分布式日志收集系统：Flume

Flume知识点：

Event 是一行一行的数据
1.flume是分布式的日志收集系统，把收集来的数据传送到目的地去。
2.flume里面有个核心概念，叫做agent。agent是一个java进程，运行在日志收集节点。
3.agent里面包含3个核心组件：source、channel、sink。
3.1 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、spooling directory、netcat、sequence generator、syslog、http、legacy、自定义。
source组件把数据收集来以后，临时存放在channel中。
3.2 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、自定义。
channel中的数据只有在sink发送成功之后才会被删除。
3.3 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、自定义。
4.在整个数据传输过程中，流动的是event。事务保证是在event级别。
5.flume可以支持多级flume的agent，支持扇入(fan-in)、扇出(fan-out)。
扇入指的是：source 可以接收多个输入
扇出指的是：sink可以输出多个目的地

Flume安装：

1.分别解压这两个文件在节点里：

2.把src内容 复制到bin下：

cp -ri apache-flume-1.4.0-src/* apache-flume-1.4.0-bin/

3.src没用可以删掉了：

rm -rf apache-flume-1.4.0-src

4.重命名apache-flume-1.4.0-bin 为flume：

mv apache-flume-1.4.0-bin/ flume

注意：flume安装的 前提是你已经安装了hadoop ，因为它要用到hadoop的jar

5 . 书写配置文件example

agent1表示代理名称:

agent1.sources=source1
agent1.sinks=sink1
agent1.channels=channel1

Spooling Directory是监控指定文件夹中新文件的变化，一旦新文件出现，就解析该文件内容，然后写入到channle。写入完成后，标记该文件已完成或者删除该文件。

配置source1

agent1.sources.source1.type=spooldir
agent1.sources.source1.spoolDir=/root/hmbbs
agent1.sources.source1.channels=channel1
agent1.sources.source1.fileHeader = false
agent1.sources.source1.interceptors = i1
agent1.sources.source1.interceptors.i1.type = timestamp

配置sink1

agent1.sinks.sink1.type=hdfs
agent1.sinks.sink1.hdfs.path=hdfs://hadoop0:9000/hmbbs
agent1.sinks.sink1.hdfs.fileType=DataStream
agent1.sinks.sink1.hdfs.writeFormat=TEXT
agent1.sinks.sink1.hdfs.rollInterval=1 //指定时间文件被关闭
agent1.sinks.sink1.channel=channel1
agent1.sinks.sink1.hdfs.filePrefix=%Y-%m-%d //生成文件的前缀

配置channel1

agent1.channels.channel1.type=file
//备份目录
agent1.channels.channel1.checkpointDir=/root/hmbbs_tmp/123
agent1.channels.channel1.dataDirs=/root/hmbbs_tmp/

把该文件写入flume 的conf文件夹下，并命名为example

6.在root目录下创建文件夹hmbbs

[root@hadoop /]# cd /root
[root@hadoop ~]# ls
anaconda-ks.cfg Documents install.log Music Public Videos
Desktop Downloads install.log.syslog Pictures Templates
[root@hadoop ~]# mkdir hmbbs

7.在hadoop下创建文件夹

hadoop fs -mkdir /hmbbs

8.执行flume
进入flume执行命令

bin/flume-ng agent -n agent1 -c conf -f conf/example -Dflume.root.logger=DEBUG,console

9．创建

[root@hadoop ~]# vi hello
[root@hadoop ~]# cp hello hmbbs

在hdfs里会看到文件传输了进去

10 .

[root@hadoop ~]# cd hmbbs
[root@hadoop hmbbs]# ls
hello.COMPLETED

红色部分表示任务完成，已经传输到channel中，后缀.COMPLETED是重新命名后的结果。

[root@hadoop ~]# cd hmbbs_tmp
[root@hadoop hmbbs_tmp]# ls

hmbbs_tmp表示的是channel使用的目录。

[root@hadoop hmbbs_tmp]# cd 123
[root@hadoop 123]# ls
checkpoint checkpoint.meta inflightputs inflighttakes

这里的数据是备份数据，如果datadir里数据丢失可以从这里恢复。

在实际生产中是多节点配置，比较复杂，可以参考官方文档:
http://flume.apache.org