Flume入门

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

1、Flume是什么？

○ Flume是由cloudera开发的实时日志收集系统
    ○ 核心概念是由一个叫做Agent(代理节点)的java进程运行在日志收集节点
    ○ Flume在0.94.0版本以前(包含0.94.0版本)称为Cloudera Flume OG,由于0.94.0版本以前存在各种缺陷,因此不得不重新设计Flume并更名为Apache Flume NG(1.0.0开始)
    ○ Flume NG VS Flume OG
      - 目前版本都是Flume NG(1.0.0版本之后)
      架构方面：
        □ Flume OG有三种角色的节点：代理节点agent、收集节点collector、主节点master
        □ agent负责从各个数据源收集日志数据、将收集到的数据集中到collector,再由collector节点汇总存入到HDFS.而master负责管理agent\collector的活动
        □ agent、collector都称为node,node的角色根据配置的不同分为逻辑节点和物理节点,对于逻辑节点的区分、配置、使用非常复杂.
        □ agent、collector由source、sink组成,表示当前节点的数据从source传送到sink

以上相对于Flume NG来说:

□ Flume NG只有一种角色节点：代理节点agent
        □ 没有collector、master节点,这是最核心的变化.
        □ 去除逻辑节点和物理节点的概念和内容
        □ agent节点的组成发生变化,由source 、sink、channel三个组件组成
      Zookeeper方面：
        □ Flume OG的稳定性依赖zookeeper,它需要zookeeper对其多类节点的工作进行管理,虽然OG可以使用内存的方式对各类节点进行管理,但需要用户忍受机器出现故障时信息丢失的出现.
        □ Flume NG的节点角色数量由原来的3个缩减为1个,不存在多类角色的问题,所以不再需要zookeeper对各类节点协调的作用,由此脱离了对zookeeper的依赖.

2、Flume的三个组件

一个Agent进程包含了三个组件：Source组件、Channel组件、Sink组件，Source组件负责收集日志文件并发送给Channel组件,Channel组件形成一个管道,再由Sink组件读取Channel组件中的日志文件并发送给其他目标或者文件系统

Source组件：专门收集日志文件，可以处理各种类型的日志数据，如：Avro、Thrift、Exec、JMS、Spooling Directory、Twitter、Kafka、NetCat、Sequence Generator、Syslog、HTTP、Stress、Legacy、Custom(自定义格式)、Scribe
    Channel组件：专门用于存放临时文件，存储的位置可以是Memory、JDBC、Kafka、File、Spillable Memory、Pseudo Transaction、Custom(自定义)
    Sink组件：专门用于发送存放在Channel组件中的数据，发送的目标包括：HDFS、Hive、Logger、Thrift、IRC、File Roll、Null、HBase、MorphlineSolr、ElasticSearch、Kite Dataset、Kafka、Custom(自定义)
    Note:
  ○ 具体各种使用请参官方文档：http://flume.apache.org/FlumeUserGuide.html#flume-sink-processors
  ○ Channel中的数据只有在Sink组件发送成功后才会被删除
  ○ 在整个数据的传输过程中流动的是event,event可以理解为是flume中数据传输的基本单位,event表现为一条条的数据,其事务保证是event级别.
  ○ flume支持多级flume的agent,支持扇入(fan-in)\扇出(fan-out)

Note:

○ Sink支持发送多个目标

3、Flume的安装与配置

○ 下载
apache-flume-1.6.0-bin.tar.gz
JDK版本：1.6+
○ 解压FLUME_HOME

tar -zxvf apache-flume-1.6.0-bin.tar.gz

○ 安装JDK、配置JAVA_HOME、FLUME_HOME.

vi /etc/profile

export FLUME_HOME=/home/app/flume

export PATH=.:$FLUME_HOME/bin

○ 一个简单的例子,监控/home/data/logs目录,一旦有发现文件立即上传到hdfs中
□ 首先编写一个配置文件,文件名为:example.conf

#agent1表示代理名称

agent1.sources=source1

agent1.sinks=sink1

agent1.channels=channel1  #Spooling Directory是监控指定文件夹中新文件的变化，一旦新文件出现，就解析该文件内容，然后写入到channle。写入完成后，标记该文件已完成或者删除该文件。

#配置source1

agent1.sources.source1.type=spooldir

#指定监控的目录

agent1.sources.source1.spoolDir=/home/data/logs

agent1.sources.source1.channels=channel1

agent1.sources.source1.fileHeader = false

agent1.sources.source1.interceptors = i1

agent1.sources.source1.interceptors.i1.type = timestamp

#配置sink1

agent1.sinks.sink1.type=hdfs

agent1.sinks.sink1.hdfs.path=hdfs://master:9000/flume/data

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

#配置channel1

agent1.channels.channel1.type=file

#channel数据存放的备份目录

agent1.channels.channel1.checkpointDir=/home/data/channel_data.backup

#channel数据存放目录

agent1.channels.channel1.dataDirs=/home/data/channel_data

□ 将example.conf文件放到$FLUME_HOME/conf文件夹下
□ 启动agent进程命令：需要指定agent的名字、指定配置目录和配置文件
官方格式：

1	`bin/flume-ng agent -n $agent_name -c conf -f conf/flume-conf.properties.template`

在例子中编写成如下↓↓

1 2	`bin/flume-ng agent -n agent1 -c conf -f conf/example.conf -Dflume.root.logger=DEBUG,console` `-Dflume.root.logger=DEBUG,console是在控制台打印信息`

□ 重新打开一个终端，上传一个文件到/home/data/logs
□ /home/data/logs中的文件被更名为.COMPLETED,查看HDFS文件存在,配置完毕
待续更新...

来自：http://my.oschina.net/u/2377453/blog/473150