本文共 3923 字，大约阅读时间需要 13 分钟。
一、Flume基本概念
flume是一个分布式、可靠、和高可用的海量日志采集、聚合和传输的系统。支持在日志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(比如文本、HDFS、Hbase等)的能力。
flume的数据流由事件(Event)贯穿始终。事件是Flume的基本数据单位，它携带日志数据(字节数组形式)并且携带有头信息，这些Event由Source生成，当Source捕获事件后会进行特定的格式化，然后Source会把事件推入(单个或多个)Channel中，可以把Channel看作是一个缓冲区，它将保存事件直到Sink处理完该事件。Sink负责持久化日志或者把事件推向另一个 Source。
flume具有可靠性和可恢复性。
二、Flume核心组件
Client：Client生产数据，运行在一个独立的线程。
Event： 一个数据单元，消息头和消息体组成。（Events可以是日志记录、 avro 对象等。） Flow： Event从源点到达目的点的迁移的抽象。 Agent： 一个独立的Flume进程，包含组件Source、 Channel、 Sink。 Source： 数据收集组件。（source从Client收集数据，传递给Channel）。 Channel： 中转Event的一个临时存储，保存由Source组件传递过来的Event。（Channel连接 sources 和 sinks ，这个有点像一个队列）。 Sink： 从Channel中读取并移除Event， 将Event传递到FlowPipeline中的下一个Agent（如果有的话）（Sink从Channel收集数据，运行在一个独立线程）。3.1 Agent
Flume 运行的核心是 Agent。Flume以agent为最小的独立运行单位。一个agent就是一个JVM。它是一个完整的数据收集工具。Agent使用JVM 运行Flume。每台机器运行一个agent，但是可以在一个agent中包含多个sources和sinks。通过这些组件，Event 可以从一个地方流向另一个地方，如下图所示。
3.2 Source
数据收集组件,负责将数据捕获后进行特殊的格式化，将数据封装到事件（event） 里，然后将事件推入Channel中。Flume提供了各种source的实现，如：
♦ Avro Source 支持Avro协议(实际上是Avro RPC),内置支持
♦ Thrift Source 支持Thrift协议，内置支持 ♦ Exec Source 基于Unix的command在标准输出上生产数据 ♦ JMS Source 从JMS系统(消息、主题)中读取数据，ActiveMQ已经测试过。 ♦ Spooling Directory Source 监控指定目录内数据变更 ♦ NetCat Source 监控某个端口，将流经端口的每一个文本行数据作为Event输入 ♦ Syslog Source 读取syslog数据，产生Event，支持UDP和TCP两种协议 ♦ HTTP Source 基于HTTP POST或GET方式的数据源，支持JSON、BLOB表示Spool Source 如何使用？
在实际使用的过程中，可以结合log4j使用，使用log4j的时候，将log4j的文件分割机制设为1分钟一次，将文件拷贝到spool的监控目录。log4j有一个TimeRolling的插件，可以把log4j分割的文件到spool目录。基本实现了实时的监控。Flume在传完文件之后，将会修改文件的后缀，变为.COMPLETED（后缀也可以在配置文件中灵活指定）。
Exec Source 和Spool Source 比较：
（1） ExecSource可以实现对日志的实时收集，但是存在Flume不运行或者指令执行出错时，将无法收集到日志数据，无法何证日志数据的完整性。
（2） SpoolSource虽然无法实现实时的收集数据，但是可以使用以分钟的方式分割文件，趋近于实时。 （3） 总结：如果应用无法实现以分钟切割日志文件的话，可以两种 收集方式结合使用。3.3 Channel
Channel是连接Source和Sink的组件，可以将它看做一个数据的缓冲区（数据队列），它可以将事件暂存到内存中也可以持久化到本地磁盘上， 直到Sink处理完该事件。两个较为常用的Channel， Memory Channel和File Channel。Channel类型：
♦ Memory Channel Event数据存储在内存中
♦ JDBC Channel Even数据存储在持久化存储中，当前Flume Channel内置支持Derby ♦ File Channel Event数据存储在磁盘文件中Memory Channel和File Channel比较：
（1）Memory Channel可以实现高速的吞吐，但是无法保证数据完整性
（2）FileChannel保证数据的完整性与一致性。在具体配置不限的FileChannel时，建议FileChannel设置的目录和程序日志文 件保存的目录设成不同的磁盘，以便提高效率。3.4 Sink
从Channel中读取并移除Event,进行相应的存储文件系统，数据库，或者提交到下一个Agent。Sink类型：
♦ HDFS Sink 数据写入HDFS
♦ Logger Sink 数据写入日志文件 ♦ Avro Sink 数据被转换成Avro Event，然后发送到配置的RPC端口上 ♦ Thrift Sink 数据被转换成Thrift Event，然后发送到配置的RPC端口上 ♦ File Roll Sink 存储数据到本地文件系统 ♦ HBase Sink 数据写入HBase数据库 ♦ ElasticSearch Sink 数据发送到ElasticSearch 搜索服务器(集群)三、Flume使用场景
4.1 多个agent顺序连接
可以将多个Agent顺序连接起来，将最初的数据源经过收集，存储到最终的存储系统中。这是最简单的情况，一般情况下，应该控制这种顺序连接的 Agent 的数量，因为数据流经的路径变长了，如果不考虑failover的话，出现故障将影响整个Flow上的Agent收集服务。
4.2 多个Agent的数据汇聚到同一个Agent
这种情况应用的场景比较多，比如要收集Web网站的用户行为日志， Web网站为了可用性使用的负载集群模式，每个节点都产生用户行为日志，可以为每个节点都配置一个Agent来单独收集日志数据，然后多个Agent将数据最终汇聚到一个用来存储数据存储系统，如HDFS上。
4.3 多级流
当syslog， java， nginx、 tomcat等混合在一起的日志流开始流入一个agent后，可以agent中将混杂的日志流分开，然后给每种日志建立一个自己的传输通道。
四、Flume单机安装测试
首选确认jdk是否安装，这里jdk版本为1.8。
1 .解压flume
| 1 |
|
2. 配置
进入conf目录，新建example.conf文件，键入如下内容：
# 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
3. 启动flume
在flume安装目录下执行：
| 1 |
|
这里说明flume已经启动了，开始监听本地的44444端口的数据。
4. 测试
这里配置的是netcat需要安装telnet，可以执行yum install telnet安装。
这里通过telnet向本机的44444端口发送数据。
这里成功的收到发送的数据了！
转载地址：https://blog.csdn.net/ytp552200ytp/article/details/90664611 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！
发表评论
最新留言
关于作者
