Flume理论基础
Flume理论基础
1、什么是Flume
Apache Flume是Apache Software Foundation的*项目。是一个分布式,可靠且可用的系统,用于高效地收集,聚合大量日志数据并将其从许多不同的源移动到集中式数据存储中。但是Apache Flume的使用不仅限于日志数据聚合。由于数据源是可定制的,因此Flume可用于传输大量事件数据,包括但不限于网络流量数据,社交媒体生成的数据,电子邮件消息以及几乎所有可能的数据源。
2、Flume数据流模型
在一个Flume数据流模型中,Flume组件Agent扮演着数据收集和传递的角色,Agent是Flume中的核心组件,用来收集数据。一个Agent就是一个JVM进程,它是Flume中最小的独立运行的单元。一个Flume系统中可以有多个Agent。
2.1 Agent组件
-
Source:Source从数据源接收数据,并将接收的数据以Flume的event格式传递给一个或者多个通道channel,Flume提供多种数据接收的方式,比如Avro,Thrift,twitter。
-
Channel:channel是一种短暂的存储容器,它将从source处接收到的event格式的数据缓存起来,直到它们被sinks消费掉,它在source和sink间起着桥梁的作用,channel是一个完整的事务,这一点保证了数据在收发的时候的一致性。并且它可以和任意数量的source和sink链接. 支持的类型有: JDBC channel,File System channel,Memory channel等。
-
Sink:sink从 Channel中取数据,并将数据存储到集中存储器比如Hbase和HDFS,它从channels消费数据(events)并将其传递给目标地. 目标地可能是另一个sink,也可能HDFS,HBase。
3、Flume的特性
- Flume可以将应用产生的数据存储到任何集中存储器中,比如HDFS,HBase。
- 除了日志信息,Flume同时也可以用来接入收集规模宏大的社交网络节点事件数据,比如facebook,twitter,电商网站如亚马逊,flipkart等。
- 支持各种接入资源数据的类型以及接出数据类型。
- 支持多路径流量,多管道接入流量,多管道接出流量,上下文路由等。
- Flume的管道是基于事务,保证了数据在传送和接收时的一致性。
4、Flume配置
4.1 JDK下载及配置
4.2 下载和配置单Agent Flume
(1) 下载Flume1.6.0,将其放入任意一个目录并解压,以目录/apps/flume
为例,此时Flume的路径为:
/apps/flume/bin
(2)修改etc/profile
文件,添加环境变量
vi /etc/profile
export FLUME_HOME= /apps/flume
PATH=$FLUME_HOME/bin:$PATH
//别忘记source
source /etc/profile
(3)修改flume安装目录下的配置文件
cd $FLUME_HOME
cp /conf/flume-env.sh.template flume-env.sh
vi flume-env.sh
//配置JAVA_HOME为你的JDK的路径
export JAVA_HOME= /usr/java/jdk
到这里flume就可以正常启动了。
4.3测试Flume
(1)我们使用官网提供的一个例子来测试Flume,先在安装了Flume的那台主机上新建一个文件夹,如/flumedir
,创建一个新文件option
,文件包含以下内容。
# option文件的内容
# example.conf: A single-node Flume configuration
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 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)进入/flumedir
目录,执行以下语句:
flume-ng agent --conf conf --conf-file option --name a1 -Dflume.root.logger=INFO,console
(3)在另一台主机上通过telnet来连接这台主机(如果未安装telnet,可以执行下列语句来安装telnet:yum install telnet -y
),输入任意字符串,
$ telnet localhost 44444
Trying 127.0.0.1...
Connected to localhost.localdomain (127.0.0.1).
Escape character is '^]'.
Hello world! <ENTER>
OK
(4)观察flume主机上是否有输出。
12/06/19 15:32:19 INFO source.NetcatSource: Source starting
12/06/19 15:32:19 INFO source.NetcatSource: Created serverSocket:sun.nio.ch.ServerSocketChannelImpl[/127.0.0.1:44444]
12/06/19 15:32:34 INFO sink.LoggerSink: Event: { headers:{} body: 48 65 6C 6C 6F 20 77 6F 72 6C 64 21 0D Hello world!. }
可以看到,flume主机上显示了我们的输入信息,说明flume已安装成功。退出telnet(cltr+]
,再输入quit
)。
4.4 配置多Agent Flume流
(1)进入node01的/flumedir
目录,新建一个文件option2
。文件内容如下:
# option2文件的内容
# example.conf: A single-node Flume configuration
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
# 需要修改sink,因为要下沉到第二个Agent中。
a1.sinks.k1.type = avro
# 设置需要下沉的目标主机
a1.sinks.k1.hostname = node03
a1.sinks.k1.port = 4545
# 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)进入node02的/flumedir
目录,新建一个文件option3
。文件内容如下:
# option3文件的内容
# example.conf: A single-node Flume configuration
Name the components on this agent
a1.sources = r1
a1.sinks = k1
a1.channels = c1
# Describe/configure the source
# 需要修改source,因为源是上一个Agent
a1.sources.r1.type = avro
a1.sources.r1.channels = c1
//注意,这里绑定的是自己主机的端口,所以绑定node03
a1.sources.r1.bind = node03
a1.sources.r1.port = 4545
# Describe the sink
a1.sinks.k1.type = logger
# 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
(3)先启动node03的flume。
flume-ng agent --conf conf --conf-file option3 --name a1 -Dflume.root.logger=INFO,console
(4)启动node02的flume。
flume-ng agent --conf conf --conf-file option2 --name a1 -Dflume.root.logger=INFO,console
(5)向node02发送消息。
$ telnet localhost 44444
Trying 127.0.0.1...
Connected to localhost.localdomain (127.0.0.1).
Escape character is '^]'.
Hello world! <ENTER>
OK
(6)node02无输出,node03会显示输出。
12/06/19 15:32:19 INFO source.NetcatSource: Source starting
12/06/19 15:32:19 INFO source.NetcatSource: Created serverSocket:sun.nio.ch.ServerSocketChannelImpl[/127.0.0.1:44444]
12/06/19 15:32:34 INFO sink.LoggerSink: Event: { headers:{} body: 48 65 6C 6C 6F 20 77 6F 72 6C 64 21 0D Hello world!. }