Flume-ng配置

共计 6148 个字符，预计需要花费 16 分钟才能阅读完成。

1）简介

Flume 是一个分布式、可靠、和高可用的海量日志聚合的系统，支持在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（可定制）的能力。

设计目标：
(1) 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（当数据接收方 crash 时，将数据写到本地，待恢复后，继续发送），Best effort（数据发送到接收方后，不会进行确认）。
(2) 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。
(3) 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。
(4) 功能可扩展性
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，HBase 等）。

2）配置

之前配置过 Hadoop 和 hbase，所以需要先将 hadoop 和 hbase 启动，才能将文件写入 hdfs 和 hbase。hadoop-2.2.0 和 hbase-0.96.0 的配置分别参考《Ubuntu 和 CentOS 中分布式配置 Hadoop-2.2.0》http://www.linuxidc.com/Linux/2014-01/95799.htm 和《CentOS 分布式环境安装 HBase-0.96.0》http://www.linuxidc.com/Linux/2014-01/95801.htm。

本次配置环境为两台装有 centos 的测试集群。主机名为 master 的机器负责收集日志，主机名为 node 的机器负责日志的写入，本次配置的写入方式有三种：写入普通目录，写入 hdfs。

首先下载 flume-ng 的二进制压缩文件。地址：http://flume.apache.org/download.html。下载好后，解压文件。首先编辑 /etc/profile 文件，在其中添加如下几行：

export FLUME_HOME=/home/aaron/apache-flume-1.4.0-bin
export FLUME_CONF_DIR=$FLUME_HOME/conf
export PATH=$PATH:$FLUME_HOME/bin

添加好之后记得运行 $ souce /etc/profile 命令使修改生效。

在 master 的 flume 文件夹的 conf 目录中，新建一个 flume-master.conf 文件，内容如下：

agent.sources = seqGenSrc
agent.channels = memoryChannel
agent.sinks = remoteSink

# For each one of the sources, the type is defined
agent.sources.seqGenSrc.type = exec
agent.sources.seqGenSrc.command = tail -F /home/aaron/test

# The channel can be defined as follows.
agent.sources.seqGenSrc.channels = memoryChannel

# Each sink's type must be defined
agent.sinks.loggerSink.type = logger

#Specify the channel the sink should use
agent.sinks.loggerSink.channel = memoryChannel

# Each channel's type is defined.
agent.channels.memoryChannel.type = memory

# Other config values specific to each type of channel(sink or source)
# can be defined as well
# In this case, it specifies the capacity of the memory channel
agent.channels.memoryChannel.capacity = 100
agent.channels.memoryChannel.keep-alive = 100

agent.sinks.remoteSink.type = avro
agent.sinks.remoteSink.hostname = node
agent.sinks.remoteSink.port = 23004
agent.sinks.remoteSink.channel = memoryChannel

在 node 机器上也将 /etc/profile 文件添加上面的配置。然后，在 conf 中新建一个 flume-node.conf 文件，修改如下：

agent.sources = seqGenSrc1
agent.channels = memoryChannel
#agent.sinks = fileSink
agent.sinks = fileSink

# For each one of the sources, the type is defined
agent.sources.seqGenSrc1.type = avro 
agent.sources.seqGenSrc1.bind = node
agent.sources.seqGenSrc1.port = 23004 

# The channel can be defined as follows.
agent.sources.seqGenSrc1.channels = memoryChannel

# Each sink's type must be defined
agent.sinks.loggerSink.type = logger

#Specify the channel the sink should use
agent.sinks.loggerSink.channel = memoryChannel

# Each channel's type is defined.
agent.channels.memoryChannel.type = memory

# Other config values specific to each type of channel(sink or source)
# can be defined as well
# In this case, it specifies the capacity of the memory channel
agent.channels.memoryChannel.capacity = 100
agent.channels.memoryChannel.keep-alive = 100

agent.sources.flieSink.type = avro
agent.sources.fileSink.channel = memoryChannel
agent.sources.fileSink.sink.directory = /home/aaron/
agent.sources.fileSink.serializer.appendNewline = true

在 master 上面运行命令：

$ bin/flume-ng agent --conf ./conf/ -f conf/flume-maste.conf -Dflume.root.logger=DEBUG,console -n agent

在 node 上运行命令：

$ bin/flume-ng agent --conf ./conf/ -f conf/flume-node.conf -Dflume.root.logger=DEBUG,console -n agent

启动之后，就可以发现两者之间可以相互通信，master 上面的文件就能发送到 node 上，修改 master 上的 test 文件，在后面追加内容时，node 也可以接收到。

如果想要将内容写入 hadoop，可以将 node 中的 flume-node.conf 文件做如下修改：

agent.sinks = k2

agent.sinks.k2.type = hdfs
agent.sinks.k2.channel = memoryChannel
agent.sinks.k2.hdfs.path = hdfs://master:8089/hbase
agent.sinks.k2.hdfs.fileType = DataStream
agent.sinks.k2.hdfs.writeFormat = Text

其中，hdfs://master:8089/hbase 为 hadoop 的 hdfs 文件路径。