* Flume框架基础

框架简介：

** Flume提供一个分布式的，可靠的，对大数据量的日志进行高效收集、聚集、移动的服务，Flume只能在Unix环境下运行。

** Flume基于流式架构，容错性强，也很灵活简单，主要用于在线实时的引用分析。

宏观认知：

** Flume、Kafka用来实时进行数据收集，Spark、Storm用来实时处理数据，impala用来实时查询。

Flume架构图：

如果所示，Flume架构只有一个Agent角色节点，该角色节点由Source、Channel、Sink组成。

 

 

简单介绍一下各个组成部分的功能：

Source：Source用于采集数据，Source是产生数据流的地方，同时Source会将产生的数据流传输到Channel，这个有点类似于Java IO部分的Channel。

Channel：用于桥接Sources和Sinks，类似于一个队列。

Sink：从Channel收集数据，将数据写到目标源（可以是下一个Source，也可以是HDFS或者HBase）

数据传输单元：Event

** Event是Flume数据传输的基本单元

** Flume以事件的形式将数据从源头送至目的地

** Envent由可选的header和载有数据的一个byte array构成，载有的数据对于flume是不透明的，header容纳了key-value键值对的无需集合，key在某个集合内唯一，header还可以在上下文路由中拓展使用。

Flume传输过程：

如下图所示，source监控某个文件，文件产生新的数据，拿到该数据后，将数据封装在一个Event中，并put到channel后commit提交，channel队列先进先出，sink去channel队列中拉取数据，然后写入到hdfs或者HBase中。

 

 

* 安装Flume

** 下载地址传送门：链接：http://pan.baidu.com/s/1eSOOKam 密码：ll6r

** 拷贝，解压，不赘述了

** 配置文件

将conf目录下的flume-env.sh（重命名template文件就行了）文件的JAVA_HOME配置一下，依然不赘述了

** 命令使用

$ bin/flume-ng，出现如下图所示内容：

 

 

解释：

--conf：指定配置目录

--name：指定Agent名称

--conf-file：指定具体的配置文件

* 案例

例1：使用flume监听某个端口，将端口写入的数据输出

Step1、修改配置文件

$ cp -a conf/flume-conf.properties.template conf/flume-telnet.conf，变更为如下内容：

 

注意最后两个channel一个有s，一个没有

解释：

r1：即源，监控的数据源，resource的缩写

k1：即 sink缩写

c1：即channel缩写

Step2、安装telnet命令

由于默认没有该命令，我们来使用yum命令安装一下，注意进入root用户

# yum -y install telnet

Step3、运行flume端口监控

$ bin/flume-ng agent --conf conf/ --name a1 --conf-file conf/flume-telnet.conf -Dflume.root.logger==INFO,console

分别指定name，配置文件目录，配置文件，以及输出类型和位置。

运行如图：

 

 

Step4、测试

另开一个CRT到z01的界面

执行命令：

$ netstat -an | grep 44444，用于检查44444端口是否已经被flume成功监听，如图：

 

 

$ telnet localhost 44444，用于连接本机44444端口，进行数据发送（此处也可是使用其他命令，比如netcat等），此处在另一个窗口中进行telnet命令，原来执行flume的那个窗口查看数据是否成功监听到，测试如图：

发送端：

 

 

监听端：

 

 

如图所示，测试成功。如果需要退出telnet，使用ctrl+]键，再输入quit即可。

例2：某个系统框架的日志文件到HDFS

Step1、修改配置文件

更多参数配置的含义，请参看官文：http://flume.apache.org/FlumeUserGuide.html#hdfs-sink

$ cp -a conf/flume-telnet.conf conf/flume-apache-log.conf，变更为如下内容：

 

 

知识补充：

 

 

Step2、安装httpd

# yum -y install httpd

（注：httpd是Apache HTTP服务器的主程序。被设计为一个独立运行的后台进程，它会建立一个处理请求的子进程或线程的池）

Step3、启动httpd服务

centOS 7：

# systemctl start httpd.service

centOS 6：

# service httpd start

Step4、修改/var/log目录下的httpd文件夹的权限，以便于访问

# chmod 755 /var/log/httpd/

# vi /var/www/html/index.html，随便写点什么，如图：

 

 

Step5、执行如下 命令后，使用浏览器访问网页，查看产生的日志

$ tail -f /var/log/httpd/access_log，多次访问后，如图所示：

（浏览器打开：192.168.122.200，根据自己的配置IP访问即可。）

 

 

Step6、拷贝Flume所依赖的Hadoop的jar到自己的lib目录

cp /opt/modules/cdh/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/lib/hadoop-auth-2.5.0-cdh5.3.6.jar /opt/modules/cdh/apache-flume-1.5.0-cdh5.3.6-bin/lib

cp /opt/modules/cdh/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/lib/commons-configuration-1.6.jar /opt/modules/cdh/apache-flume-1.5.0-cdh5.3.6-bin/lib

cp /opt/modules/cdh/hadoop-2.5.0-cdh5.3.6/share/hadoop/mapreduce1/lib/hadoop-hdfs-2.5.0-cdh5.3.6.jar /opt/modules/cdh/apache-flume-1.5.0-cdh5.3.6-bin/lib

cp /opt/modules/cdh/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/hadoop-common-2.5.0-cdh5.3.6.jar /opt/modules/cdh/apache-flume-1.5.0-cdh5.3.6-bin/lib

拷贝完成后，flume的lib目录如下：

 

 

Step7、启动Hadoop相关服务后，执行flume-ng命令

$ bin/flume-ng agent --conf conf/ --name a2 --conf-file conf/flume-apache-log.conf

（尖叫提示：如果想让flume-ng命令在后台运行，不持续占用终端的操作，可以在命令的末尾加上&符号，即：

$ bin/flume-ng agent --conf conf/ --name a2 --conf-file conf/flume-apache-log.conf &）

检查flume的log日志，没有确认没有ERROR或者WARN错误后，刷新index.html页面，即可看到日志已经迁移至HDFS集群，如图：

 

 

 

 

 

 

 

 

以上便实现了Flume的日志收集，其他收集大同小异，大家可自行参照官方文档中的参数设置。

* 总结

flume就是一个流式的，日志采集框架，就像是一个挂在后台的收集器一样，实时监听你需要收集的文件或者目录。

个人微博：http://weibo.com/seal13

QQ大数据技术交流群（广告勿入）：476966007