flume分布式日志收集系统操作

1.flume是分布式的日志收集系统，把收集来的数据传送到目的地去。

2.flume里面有个核心概念，叫做agent。agent是一个java进程，运行在日志收集节点。

3.agent里面包含3个核心组件：source、channel、sink。

3.1 source组件是专用于收集日志的，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、自定义。

    source组件把数据收集来以后，临时存放在channel中。

3.2 channel组件是在agent中专用于临时存储数据的，可以存放在memory、jdbc、file、自定义。

    channel中的数据只有在sink发送成功之后才会被删除。

3.3 sink组件是用于把数据发送到目的地的组件，目的地包括hdfs、logger、avro、thrift、ipc、file





、null、hbase、solr、自定义。

4.在整个数据传输过程中，流动的是event。事务保证是在event级别。

5.flume可以支持多级flume的agent，支持扇入(fan-in)、扇出(fan-out)。

















6.书写配置文件example





#定义agent名， source、channel、sink的名称

a4.sources = r1

a4.channels = c1

a4.sinks = k1





#具体定义source

a4.sources.r1.type = spooldir

a4.sources.r1.spoolDir = /home/hadoop/logs





#具体定义channel

a4.channels.c1.type = memory

a4.channels.c1.capacity = 10000

a4.channels.c1.transactionCapacity = 100





#定义拦截器，为消息添加时间戳

a4.sources.r1.interceptors = i1

a4.sources.r1.interceptors.i1.type = org.apache.flume.interceptor.TimestampInterceptor





$Builder









#具体定义sink

a4.sinks.k1.type = hdfs

a4.sinks.k1.hdfs.path = hdfs://ns1/flume/%Y%m%d

a4.sinks.k1.hdfs.filePrefix = events-

a4.sinks.k1.hdfs.fileType = DataStream

#不按照条数生成文件

a4.sinks.k1.hdfs.rollCount = 0

#HDFS上的文件达到128M时生成一个文件

a4.sinks.k1.hdfs.rollSize = 134217728

#HDFS上的文件达到60秒生成一个文件

a4.sinks.k1.hdfs.rollInterval = 60





#组装source、channel、sink

a4.sources.r1.channels = c1

a4.sinks.k1.channel = c1









7.执行命令~/flume/bin/flume-ng agent -n agent1 -c conf -f conf/example -





Dflume.root.logger=DEBUG,console





运行的时候可能缺少jar包  要导入

还要将hadoop的core-site.xml和hdfs-site.xml拷贝到flume的conf目录下

还要将flume机器的hosts文件修改配置