共计 4643 个字符，预计需要花费 12 分钟才能阅读完成。
1 Flume 简介
Flume 是 Cloudera 提供的一个高可用、高可靠、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 提供对数据的简单处理，并将数据处理结果写入各种数据接收方的能力。
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。2010 年 11 月 Cloudera 开源了 Flume 的第一个可用版本 0.9.2，这个系列版本被统称为 Flume-OG。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 Cloudera 重构了核心组件、核心配置和代码架构，重构后的版本统称为 Flume-NG。改动的另一原因是将 Flume 纳入 Apache 旗下，Cloudera Flume 改名为 Apache Flume。
2 Flume 工作原理
Flume 的数据流由事件（Event）贯穿始终。事件是 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。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。以下是 Flume 的一些核心概念：
（1）Events：一个数据单元，带有一个可选的消息头, 可以是日志记录、avro 对象等。
（2）Agent：JVM 中一个独立的 Flume 进程，包含组件 Source、Channel、Sink。
（3）Client：运行于一个独立线程，用于生产数据并将其发送给 Agent。
（4）Source：用来消费传递到该组件的 Event, 从 Client 收集数据，传递给 Channel。
（5）Channel：中转 Event 的一个临时存储，保存 Source 组件传递过来的 Event，其实就是连接 Source 和 Sink，有点像一个消息队列。
（6）Sink：从 Channel 收集数据，运行在一个独立线程。
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，如下图所示：
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、ES 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, 如下图所示:
3 Flume 的安装
3.1 安装 JDK
具体方法略。
3.2 下载安装包并解压
$ wget http://archive.cloudera.com/cdh5/cdh/5/flume-ng-1.6.0-cdh5.7.1.tar.gz
$ tar -xvf flume-ng-1.6.0-cdh5.7.1.tar.gz
$ rm flume-ng-1.6.0-cdh5.7.1.tar.gz
$ mv apache-flume-1.6.0-cdh5.7.1-binflume-1.6.0-cdh5.7.1
3.3 配置环境变量
$ cd /home/Hadoop
$ vim .bash_profile
export FLUME_HOME=/home/hadoop/app/cdh/flume-1.6.0-cdh5.7.1
export PATH=$PATH:$FLUME_HOME/bin
$ source .bash_profile
3.4 配置 flume-env.sh 文件
$ cd app/cdh/flume-1.6.0-cdh5.7.1/conf/
$ cp flume-env.sh.template flume-env.sh
$ vim flume-env.sh
export JAVA_HOME=/home/hadoop/app/jdk1.7.0_79
export HADOOP_HOME=/home/hadoop/app/cdh/hadoop-2.6.0-cdh5.7.1
3.5 版本验证
$ flume-ng version
4 Flume 部署示例
4.1 Avro
Flume 可以通过 Avro 监听某个端口并捕获传输的数据，具体示例如下：
// 创建一个 Flume 配置文件
$ cd app/cdh/flume-1.6.0-cdh5.7.1
$ mkdir example
$ cp conf/flume-conf.properties.template example/netcat.conf
// 配置 netcat.conf 用于实时获取另一终端输入的数据
$ vim example/netcat.conf
# Name the components on this agent
a1.sources = r1
a1.sinks = k1
a1.channels = c1
# Describe/configure the source
a1.sources.r1.type = netcat
a1.sources.r1.bind = localhost
a1.sources.r1.port = 44444
# Describe the sink
a1.sinks.k1.type = logger
# Use a channel that 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
// 运行 FlumeAgent，监听本机的 44444 端口
$ flume-ng agent -c conf -f example/netcat.conf -n a1 -Dflume.root.logger=INFO,console
// 打开另一终端，通过 telnet 登录 localhost 的 44444，输入测试数据
$ telnet localhost 44444
// 查看 flume 收集数据情况
4.2 Spool
Spool 用于监测配置的目录下新增的文件，并将文件中的数据读取出来。需要注意两点：拷贝到 spool 目录下的文件不可以再打开编辑、spool 目录下不可包含相应的子目录。具体示例如下：
// 创建两个 Flume 配置文件
$ cd app/cdh/flume-1.6.0-cdh5.7.1
$ cp conf/flume-conf.properties.template example/spool1.conf
$ cp conf/flume-conf.properties.template example/spool2.conf
// 配置 spool1.conf 用于监控目录 avro_data 的文件，将文件内容发送到本地 60000 端口
$ vim example/spool1.conf
# Namethe components
local1.sources= r1
local1.sinks= k1
local1.channels= c1
# Source
local1.sources.r1.type= spooldir
local1.sources.r1.spoolDir= /home/hadoop/avro_data
# Sink
local1.sinks.k1.type= avro
local1.sinks.k1.hostname= localhost
local1.sinks.k1.port= 60000
#Channel
local1.channels.c1.type= memory
# Bindthe source and sink to the channel
local1.sources.r1.channels= c1
local1.sinks.k1.channel= c1
// 配置 spool2.conf 用于从本地 60000 端口获取数据并写入 HDFS
# Namethe components
a1.sources= r1
a1.sinks= k1
a1.channels= c1
# Source
a1.sources.r1.type= avro
a1.sources.r1.channels= c1
a1.sources.r1.bind= localhost
a1.sources.r1.port= 60000
# Sink
a1.sinks.k1.type= hdfs
a1.sinks.k1.hdfs.path= hdfs://localhost:9000/user/wcbdd/flumeData
a1.sinks.k1.rollInterval= 0
a1.sinks.k1.hdfs.writeFormat= Text
a1.sinks.k1.hdfs.fileType= DataStream
# Channel
a1.channels.c1.type= memory
a1.channels.c1.capacity= 10000
# Bind the source and sink to the channel
a1.sources.r1.channels= c1
a1.sinks.k1.channel= c1
// 分别打开两个终端，运行如下命令启动两个 Flume Agent
$ flume-ng agent -c conf -f example/spool2.conf -n a1
$ flume-ng agent -c conf -f example/spool1.conf -n local1
// 查看本地文件系统中需要监控的 avro_data 目录内容
$ cd avro_data
$ cat avro_data.txt
// 查看写 HDFS 的 Agent，检查是否捕获了数据别写入 HDFS
// 通过 WEB UI 查看 HDFS 中的文件
4.3 其它
Flume 内置了大量的 Source，其中 Avro Source、Thrift Source、Spooling Directory Source、Kafka Source 具有较好的性能和较广泛的使用场景。下面是 Source 的一些参考资料：
Kafka-Storm 集成部署 http://www.linuxidc.com/Linux/2016-03/129063.htm
Flume 官方文档翻译——Flume 1.7.0 User Guide（unreleased version）http://www.linuxidc.com/Linux/2016-12/138030.htm
Flume + HDFS + Hive 日志收集系统搭建 http://www.linuxidc.com/Linux/2016-12/137959.htm
使用 flume+kafka+storm 构建实时日志分析系统 http://www.linuxidc.com/Linux/2014-09/107382.htm
本文永久更新链接地址 ：http://www.linuxidc.com/Linux/2016-12/138722.htm
