前言:
工作中需要同步日志到hdfs，以前是找运维用rsync做同步，现在一般是用flume同步数据到hdfs。以前为了工作简单看个flume的一些东西，今天下午有时间自己利用虚拟机搭建了flume环境，并简单做了几个练习。学习过程中还是比较顺利的，现在将学习的过程记录与此，供以后自己查阅，如果能帮助到其他人，自然是更好的。
===============================================================长长的分割线====================================================================
正文:
关于flume的理论介绍，网上可以搜到到很多的资料，大家可以自行搜索，我这里就不在重复赘述。
本文中主要涉及三块内容: 第一，fume概念简介；第二，搭建flume环境并运行hello word；第三，在第二点的基础上，再介绍一种“源”的使用方式。
第一步，flume简介(这部分资料参考了网上文章的资料):
(1). flume基本组件
a. Event：消息的基本单位，由headers和body组成
b. Agent：JVM进程，负责将外部来源产生的消息转发到外部的目的地
• Source：从外部来源读入event，并写入channel
• Channel：event暂存组件，source写入后，event将会一直保存，直到被sink成功消费。
• Sink：从channel读入event，并写入目的地
(2). flume数据流，对照下面的两幅数据流图片，需要我们记住如下概念:
a. 源将事件写到一个或多个通道中
b. 通道作为事件从源到接收器传递的保留区
c. 接收器只从一个通道接收事件
d. 代理可能会有多个源、通道与接收器。
第二步，搭建flume环境并运行hello world:
(1). 从flume官网上下载 http://flume.apache.org/download.html flume安装包，可以下载源码包自己编译，但是我当初直接下载了编译好的apache-flume-1.5.2-bin.tar.gz。
(2). 将apache-flume-1.5.2-bin.tar.gz这个压缩包通过tar -xzvf apache-flume-1.5.2-bin.tar.gz 命令解压缩。为了便于后边的讲解说一下我解压缩后的目录: /myself_settings/flume1.5.2/apache-flume-1.5.2-bin
(3). 直接进入conf目录，配置example0001.conf 配置文件，配置内容如下: 我们定义了一个名叫agent1的Agent。其中包含了名为src1的源、名为channel1的通道以及名为sink1的接收器。
1 # example0001.conf: A single-node Flume Configuration 2 3 # Name the components on this agent 4 agent1.sources = src1 5 agent1.sinks = sink1 6 agent1.channels = channel1 7 8 # Describe/configure the source 9 agent1.sources.src1.type = netcat 10 agent1.sources.src1.bind = 127.0.0.1 11 agent1.sources.src1.port = 44444 12 13 #Describe the sink 14 agent1.sinks.sink1.type = logger 15 16 # Use a channel which buffers events in memory 17 agent1.channels.channel1.type = memory 18 agent1.channels.channel1.capacity = 1000 19 agent1.channels.channel1.transactionCapacity = 100 20 21 # Bind the source and sink to the channel 22 agent1.sources.src1.channels = channel1 23 agent1.sinks.sink1.channel = channel1
(4). 在安装目录的根目录，比如我的目录: /myself_settings/flume1.5.2/apache-flume-1.5.2-bin 执行命令: ./bin/flume-ng agent -n agent1 -c conf -f conf/example0001.conf -Dflume.root.logger=INFO,console ，启动成功如下图:
(5). 在启动成功后，我们执行telnet命令: telnet localhost 44444，正确连接telnet后，依次输入hello、hello world和hello flume，这时我们可以看到刚才启动agent的控制台中就成功接收并输出了你刚才输入的内容，详细看上图矩形框选中的部分。
第三步，exec源的使用。这个主要是如果我想实时的接收业务系统的日志，那么可以设置这种源。
(1). 直接进入conf目录，配置example0002.conf 配置文件，配置内容如下: 我们定义了一个名叫agent2的Agent。其中包含了名为src2的源、名为channel2的通道以及名为sink2的接收器。
1 # example0001.conf: A single-node Flume Configuration 2 3 # Name the components on this agent 4 agent2.sources = src2 5 agent2.sinks = sink2 6 agent2.channels = channel2 7 8 # Describe/configure the source 9 agent2.sources.src2.type = exec 10 agent2.sources.src2.command = tail -F /test/test.log 11 12 #Describe the sink 13 agent2.sinks.sink2.type = logger 14 15 # Use a channel which buffers events in memory 16 agent2.channels.channel2.type = memory 17 agent2.channels.channel2.capacity = 1000 18 agent2.channels.channel2.transactionCapacity = 100 19 20 # Bind the source and sink to the channel 21 agent2.sources.src2.channels = channel2 22 agent2.sinks.sink2.channel = channel2
(2). 结合上面的配置文件，我们会发现和我们之前的定义的example1.conf的例子不同主要在与9、10行标红的定义源的类型和方式。结合命令来说，就是如果/test/test.log文件中内容发生变化，那么就会把新增的数据传入到当前agent2中。
(3). 为了测试上边的这个例子，在启动agent2之前，我们定义一个crontab任务: */1 * * * * date >> /test/test.log ，每隔一分钟往/test/test.log中插入一条当前服务器的时间。
(4). 在上边crontab任务执行后，我们开始启动agent2: ./bin/flume-ng agent -n agent2 -c conf -f conf/example0002.conf -Dflume.root.logger=INFO,console。
(5). 随着每隔一分钟test.log中新增的一条时间记录，agent2的控制台也会相应的接收并输出一条记录，如下图:
综上所述，我们一起完成了对flume的初步认识，我个人任务如果你是开发，这些基本的了解对你来说是必要的，当然如果从这篇文章中看，貌似flume比较简单，但是我个人觉得单看flume确实没有太多可说的，但是我们如果把kafka、flume、storm等实时计算工具融合起来的话，还是要好好研究研究的。