flume详细介绍，安装，配置

32423223

　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。），Store on 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、spooling directory、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、Contextual Routing、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

1 2 3 4 5 6 7 8

tar 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.jar export PATH=$PATH:/$JAVA_HOME/bin:$HADOOP_HOME/bin source /etc/profile

b,配置flume

1 2 3 4 5 6 7

tar 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/conf cp  flume-env.sh.template  flume-env.sh vi conf/flume-env.sh JAVA_HOME=/soft/jdk1.8.0_101

c ,验证是否安装成功

1 2 3 4 5 6

/usr/local/ELK/apache-flume/bin/flume-ng version Flume 1.6.0 Source code repository: https://git-wip-us.apache.org/repos/asf/flume.git Revision: 8633220df808c4cd0c13d1cf0320454a94f1ea97 Compiled by hshreedharan on Wed May  7 14:49:18 PDT 2014 From 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

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

cd  /usr/local/ELK/apache-flume/conf    vim  avro.conf a1.sources = r1 a1.sinks = k1 a1.channels = c1 # Describe/configure the source a1.sources.r1.type = avro a1.sources.r1.channels = c1 a1.sources.r1.bind = 0.0.0.0 a1.sources.r1.port = 4141 # Describe the sink a1.sinks.k1.type = logger          将收集到的日志输出到控制台 # Use a channel which buffers events in memory a1.channels.c1.type = memory a1.channels.c1.capacity = 1000 a1.channels.c1.transactionCapacity = 100 # Bind the source and sink to the channel a1.sources.r1.channels = c1 a1.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

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

vim exec.conf a2.sources = r2 a2.sinks = k2 a2.channels = c2 #Describe/configure the source a2.sources.r2.type = exec a2.sources.r2.channels = c2 a2.sources.r2.command=tail -F /opt/logs/usercenter.log # Describe the sink a2.sinks.k2.type = file_roll a2.sinks.k2.channel = c2 a2.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 memory a2.channels.c2.type = memory a2.channels.c2.capacity = 1000 a2.channels.c2.transactionCapacity = 100 # Bind the source and sink to the channel a2.sources.r2.channels = c2 a2.sinks.k2.channel = c2