Flume环境部署和配置详解及案例大全

奥飞火千万电

flume是一个分布式、可靠、和高可用的海量日志采集、聚合和传输的系统。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(比如文本、HDFS、Hbase等)的能力 。　　一、什么是Flume?
　　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 初始的发行版本目前被统称为 Flume OG（original generation），属于 cloudera。但随着 FLume 功能的扩展，Flume OG 代码工程臃肿、核心组件设计不合理、核心配置不标准等缺点暴露出来，尤其是在 Flume OG 的最后一个发行版本 0.94.0 中，日志传输不稳定的现象尤为严重，为了解决这些问题，2011 年 10 月 22 号，cloudera 完成了 Flume-728，对 Flume 进行了里程碑式的改动：重构核心组件、核心配置以及代码架构，重构后的版本统称为 Flume NG（next generation）；改动的另一原因是将 Flume 纳入 apache 旗下，cloudera Flume 改名为 Apache Flume。
　　flume的特点：
　　flume是一个分布式、可靠、和高可用的海量日志采集、聚合和传输的系统。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(比如文本、HDFS、Hbase，kafka等)的能力 。
　　flume的数据流由事件(Event)贯穿始终。Event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header头信息，这些Event由Agent外部的Source生成，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。），Storeon 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可扩展性
　　Flume采用了三层架构，分别为agent，collector和storage，每一层均可以水平扩展。其中，所有agent和collector由master统一管理，这使得系统容易监控和维护，且master允许有多个（使用ZooKeeper进行管理和负载均衡），这就避免了单点故障问题。
　　flume可管理性
　　所有agent和colletor由master统一管理，这使得系统便于维护。多master情况，Flume利用ZooKeeper和gossip，保证动态配置数据的一致性。用户可以在master上查看各个数据源或者数据流执行情况，且可以对各个数据源配置和动态加载。Flume提供了web和shell script command两种形式对数据流进行管理。
　　flume可扩展性
　　用户可以根据需要添加自己的agent，collector或者storage。此外，Flume自带了很多组件，包括各种agent（file， syslog等），collector和storage（file，HDFS等）。
　　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)。
　　flume的一些核心概念：

• 　　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。
  
• 　　Client        生产数据，运行在一个独立的线程。
  
• 　　Source        从Client收集数据，传递给Channel。
  
• 　　Sink        从Channel收集数据，运行在一个独立线程。
  
• 　　Channel        连接 sources 和 sinks ，这个有点像一个队列。
  
• 　　Events        可以是日志记录、 avro 对象等。
  

　　
　　Flume以agent为最小的独立运行单位。一个agent就是一个JVM。单agent由Source、Sink和Channel三大组件构成，如下图：

　　flume的详细三大组件介绍
　　flume的核心是agent。agent是一个Java进程，运行在日志收集端，通过agent接收日志，然后暂存起来，再发送到目的地。
　　agent里面包含3个核心组件：source、channel、sink。
　　source组件：是专用于收集日志的，可以处理各种类型各种格式的日志数据,包括avro、thrift、exec、jms、spoolingdirectory、netcat、sequence generator、syslog、http、legacy、等自定义。source组件把数据收集来以后，临时存放在channel中。
　　channel组件：是在agent中专用于临时存储数据的，可以存放在memory、jdbc、file、等自定义。
　　channel中的数据只有在sink发送成功之后才会被删除。
　　sink组件：是用于把数据发送到目的地的组件，目的地包括hdfs、logger、avro、thrift、ipc、file、null、hbase、solr、kfka，等自定义。
　　值得注意的是，Flume提供了大量内置的Source、Channel和Sink类型。不同类型的Source,Channel和Sink可以自由组合。组合方式基于用户设置的配置文件，非常灵活。比如：Channel可以把事件暂存在内存里，也可以持久化到本地硬盘上。Sink可以把日志写入HDFS,HBase，甚至是另外一个Source等等。Flume支持用户建立多级流，也就是说，多个agent可以协同工作，并且支持Fan-in、Fan-out、ContextualRouting、Backup Routes，这也正是NB之处。如下图所示:

　　二、安装，配置
　　1,官网地址：http://flume.apache.org/
　　2,flume安装配置
　　a,先配置java 环境变量
12345678tar xvf /soft/jdk-7u79-linux-x64.tar.gz  -C /soft  vim  /etc/profile#java export JAVA_HOME=/soft/jdk1.7.0_79/export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jarexport PATH=$PATH:/$JAVA_HOME/bin:$HADOOP_HOME/binsource /etc/profile　　b,配置flume
1234567tar xvf  apache-flume-1.6.0-bin.tar.gz -C /usr/local/ELK/mv   apache-flume-1.6.0    usr/local/ELK/apache-flume cd  /usr/local/ELK/apache-flume/confcp  flume-env.sh.template  flume-env.sh    vi conf/flume-env.shJAVA_HOME=/soft/jdk1.8.0_101　　c ,验证是否安装成功
123456/usr/local/ELK/apache-flume/bin/flume-ng versionFlume 1.6.0Source code repository: https://git-wip-us.apache.org/repos/asf/flume.gitRevision: 8633220df808c4cd0c13d1cf0320454a94f1ea97Compiled by hshreedharan on Wed May  7 14:49:18 PDT 2014From source with checksum a01fe726e4380ba0c9f7a7d222db961f　　说明安装成功
　　三 、flume的案例
　　1)案例1：Avro
　　这里所指的案例都是以source的格式来定义
　　Avro可以发送一个给定的文件给Flume，Avro 源使用AVRO RPC机制。
　　a)创建agent配置文件
1234567891011121314151617181920212223cd  /usr/local/ELK/apache-flume/conf          vim  avro.confa1.sources = r1a1.sinks = k1a1.channels = c1 # Describe/configure the sourcea1.sources.r1.type = avroa1.sources.r1.channels = c1a1.sources.r1.bind = 0.0.0.0a1.sources.r1.port = 4141 # Describe the sinka1.sinks.k1.type = logger          将收集到的日志输出到控制台 # Use a channel which buffers events in memorya1.channels.c1.type = memorya1.channels.c1.capacity = 1000a1.channels.c1.transactionCapacity = 100# Bind the source and sink to the channela1.sources.r1.channels = c1a1.sinks.k1.channel = c1　　2)案例1：exec
　　这里所指的案例都是以source的格式来定义
　　ecex可以实时监控一个文件，使用tail -F  /opt/logs/usece.log。
　　a)创建agent配置文件
1234567891011121314151617181920212223vim exec.conf  a2.sources = r2a2.sinks = k2a2.channels = c2 #Describe/configure the sourcea2.sources.r2.type = execa2.sources.r2.channels = c2a2.sources.r2.command=tail -F /opt/logs/usercenter.log # Describe the sinka2.sinks.k2.type = file_rolla2.sinks.k2.channel = c2a2.sinks.k2.sink.directory = /opt/flume   将收集到的日志写入此目录下 # Use a channel which buffers events in memorya2.channels.c2.type = memorya2.channels.c2.capacity = 1000a2.channels.c2.transactionCapacity = 100# Bind the source and sink to the channela2.sources.r2.channels = c2a2.sinks.k2.channel = c2　　更多案例参考：
　　http://www.aboutyun.com/thread-8917-1-1.html