1.channels=channel1
agent1.sources.source1.fileHeader = false
agent1.sources.source1.interceptors = i1
agent1.sources.source1.interceptors.i1.type = timestamp
#channel1
agent1.channels.channel1.type=file
agent1.channels.channel1.checkpointDir=/usr/local/bigdata/flume_logs_tmp_cp
agent1.channels.channel1.dataDirs=/usr/local/bigdata/flume_logs_tmp
#sink1
agent1.sinks.sink1.type=hdfs
agent1.sinks.sink1.hdfs.path=hdfs://spark1:9000/flume_logs
agent1.sinks.sink1.hdfs.fileType=DataStream
agent1.sinks.sink1.hdfs.writeFormat=TEXT
agent1.sinks.sink1.hdfs.rollInterval=1
agent1.sinks.sink1.channel=channel1
agent1.sinks.sink1.hdfs.filePrefix=%Y-%m-%d

创建本地文件夹

mkdir /usr/local/bigdata/flume_logs
mkdir /usr/local/bigdata/flume_logs_tmp_cp
mkdir /usr/local/bigdata/flume_logs_tmp
hdfs dfs -mkdir /flume_logs

6、修改配置文件

cp flume-env.sh.template flume-env.sh
vim flume-env.sh

添加java完整路径

export JAVA_HOME=/usr/local/bigdata/jdk

启动flume

flume-ng agent -n agent1 -c conf -f /usr/local/bigdata/flume/conf/flume-conf.properties -Dflume.root.logger=DEBUG,console

7、测试

在 /usr/local/bigdata/flume_logs 目录下创建一个文件，flume会自动上传到hdfs中
查看hdfs目录

root@spark1:/usr/local/bigdata/flume_logs# hdfs dfs -lsr /flume_logs
lsr: DEPRECATED: Please use 'ls -R' instead.
-rw-r--r--   3 root supergroup         25 2018-09-17 15:03 /flume_logs/2018-09-17.1537167831660
-rw-r--r--   3 root supergroup         11 2018-09-17 15:07 /flume_logs/2018-09-17.1537168036300

　查看日志文件

root@spark1:/usr/local/bigdata/flume_logs# hdfs dfs -text /flume_logs/2018-09-17.1537167831660

hello flume
hello word

二、flume介绍

1. Flume OG(original generation, 2009年7月):分布式日志收集系统,有Master概念,依赖于Zookeeper,分为agent, collector, storage三种角色

2. Flume NG(next generation, 2011年10月):代码重构,功能精简,去掉master, collector角色,专注数据的收集与传递

3.

4.Flume Flow:

Flow:数据采集流程·

Event:消息处理的最小单位,带有一个可选的消息头

Agent:一个独立的Flume进程,包含组件Source. Channel, Sink

Source: 以event为单位接收信息,并确保信息被推送(push)到channel .

Channel:缓存信息,确保信息在被sink处理前不会丢失,

Sink:从channel中拉取(pull)并处理信息 .

Interceptor: event拦截器,可以修改或丢弃event

处理流程:source以event为单位从数据源接收信息,然后保存到一个或多个channel中 (可以经过一个或多个interceptor的预处理) , sink从channel中拉取并处理信息(保存,丢弃或传递到下一个agent) ,然后通知channel删除信息

5.Source

Avro：监听地址接收avro信息

Thrift：监听地址,接收thrift信息

JMS：监听JMS地址,接收jms信息

Exec：监听命令输出,如tail-fxx.log

Spooling Directory：监听放置到指定文件夹下的新文件,读取文件中的内容,

Kafka：监听kafka服务器,接收kafka消息

自定义：自定义的source

6.channel

Memory Channel：Event数据存储在内存中。处理速度快,但是不能保证信息的持久化,而且容量受限于内存大小。

File Channel：Event数据存储在磁盘文件中。处理速度一般,但是可以保证信息不会丢失,,容量也几乎无限制.

JDBC Channel：Event数据存储在持久化存储中,当前Flume Channel内置支持Derby

Spillable Memory Channel ：Event数据存储在内存中和磁盘上,当内存队列满了,会持久化到磁盘文件,(当前为试验性的,不建议生产环境使用)

自定义Channel：实现Custom Channel

7.sink

HDFS：数据写入HDFS

Hive：数据写入Hive数据

Logger：写入日志文件

Avтo：数据被转换成Avro Event,然后发送到配置的RPC端口上,

Thrift：数据被转换成Thrift Event,然后发送到配置的RPC端口上.

HBase：数据写入HBase数据库

ElasticSearch：数据发送到Elastic Search搜索服务器(集群)

Kafka：数据发送到Kafka

Null：丢弃到所有数据

Custom：自定义Sink实现