一、安装
1、flume-ng-1.5.0-cdh5.3.6.tar.gz 下载
链接：https://pan.baidu.com/s/1AWPGP2qnY6_VpYr_iSnJ3w 密码：tiog
2、对flume进行解压缩：tar -zxvf flume-ng-1.5.0-cdh5.3.6.tar.gz
3、对flume目录进行重命名：mv apache-flume-1.5.0-cdh5.3.6-bin flume
4、配置相关的环境变量
vi ~/.bashrc export FLUME_HOME=/usr/local/bigdata/flume export FLUME_CONF_DIR=$FLUME_HOME/conf export PATH=$PATH:$FLUME_HOME/bin source ~/.bashrc
5、修改配置文件 flume-conf.properties
进入conf目录下，添加如下，下面agent监听指定文件夹，并上传到HDFS上去：
root@spark1:/usr/local/bigdata/flume# cd ./conf touch flume-conf.properties vim flume-conf.properties
#agent1 agent1.sources=source1 agent1.sinks=sink1 agent1.channels=channel1 #source1 agent1.sources.source1.type=spooldir agent1.sources.source1.spoolDir=/usr/local/bigdata/flume_logs agent1.sources.source1.channels=channel1 agent1.sources.source1.fileHeader = false agent1.sources.source1.interceptors = i1 agent1.sources.source1.interceptors.i1.type = timestamp #channel1 agent1.channels.channel1.type=file agent1.channels.channel1.checkpointDir=/usr/local/bigdata/flume_logs_tmp_cp agent1.channels.channel1.dataDirs=/usr/local/bigdata/flume_logs_tmp #sink1 agent1.sinks.sink1.type=hdfs agent1.sinks.sink1.hdfs.path=hdfs://spark1:9000/flume_logs agent1.sinks.sink1.hdfs.fileType=DataStream agent1.sinks.sink1.hdfs.writeFormat=TEXT agent1.sinks.sink1.hdfs.rollInterval=1 agent1.sinks.sink1.channel=channel1 agent1.sinks.sink1.hdfs.filePrefix=%Y-%m-%d
创建本地文件夹
mkdir /usr/local/bigdata/flume_logs mkdir /usr/local/bigdata/flume_logs_tmp_cp mkdir /usr/local/bigdata/flume_logs_tmp hdfs dfs -mkdir /flume_logs
6、修改配置文件
cp flume-env.sh.template flume-env.sh vim flume-env.sh
添加java完整路径
export JAVA_HOME=/usr/local/bigdata/jdk
启动flume
flume-ng agent -n agent1 -c conf -f /usr/local/bigdata/flume/conf/flume-conf.properties -Dflume.root.logger=DEBUG,console
7、测试
在 /usr/local/bigdata/flume_logs 目录下创建一个文件，flume会自动上传到hdfs中
查看hdfs目录
root@spark1:/usr/local/bigdata/flume_logs# hdfs dfs -lsr /flume_logs lsr: DEPRECATED: Please use 'ls -R' instead. -rw-r--r-- 3 root supergroup 25 2018-09-17 15:03 /flume_logs/2018-09-17.1537167831660 -rw-r--r-- 3 root supergroup 11 2018-09-17 15:07 /flume_logs/2018-09-17.1537168036300
查看日志文件
root@spark1:/usr/local/bigdata/flume_logs# hdfs dfs -text /flume_logs/2018-09-17.1537167831660 hello flume hello word
二、flume介绍
1. Flume OG(original generation, 2009年7月):分布式日志收集系统,有Master概念,依赖于Zookeeper,分为agent, collector, storage三种角色
2. Flume NG(next generation, 2011年10月):代码重构,功能精简,去掉master, collector角色,专注数据的收集与传递
3.
4.Flume Flow:
Flow:数据采集流程·
Event:消息处理的最小单位,带有一个可选的消息头
Agent:一个独立的Flume进程,包含组件Source. Channel, Sink
Source: 以event为单位接收信息,并确保信息被推送(push)到channel .
Channel:缓存信息,确保信息在被sink处理前不会丢失,
Sink:从channel中拉取(pull)并处理信息 .
Interceptor: event拦截器,可以修改或丢弃event
处理流程:source以event为单位从数据源接收信息,然后保存到一个或多个channel中 (可以经过一个或多个interceptor的预处理) , sink从channel中拉取并处理信息(保存,丢弃或传递到下一个agent) ,然后通知channel删除信息
5.Source
Avro：监听地址接收avro信息
Thrift：监听地址,接收thrift信息
JMS：监听JMS地址,接收jms信息
Exec：监听命令输出,如tail-fxx.log
Spooling Directory：监听放置到指定文件夹下的新文件,读取文件中的内容,
Kafka：监听kafka服务器,接收kafka消息
自定义：自定义的source
6.channel
Memory Channel：Event数据存储在内存中。处理速度快,但是不能保证信息的持久化,而且容量受限于内存大小。
File Channel：Event数据存储在磁盘文件中。处理速度一般,但是可以保证信息不会丢失,,容量也几乎无限制.
JDBC Channel：Event数据存储在持久化存储中,当前Flume Channel内置支持Derby
Spillable Memory Channel ：Event数据存储在内存中和磁盘上,当内存队列满了,会持久化到磁盘文件,(当前为试验性的,不建议生产环境使用)
自定义Channel：实现Custom Channel
7.sink
HDFS：数据写入HDFS
Hive：数据写入Hive数据
Logger：写入日志文件
Avтo：数据被转换成Avro Event,然后发送到配置的RPC端口上,
Thrift：数据被转换成Thrift Event,然后发送到配置的RPC端口上.
HBase：数据写入HBase数据库
ElasticSearch：数据发送到Elastic Search搜索服务器(集群)
Kafka：数据发送到Kafka
Null：丢弃到所有数据
Custom：自定义Sink实现