浅谈Flume框架

文章目录

• 浅谈Flume框架
• 定义
• Flume架构
• • Agent
  • Source
  • Sink
  • Channel
  • Event
• Flume安装步骤
• • 上传压缩包至/opt/install
  • 解压并更名
  • 修改配置文件
  • 安装工具
• 应用案例
• • 编写配置文件 netcat-logger.conf
  • 启动
  • 案例分析

定义

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最主要的作用就是，实时读取服务器本地磁盘的数据，将数据写入到HDFS

Flume架构

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。
Agent 主要有 3 个部分组成，Source、Channel、Sink。

Source

Source 是负责接收数据到 Flume Agent 的组件。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、taildir、
sequence generator、syslog、http、legacy。

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

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。

Event

传输单元，Flume 数据传输的基本单元，以 Event 的形式将数据从源头送至目的地。
Event 由 Header 和 Body 两部分组成，Header 用来存放该 event 的一些属性，为 K-V 结构，
Body 用来存放该条数据，形式为字节数组

Flume安装步骤

上传压缩包至/opt/install

解压并更名

# 切换目录
[root@hadoop ~]# cd /opt/install/
# 解压
[root@hadoop install]# tar -zxf apache-flume-1.9.0-bin.tar.gz -C ../soft/
# 切换目录
[root@hadoop install]# cd ../soft/
# 更名
[root@hadoop soft]# mv apache-flume-1.9.0-bin/ flume190

修改配置文件

# 配置文件更名
[root@hadoop conf]# cp flume-env.sh.template flume-env.sh
[root@hadoop conf]# vim ./flume-env.shexport JAVA_HOME=/opt/soft/jdk180
export JAVA_OPTS="-Xms1000m -Xmx2000m -Dcom.sun.management.jmxremote"

安装工具

[root@hadoop conf]# yum install -y nc
[root@hadoop ~]# yum install telnet-server
[root@hadoop ~]# yum install telnet.*

应用案例

编写配置文件 netcat-logger.conf

netcat-logger.conf

# Name the components on this agent    a1表示agent的名称
a1.sources=r1    #r1表示a1的source名称
a1.sinks=k1      #k1表示a1的sink名称
a1.channels=c1   #c1表示a1的channel名称# configure the source
a1.sources.r1.type=netcat     #表示a1的输入源类型为netcat端口类型
a1.sources.r1.bind=localhost  #表示a1的监听的主机
a1.sources.r1.port=8888       #表示a1的监听的端口号# Use a channel which buffers events in memory
a1.channels.c1.type=memory      # 表示示a1的channel类型是memory内存型
a1.channels.c1.capacity=1000    # 表示a1的channel总容量1000个event
a1.channels.c1.transactionCapacity=100   # 表示a1的channel传输时收集到了100条event以后再去提交事务# Describe sink
a1.sinks.k1.type=logger
a1.sources.r1.channels=c1  #表示将r1和c1连接起来
a1.sinks.k1.channel=c1     #表示将k1和c1连接起来

启动

[root@hadoop flume190]# ./bin/flume-ng agent --name a1 --conf ./conf/ --conf-file ./conf/netcat-logger.conf -Dflume.root.logger=INFO,console

–conf/-c：表示配置文件存储在 conf/目录
–name/-n：表示给 agent 起名为 a1
–conf-file/-f：flume 本次启动读取的配置文件是在 job 文件夹下的 netcat-logger.conf 文件
-Dflume.root.logger=INFO,console ：-D 表示 flume 运行时动态修改 flume.root.logger
参数属性值，并将控制台日志打印级别设置为 INFO 级别。日志级别包括:log、info、warn、error

案例分析

# 重新开一个窗口 拨号发送hello
[root@hadoop ~]# telnet 192.168.95.150 8888