一、flume架构概述
1、flume简介
Flume是一种分布式，可靠且可用的服务，用于有效地收集，聚合和移动大量日志数据。它具有基于流数据流的简单灵活的架构。它具有可靠的可靠性机制和许多故障转移和恢复机制，具有强大的容错性。它使用简单的可扩展数据模型，允许在线分析应用程序。
flume 作为 cloudera 开发的实时日志收集系统，受到了业界的认可与广泛应用。
Flume参考资料：
官方网站： http://flume.apache.org/
用户文档： http://flume.apache.org/FlumeUserGuide.html
开发文档： http://flume.apache.org/FlumeDeveloperGuide.html
2、flume的特点
##flume的特点：
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Agent外部的Source生成，Event是Flume数据传输的基本单元；
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。你可以把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的可靠性：
当节点出现故障时，日志能够被传送到其他节点上而不会丢失。Flume提供了三种级别的可靠性保障，从强到弱依次分别为：
end-to-end（收到数据agent首先将event写到磁盘上，当数据传送成功后，再删除；如果数据发送失败，可以重新发送。）
Store on failure（这也是scribe采用的策略，当数据接收方crash时，将数据写到本地，待恢复后，继续发送）
Besteffort（数据发送到接收方后，不会进行确认）。
flume的可恢复性：
还是靠Channel。推荐使用FileChannel，事件持久化在本地文件系统里(性能较差)。3、flume的一些核心概念
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。（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。）
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，起到一个缓冲的作用。）
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。）
##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，含有三个核心组件，分别是：
source、 channel、 sink。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。
Channel/Event/Sink
A Flume agent with one flow；
二、安装使用flume
1、安装
##解压包
[root@hadoop-senior flume]# tar zxf flume-ng-1.5.0-cdh5.3.6.tar.gz -C /opt/cdh-5.3.6/
[root@hadoop-senior cdh-5.3.6]# mv apache-flume-1.5.0-cdh5.3.6-bin/ ./flume-1.5.0-cdh5.3.62、配置
flume-env.sh文件 //先重命名
export JAVA_HOME=/opt/modules/jdk1.7.0_80
复制jar包
##flume的lib目录中没有与hdfs基础的jar包，这里手动放进去
[root@hadoop-senior flume]# ls flume-hdfs-jars/
commons-configuration-1.6.jar core-site.xml hadoop-auth-2.5.0-cdh5.3.6.jar hadoop-common-2.5.0-cdh5.3.6.jar hadoop-hdfs-2.5.0-cdh5.3.6.jar hdfs-site.xml
[root@hadoop-senior flume]# cd flume-hdfs-jars/
[root@hadoop-senior flume-hdfs-jars]# cp ./*.jar /opt/cdh-5.3.6/flume-1.5.0-cdh5.3.6/lib/3、常用命令
##常用命令、参数 commands: agent run a Flume agent global options: --conf,-c <conf> use configs in <conf> directory -Dproperty=value sets a Java system property value agent options: --name,-n <name> the name of this agent (required) --conf-file,-f <file> specify a config file (required if -z missing)
三、编写一个agent
1、agent配置文件
##准备配置文件
[root@hadoop-senior conf]# cp flume-conf.properties.template a1.conf
#####vim a1.conf####内容如下：
# The configuration file needs to define the sources,
# the channels and the sinks.
####define agent
a1.sources = r1
a1.channels = c1
a1.sinks = k1
###define sources
a1.sources.r1.type = netcat
a1.sources.r1.bind = hadoop-senior.ibeifeng.com
a1.sources.r1.port = 44444
###define channel
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
###define sink
a1.sinks.k1.type = logger
a1.sinks.k1.maxBytesToLog = 2014
###bind the soures and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1对上面配置文件的解释：
参考手册：http://flume.apache.org/releases/content/1.9.0/FlumeUserGuide.html
define agent字段：
定义了agent的名字a1，sources 、channels、sinks的名字；
define sources字段：
定义了source的类型、绑定的主机、端口
define channel字段：
定义了channel的存储类型，memory指数据存在内存中，
a1.channels.c1.capacity ：设置channel的容量，
a1.channels.c1.transactionCapacity：每次最大可以从source中拿到或者送到sink中的event数量；
define sink字段：
a1.sinks.k1.type = logger：记录INFO级别的日志；
a1.sinks.k1.maxBytesToLog：要记录的事件主体的最大字节数
bind the soures and sink to the channel字段：
将source与channel，sink与channel绑定；2、Source 、channel、sink了解
参考手册：http://flume.apache.org/releases/content/1.9.0/FlumeUserGuide.html
##Source
Flume支持多种类型的Source，包括Avro、Thrift、Exec、JMS、Spooling Directory、Taildir、Kafka、NetCat、Sequence Generator、Syslog Sources、HTTP、Stress、Custom、Scribe。
安装后测试时，可以使用NetCat Source监听一个端口，然后Telnet登录该端口输入字符串即可。
程序接入最便捷的方式是让Flume读取现有的日志文件，可以使用如下Source：
Taildir Source：观察指定的文件，并在检测到添加到每个文件的新行后几乎实时地尾随它们。
Spooling Directory Source：监测配置的目录下新增的文件，并将文件中的数据读取出来。需要注意两点：拷贝到 spool 目录下的文件不可以再打开编辑；spool 目录下不可包含相应的子目录。
Exec Source：以运行Linux命令的方式，持续的输出最新的数据，如tail -F文件名指令。
##Channel
Flume支持多种类型的Channel，包括Memory、JDBC、Kafka、File、Spillable Memory、Custom、Pseudo Transaction。其中，Memory Channel 可以实现高速的吞吐，但是无法保证数据的完整性；File Channel 是一个持久化的隧道（channel），它持久化所有的事件，并将其存储到磁盘中。
##Sink
Flume支持多种类型的Sink，包括HDFS、Hive、Logger、Avro、Thrift、IRC、File Roll、Null、HBase、MorphlineSolr、Elastic Search、Kite Dataset、Kafka、Custom。Sink在设置存储数据时，可以向文件系统、数据库、Hadoop存数据，在日志数据较少时，可以将数据存储在文件系中，并且设定一定的时间间隔保存数据。在日志数据较多时，可以将相应的日志数据存储到Hadoop中，便于日后进行相应的数据分析。3、运行flume agent
##先安装Telnet
[root@hadoop-senior telnet-rpms]# ls
netcat-1.10-891.2.x86_64.rpm telnet-0.17-47.el6_3.1.x86_64.rpm telnet-server-0.17-47.el6_3.1.x86_64.rpm xinetd-2.3.14-38.el6.x86_64.rpm
[root@hadoop-senior telnet-rpms]# rpm -ivh xinetd-2.3.14-38.el6.x86_64.rpm
[root@hadoop-senior telnet-rpms]# rpm -ivh telnet-server-0.17-47.el6_3.1.x86_64.rpm
[root@hadoop-senior telnet-rpms]# rpm -ivh telnet-0.17-47.el6_3.1.x86_64.rpm
[root@hadoop-senior telnet-rpms]# /etc/init.d/xinetd start
##运行flume agent
bin/flume-ng agent
-c conf
-n a1
-f conf/a1.conf
-Dflume.root.logger=DEBUG,console
##参数解释-c参数，是配置文件的目录-n参数，agent名称-f参数，具体的配置文件-D参数，将日志显示在控制台
##检查
[root@hadoop-senior ~]# netstat -ntlp |grep 44444
tcp 0 0 ::ffff:192.168.1.129:44444 :::* LISTEN 29636/java4、测试
##Telnet连接主机的44444端口，并发送一条信息“hello flume!”
[root@hadoop-senior ~]# telnet hadoop-senior.ibeifeng.com 44444
Trying 192.168.1.129...
Connected to hadoop-senior.ibeifeng.com.
Escape character is '^]'.
hello flume!
OK
##此时flume端就已经监听到了
2019-05-08 08:56:49,384 (SinkRunner-PollingRunner-DefaultSinkProcessor) [INFO - org.apache.flume.sink.LoggerSink.process(LoggerSink.java:70)] Event: { headers:{} body: 68 65 6C 6C 6F 20 66 6C 75 6D 65 21 21 21 0D hello flume!. }