Apache Flume簡介及安裝部署
概述
Flume 是 Cloudera 提供的一個高可用的，高可靠的，分布式的海量日誌采集、聚合和傳輸的軟件。
Flume 的核心是把數據從數據源(source)收集過來，再將收集到的數據送到指定的目的地(sink)。為了保證輸送的過程一定成功，在送到目的地(sink)之前，會先緩存數據(channel),待數據真正到達目的地(sink)後，flume 在刪除自己緩存的數據。
Flume 支持定制各類數據發送方，用於收集各類型數據；同時，Flume 支持定制各種數據接受方，用於最終存儲數據。一般的采集需求，通過對 flume 的簡單配置即可實現。針對特殊場景也具備良好的自定義擴展能力。因此，flume 可以適用於大部分的日常數據采集場景
。
運行機制
Flume 系統中核心的角色是 agent，agent 本身是一個 Java 進程，一般運行在日誌收集節點。
- 每一個 agent 相當於一個數據傳遞員，內部有三個組件：
Source：采集源，用於跟數據源對接，以獲取數據；
Sink：下沈地，采集數據的傳送目的，用於往下一級 agent 傳遞數據或者往最終存儲系統傳遞數據；
Channel：agent 內部的數據傳輸通道，用於從 source 將數據傳遞到 sink；
- 在整個數據的傳輸的過程中，流動的是 event，它是 Flume 內部數據傳輸的最基本單元。event 將傳輸的數據進行封裝。如果是文本文件，通常是一行記錄，event 也是事務的基本單位。event 從 source，流向 channel，再到 sink，本身為一個字節數組，並可攜帶 headers(頭信息)信息。event 代表著一個數據的最小完整單元，從外部數據源來，向外部的目的地去。
- 一個完整的 event 包括：event headers、event body、event 信息，其event 信息就是 flume 收集到的日記記錄。
Flume采集系統結構圖
簡單結構：
單個 agent 采集數據
復雜結構
多級 agent 之間串聯
Flume安裝部署
- 上傳安裝包到數據源所在節點上
- 解壓
tar -zxvf apache-flume-1.6.0-bin.tar.gz
- 根據數據采集需求 配置采集方案，描述在配置文件中(文件名可任意自定義)
在 flume 的 的 conf 目錄下新建一個文件
vi netcat-logger.conf
#從網絡端口接收數據，下沈到logger #采集配置文件，netcat-logger.conf # Name 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 a1.channels.c1.capacity = 1000 a1.channels.c1.transactionCapacity = 100 # Bind the source and sink to the channel a1.sources.r1.channels = c1 a1.sinks.k1.channel = c1
- 指定采集方案配置文件，在相應的節點上啟動 flume agent
bin/flume-ng agent --conf conf --conf-file conf/netcat-logger.conf --name a1 -Dflume.root.logger=INFO,console
#--conf-file指定采集方案是哪一個(-f)
#--name 給本次flume agent起個名字
- 測試
#安裝telnet
yum install -y telnet
傳入數據：
$ telnet localhost 44444
Trying 127.0.0.1...
Connected to localhost.localdomain (127.0.0.1).
Escape character is ‘^]‘.
Hello world! <ENTER>
OK
Apache Flume簡介及安裝部署