1、Flume 简介

  • Flume 提供一个分布式的，可靠的，对大数据量的日志进行高效收集、聚集、移动的服务，Flume 只能在 Unix 环境下运行。
  • Flume 基于流式架构，容错性强，也很灵活简单。
  • Flume、Kafka 用来实时进行数据收集，Spark、Storm 用来实时处理数据，impala 用来实时查询。

2、Flume 角色

flume kafka架构 flume kafka source_数据

  • Source 用于采集数据，Source 是产生数据流的地方，同时 Source 会将产生的数据流传输到 Channel，这个有点类似于Java IO 部分的 Channel。
  • Channel 用于桥接 Sources 和 Sinks，类似于一个队列。
  • Sink 从Channel 收集数据，将数据写到目标源(可以是下一个 Source，也可以是 HDFS 或者 HBase)。
  • Event 传输单元，Flume 数据传输的基本单元，以事件的形式将数据从源头送至目的地。

3、Flume 传输过程

source 监控某个文件或数据流，数据源产生新的数据，拿到该数据后，将数据封装在一个
Event 中，并 put 到 channel 后 commit 提交，channel 队列先进先出，sink 去 channel 队列中拉取数据，然后写入到 HDFS 中。

 

4、Flume 部署

cp flume-env.sh.template flume-env.sh
#flume-env.sh 修改JAVA_HOME
JAVA_HOME=/opt/jdk1.8.0_171

　　

5、简单案例：Flume 监控一端 Console，另一端 Console 发送消息，使被监控端实时显示

#安装 telnet 工具
yum install telnet-server
yum install telnet
#测试
netstat -tnl|grep 23

　　

#创建文件flume-telnet.conf

内容如下：
# 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

　　

#判断 44444 端口是否被占用
netstat -tunlp | grep 44444

#先开启 flume 监听端口
bin/flume-ng agent --conf conf/ --name a1 --conf-file job/flume-telnet.conf -Dflume.root.logger==INFO,console

#使用 telnet 工具向本机的 44444 端口发送内容
telnet localhost 44444