Flume 1.5.0简单部署

yinl_li

=========================================================================
一、Flume简介
=========================================================================

1、概述
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 支持在日志系统中定制各类数据发送方，用于收集数据；同时，Flume 提供对数据进行简单处理，并写到各种数据接受方（可定制）的能力。
 
Flume 最早是 Cloudera 提供的日志收集系统，目前是 Apache 下的一个孵化项目，Flume 支持在日志系统中定制各类数据发送方，用于收集数据；同时，Flume 提供对数据进行简单处理，并写到各种数据接受方（可定制）的能力，Flume 提供了从console（控制台）、RPC（Thrift-RPC）、text（文件）、tail（UNIXtail）、syslog（syslog 日志系统，支持 TCP 和 UDP 等2种模式），exec（命令执行）等数据源上收集数据的能力。
 
2、数据流通
Flume 传输数据的基本单位是 event，如果是文本文件，通常是一行记录，这也是事务的基本单位。Flume 运行的核心是 agent。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。Event 从 Source，流向 Channel，再到 Sink，本身为一个 byte 数组，并可携带 headers 信息。Event 代表着一个数据流的最小完整单元，从外部数据源来，向外部的目的地去。Source：完成对日志数据的收集，分成 transtion 和 event 打入到 channel 之中。Channel：主要提供一个队列的功能，对 source 提供中的数据进行简单的缓存。Sink：取出 Channel 中的数据，进行相应的存储文件系统、数据库、或者提交到远程服务器。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：

 
Source 消费从外部流进的 Events，如 Avro Source 接收外部客户端传来的或是从别的agent流出来的 Avro Event。Source可以把 event 送往一个或多个 channel。channel 是一个队列，持有 event 等待 sink 来消费，一种 Channel 的实现：FileChannel 使用本地文件系统来作为它的存储。Sink 的作用是把 Event 从 channel 里移除，送往外部数据仓库或给下一站 agent 的 Source，如 HDFSEventSink 送往 HDFS。同个 agent 下的 source 和 sink 是异步的。下面再举几个数据流通的例子，说明不同的使用方式。
(1)、多agent模式

 
(2)、多对一的合并/Collector场景

 
(3)、一对多路输出模型

 
===================================================================================
二、Flume部署与测试
===================================================================================

1、JDK安装
http://download.oracle.com/otn-pub/java/jdk/7u65-b17/jdk-7u65-linux-x64.tar.gz
# tar xvzf jdk-7u65-linux-x64.gz
# cd /usr/local && ln -s jdk1.7.0_65 jdk
# cd /usr/local/bin && ln -s /usr/local/jdk/bin/java
 
2、Flume安装
http://mirrors.cnnic.cn/apache/flume/1.5.0/apache-flume-1.5.0-bin.tar.gz
# tar xvzf apache-flume-1.5.0-bin.tar.gz
# mv apache-flume-1.5.0-bin apache-flume-1.5.0
# ln -s apache-flume-1.5.0 flume
 
3、环境变量设置
# vim /etc/profile
export JAVA_HOME=/usr/local/jdk
export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export PATH=$PATH:$JAVA_HOME/bin
 
export FLUME_HOME=/usr/local/flume
export FLUME_CONF_DIR=$FLUME_HOME/conf
export PATH=.:$PATH::$FLUME_HOME/bin
 
# source /etc/profile
 
4、Flume配置
# mkdir -p /data/logs/flume-out
 
# vim /usr/local/flume/conf/flume-conf.properties
agent1.sources= source1
agent1.sinks= sink1
agent1.channels= channel1
 
agent1.sources.source1.channels= channel1
agent1.sources.source1.type= exec
agent1.sources.source1.command= tail -f /data/logs/web/iwan/620000010/access.log
 
agent1.sources.source1.interceptors= inter1
agent1.sources.source1.interceptors.inter1.type= REGEX_FILTER
agent1.sources.source1.interceptors.inter1.regex= .*POST.*
agent1.sources.source1.interceptors.inter1.excludeRegex= true
 
agent1.channels.channel1.type= memory
agent1.channels.channel1.capacity= 1000
agent1.channels.channel1.transactionCapactiy= 100
 
agent1.sinks.sink1.channel= channel1
agent1.sinks.sink1.type= FILE_ROLL
agent1.sinks.sink1.sink.directory= /data/logs/flume-out
 
 

# Flume agent config
agent1.sources= source1
agent1.sinks= sink1
agent1.channels= channel1
agent1.sources.source1.channels= channel1
agent1.sources.source1.type= exec
agent1.sources.source1.command= tail -f /home/hdfs/apache-tomcat-6.0.43/logs/catalina.out
#agent1.sources.source1.interceptors= inter1
#agent1.sources.source1.interceptors.inter1.type= REGEX_FILTER
#agent1.sources.source1.interceptors.inter1.regex= .*visitlog.*
#agent1.sources.source1.interceptors.inter1.excludeRegex= true
agent1.channels.channel1.type= memory
agent1.channels.channel1.capacity= 1000
agent1.channels.channel1.transactionCapactiy= 100
agent1.channels.channel1.keep-alive=30
#agent1.sinks.sink1.channel= channel1
#agent1.sinks.sink1.type= FILE_ROLL
#agent1.sinks.sink1.sink.directory= /home/flume/logs/flume-out

agent1.sinks.sink1.type=hdfs
agent1.sinks.sink1.channel=channel1
agent1.sinks.sink1.hdfs.path=hdfs://cluster-152:8020/user/flume/events
agent1.sinks.sink1.hdfs.fileType=DataStream
agent1.sinks.sink1.hdfs.writeFormat=Text
agent1.sinks.sink1.hdfs.rollInterval=0
agent1.sinks.sink1.hdfs.rollSize=10240
agent1.sinks.sink1.hdfs.rollCount=0
agent1.sinks.sink1.hdfs.idleTimeout=60
 

5、服务启动
# cd /usr/local/flume
# nohup bin/flume-ng agent -n agent1 -c conf -f conf/flume-conf.properties &
 
6、相关测试
(1)、本地hosts绑定 "172.18.35.30  iwan.qq.com"
(2)、采用Fiddler提交测试数据

 
(3)、效果展示

 

 
7、日志定期清理
# crontab -e
00 00 * * * cd /usr/local/flume/logs && rm -f `ls -1t | grep flume.log.$(date -d "7 days ago" +"%Y-%m-%d")` >/dev/null 2>&1
 
附录：
http://flume.apache.org/FlumeUserGuide.html
http://flume.apache.org/FlumeDeveloperGuide.html
http://www.cnblogs.com/lion.net/p/3903197.html