Flume 概述架构及部署

简介

Flume是由 Cloudera 提供的一个分布式、高可靠、高可用的服务，用于分布式的海量日志的高效收集、聚合、移动系统。简单来说，Flume 就是一个针对日志数据进行采集和汇总的一个工具（把日志从A地方移动到B地方）

Flume官网
Flume官方文档

Flume 特点

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（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）
   • 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
   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
   • Flume自带了很多组件，包括各种agent（file， syslog等），collector和storage（file，HDFS等）
5. 文档丰富，社区活跃
   
   • Flume 是Apache下的一个顶级项目，已经成为 Hadoop 生态系统的标配，它的文档比较丰富，社区比较活跃，方便我们学习

Flume架构

Flume 最简单的部署单元叫做Flume Agent，Agent 是一个Java 应用程序，接收或者生成数据并缓冲数据，直到最终写入到Agent或者存储或索引系统。
一个Flume Agent可以连接一个或多个其它的Agent，一个Agent也可以从一个或多个Agent接收数据，通过相互连接的多个Flume Agent，一个流作业被建立，这个Flume Agent链条可以用于将数据从一个位置移动到另一个位置——特别是，从生产数据的应用程序到HDFS、HBase等。
每个Flume Agent有三个组件：Source、Channel、Sink。
Source 专门用来收集数据，可以处理各种类型、各种格式的日志数据，比如avro、exec、HTTP、Kafka、Spooling Directory等
Channel 是一个存储Source已经接收到的数据的缓冲区，简单来说就是对Source采集到数据进行缓存，可以缓存在memory、file、jdbc、Kafka等。
Sink 用于把数据发送到目的地，目的地可以是：HDFS、Hive、HBase、ES、Kafka、Logger等

Flume 运行机制

flume的核心就是一个agent，这个agent对外有两个进行交互的地方，一个是接受数据的输入——source，一个是数据的输出sink，sink负责将数据发送到外部指定的目的地。source接收到数据之后，将数据发送给channel，chanel作为一个数据缓冲区会临时存放这些数据，随后sink会将channel中的数据发送到指定的地方—-例如HDFS等，注意：只有在sink将channel中的数据成功发送出去之后，channel才会将临时数据进行删除，这种机制保证了数据传输的可靠性与安全性

Flume 部署

作者呢，安装的是Flume 1.6.0 虽然最新的是1.8.0
但是1.6作为一个经典版本，一般在生产环境中使用的就是1.6，所以今天以1.6为例 部署一下Flume

安装准备

1. JDK1.7+
2. 足够的内存
3. 足够的磁盘空间
4. 目录及文件要有读写权限
5. Flume安装包
   
   • 可以从官网下载: Flume官方下载地址
     同样可以通过wget获得Flume

$ wget http://archive.apache.org/dist/flume/1.6.0/apache-flume-1.6.0-bin.tar.gz

正式安装

上面所需要的东西准备好之后.
将下载下来的Flume解压

$ tar -zxvf apache-flume-1.6.0-bin.tar.gz

解压出来的文件名太长了..所以我就把他修改了一下

$ mv apache-flume-1.6.0-bin flume

Flume目录结构

配置Flume
进入flume的conf目录下，拷贝flume-env.sh.template然后重命名为flume-env.sh

$ sudo cp flume-env.sh.template flume-env.sh

在flume-env.sh中配置jdk

export JAVA_HOME=/usr/java/jdk1.7.0

配置环境变量

# Flume Environment Variable
export FLUME_HOME=/home/hadoop/flume
export PATH=$PATH:$FLUME_HOME/bin

查看Flume 的命令帮助

[hadoop@Master ~]$ flume-ng help
Usage: /opt/flume/bin/flume-ng <command> [options]...
commands:
  help                      display this help text
  agent                     run a Flume agent
  avro-client               run an avro Flume client
  version                   show Flume version info

global options:
  --conf,-c <conf>          use configs in <conf> directory
  --classpath,-C <cp>       append to the classpath
  --dryrun,-d               do not actually start Flume, just print the command
  --plugins-path <dirs>     colon-separated list of plugins.d directories. See the
                            plugins.d section in the user guide for more details.
                            Default: $FLUME_HOME/plugins.d
  -Dproperty=value          sets a Java system property value
  -Xproperty=value          sets a Java -X option

agent options:
  --name,-n <name>          the name of this agent (required)
  --conf-file,-f <file>     specify a config file (required if -z missing)
  --zkConnString,-z <str>   specify the ZooKeeper connection to use (required if -f missing)
  --zkBasePath,-p <path>    specify the base path in ZooKeeper for agent configs
  --no-reload-conf          do not reload config file if changed
  --help,-h                 display help text

avro-client options:
  --rpcProps,-P <file>   RPC client properties file with server connection params
  --host,-H <host>       hostname to which events will be sent
  --port,-p <port>       port of the avro source
  --dirname <dir>        directory to stream to avro source
  --filename,-F <file>   text file to stream to avro source (default: std input)
  --headerFile,-R <file> File containing event headers as key/value pairs on each new line
  --help,-h              display help text

  Either --rpcProps or both --host and --port must be specified.

Note that if <conf> directory is specified, then it is always included first
in the classpath.

最后检查是否配置成功.

$ flume-ng version
#弹出以下信息即为成功
Flume 1.6.0
Source code repository: https://git-wip-us.apache.org/repos/asf/flume.git
Revision: 2561a23240a71ba20bf288c7c2cda88f443c2080
Compiled by hshreedharan on Mon May 11 11:15:44 PDT 2015
From source with checksum b29e416802ce9ece3269d34233baf43f