大数据生态圈学习--flume与azkaban

日志采集框架flume

日志采集的框架 flume：flume是cloudera开源提供的一个开源的日志采集功能，可以从各个地方采集我们的数据
可以从socket网络数据包，可以从文件夹下面采集，可以从某一个指定的文件里面采集，还可以从kafka消息队列里面采集
可以将采集来的数据，发送到其他地方，比如日之外文件，hdfs数据存储，kafka消息队列

flume的运行机制及基本架构：
flume的核心三组件：
source：连接数据源，从数据源获取数据
channel：管道的作用，连接source与sink 主要起到数据的缓冲以以及连接的作用
sink：数据下沉的目的地，采集的数据要发送到哪里去都是sink说了算
这三个组件运行起来叫做一个flume的实例 叫做agent

系统结构
单个agent采集数据

多级agent之间串联

案例：使用网络telent命令向一台机器发送一些网络数据，然后通过flume采集网络端口数据

第一步：下载解压修改配置文件
Flume的安装非常简单，只需要解压即可，当然，前提是已有hadoop环境
上传安装包到数据源所在节点上
这里我们采用在第三台机器来进行安装
tar -zxvf flume-ng-1.6.0-cdh5.14.0.tar.gz -C /export/servers/
cd /export/servers/apache-flume-1.6.0-cdh5.14.0-bin/conf
cp flume-env.sh.template flume-env.sh
vim flume-env.sh
export JAVA_HOME=/export/servers/jdk1.8.0_141

第二步：开发配置文件
根据数据采集的需求配置采集方案，描述在配置文件中(文件名可任意自定义)

配置我们的网络收集的配置文件
在flume的conf目录下新建一个配置文件（采集方案）
vim /export/servers/apache-flume-1.6.0-cdh5.14.0-bin/conf/netcat-logger.conf

 #定义这个agent中各组件的名字
a1.sources = r1
a1.sinks = k1
a1.channels = c1
#描述和配置source组件：r1
a1.sources.r1.type = netcat
a1.sources.r1.bind = 192.168.52.120
a1.sources.r1.port = 44444

 描述和配置sink组件：k1
a1.sinks.k1.type = logger

#描述和配置channel组件，此处使用是内存缓存的方式
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100

#描述和配置source  channel   sink之间的连接关系
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

第三步：启动配置文件
指定采集方案配置文件，在相应的节点上启动flume agent

先用一个最简单的例子来测试一下程序环境是否正常
启动agent去采集数据
bin/flume-ng agent -c conf -f conf/netcat-logger.conf -n a1 -Dflume.root.logger=INFO,console
-c conf 指定flume自身的配置文件所在目录
-f conf/netcat-logger.con 指定我们所描述的采集方案
-n a1 指定我们这个agent的名字

第四步：安装telent准备测试
在node02机器上面安装telnet客户端，用于模拟数据的发送
yum -y install telnet
telnet node03 44444 # 使用telnet模拟数据发送

工作流调度器azkaban

三级目录