Flume-基础

1、Flume概念

Flume是Cloudera提供的一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统。Flume基于流式架构，灵活简单。

Flume很多时候和storm以及spark streaming等流式处理框架结合使用。

 Flume最主要的作用就是，实时读取服务器本地磁盘的数据（Python爬虫数据、java后台日志数据），将数据写入到HDFS。

 

 

2、Flume组成架构

 

 

下面介绍Flume各组件

        Event: 传输单元，Flume数据传输的基本单元，以事件的形式将数据从源头送至目的地。带有一个可选的消息头

       Client:是一个将原始log包装成events并且发送它们到一个或多个agent的实体,在flume的拓扑结构中不是必须的

       Agent: Agent是一个JVM进程，它以事件的形式将数据从源头送至目的，是Flume数据传输的基本单元。

             Source: 负责接收event数据，并将events数据放到Channel，至少关联一个channel。Source组件可以处理各种类型、各种格式的日志数据，包括avro、thrift、exec、jms、spooling directory、netcat、sequence generator、syslog、http、legacy。

             Channel: Channel是位于Source和Sink之间的缓冲区。因此，Channel允许Source和Sink运作在不同的速率上。Channel是线程安全的，可以同时处理几个Source的写入操作和几个Sink的读取操作。

Flume自带两种Channel：Memory Channel和File Channel。

Memory Channel是内存中的队列。Memory Channel在不需要关心数据丢失的情景下适用。如果需要关心数据丢失，那么Memory Channel就不应该使用，因为程序死亡、机器宕机或者重启都会导致数据丢失。

File Channel将所有事件写到磁盘。因此在程序关闭或机器宕机的情况下不会丢失数据。

             Sink:Sink不断地轮询Channel中的事件且批量地移除它们，并将这些事件批量写入到存储或索引系统、或者被发送到另一个Flume Agent。

Sink是完全事务性的。在从Channel批量删除数据之前，每个Sink用Channel启动一个事务。批量事件一旦成功写出到存储系统或下一个Flume Agent，Sink就利用Channel提交事务。事务一旦被提交，该Channel从自己的内部缓冲区删除事件。

Sink组件目的地包括hdfs、logger、avro、thrift、ipc、file、null、HBase、solr、自定义。

 

        其他组件：

              Interceptor:

                  作用于source,按照预设的顺序在必要的地方装饰和过滤events

             Channel Selector :

                  允许source基于预设的标准，从所有的channel中，选择一个或多个Channel

             Sink Processor

                   多个sink可以构成一个sink group,Sink Processor 可以通过组中所有sink实现负载均衡，也可以在一个sink失败时转移到另一个

      Flow:Event从源点到达目的点的迁移的抽象

 3、Flume拓扑结构

 

3.1 Flume Agent连接

 

 3.2 单source，多channel、sink

 

 3.3 Flume负载均衡

 3.4 Flume Agent聚合

4、Flume Agent内部原理

5、Flume安装地址

1） Flume官网地址

http://flume.apache.org/

2）文档查看地址

http://flume.apache.org/FlumeUserGuide.html

3）下载地址

http://archive.apache.org/dist/flume/

6、安装部署

1）将apache-flume-1.7.0-bin.tar.gz上传到linux的/opt/software目录下

2）解压apache-flume-1.7.0-bin.tar.gz到/opt/module/目录下

[jason@hadoop102 software]$ tar -zxf apache-flume-1.7.0-bin.tar.gz -C /opt/module/

3）修改apache-flume-1.7.0-bin的名称为flume

[jason@hadoop102 module]$ mv apache-flume-1.7.0-bin flume

4） 将flume/conf下的flume-env.sh.template文件修改为flume-env.sh，并配置flume-env.sh文件

[jason@hadoop102 conf]$ mv flume-env.sh.template flume-env.sh

[jason@hadoop102 conf]$ vi flume-env.sh

export JAVA_HOME=/opt/module/jdk1.8.0_144