flume与kafka整合很多人都用到，但是网上却没有一份详细可靠的教程。说的都是些只言片语。这里整理份flume与kafka整合的教程。

flume原先并不兼容kafka。后来兼容添加上去。对于flume及与kafka的相关知识，推荐参考

flume应该思考的问题

http://www.aboutyun.com/forum.php?mod=viewthread&tid=22102

上面只是加深对flume的认识。下面我们开始整合flume与kafka。

思路：

1.安装kafka

2.安装flume，在配置中添加kafka相关配置

这里使用的版本：

kafka:kafka_2.11-0.9.0.1.tgz

flume：apache-flume-1.6.0-bin.tar.gz

一、安装zookeeper

在master机器进行以下操作。

1. 解压zookeeper

下载zookeeper：http://apache.fayea.com/zookeeper/zookeeper-3.4.6/zookeeper-3.4.6.tar.gz

tar -zxvf ~/jar/zookeeper-3.4.6.tar.gz -C /data

网盘下载

链接: https://pan.baidu.com/s/1i50vzb3 密码: p5s5

2. 配置zookeeper

涉及到的配置文件为

${ZOOKEEPER_HOME}/conf/zoo.cfg

zoo.cfg通过cp zoo_sample.cfg zoo.cfg得到。

# The number of milliseconds of each tick
tickTime=2000
# The number of ticks that the initial 
# synchronization phase can take
initLimit=10
# The number of ticks that can pass between 
# sending a request and getting an acknowledgement
syncLimit=5
# the directory where the snapshot is stored.
# do not use /tmp for storage, /tmp here is just 
# example sakes.
dataDir=/data/zk_data
# the port at which the clients will connect
clientPort=2181
server.1=master:2888:3888
server.2=slave1:2888:3888
server.3=slave2:2888:3888

这儿解释下格式为server.X=host:port1:port2的意思，X表示当前host所运行的服务的zookeeper服务的id（在接下来填写myid时需要用到），port1表示zookeeper中的follower连接到leader的端口号，port2表示leadership时所用的端口号。注意：需要手动去创建dataDir所配置的/data/zk_data目录（mkdir -p /data/zk_data）更多配置可参考：

zookeeper配置文件详解

http://www.aboutyun.com/thread-13909-1-1.html

3. 填写myid

在zoo.cfg配置文件中的dataDir目录（在这儿是/data/data_zk）下创建myid文件，文件内容为zoo.cfg中master所对应的server.X。

echo "1" > /data/zk_data/myid

4. 复制到其他节点

scp -r /data/zookeeper-3.4.6/ /data/zk_data  aboutyun@slave1:/data
scp -r /data/zookeeper-3.4.6/ /data/zk_data  aboutyun@slave2:/data

在slave1上，

echo “2” > /data/zk_data/myid

在slave2上，

echo "3" >/data/zk_data/myid

5. 添加到环境变量

在master、slave1、slave2上，分别将以下内容添加到~/.bashrc文件中

export ZOOKEEPER_HOME=/data/zookeeper-3.4.6
export PATH=$ZOOKEEPER_HOME/bin:$PATH

然后执行以下命令：source ~/.bashrc

6. 启动验证

在master、slave、slave2上，分别执行zookeeper启动命令。

zkServer.sh start

由于启动时，每个节点都会试图去连接其它节点，因此先启动的刚开始会连接不上其它的，导致日志中会包含错误信息，在未全启动之前，这个属正常现象。启动完成后，使用jps命令和zkServer.sh status命令经行验证

master机器情况：

slave1机器情况：

slave2机器情况：

说明每个节点都成功启动了QuorumPeerMain进程，并且slave1上的进程为leader，master和slave2上的进程为follower

很多人想知道zookeeper在kafka中的作用，可参考下面文章

kafka在zookeeper中存储结构

http://www.aboutyun.com/forum.php?mod=viewthread&tid=9941

二、安装kafka

在master上进行如下操作：

1. 解压kafka

下载kafka：http://apache.fayea.com/kafka/0.9.0.1/kafka_2.11-0.9.0.1.tgz

tar -zxvf ~/jar/kafka_2.11-0.9.0.1.tgz -C /data

链接: https://pan.baidu.com/s/1sk8CAeT 密码: 8h2r

2. 配置kakfa

涉及到的配置文件为${KAFA_HOME}/config/server.properties

必须要配置的是这三个参数：broker.id、log.dirs、zookeeper.connect

broker.id表示当前broker的id，要求是唯一的非负数。log.dirs表示kafka日志的存放目录。zookeeper.connect表示连接的zookeeper的地址。

broker.id=0
log.dirs=/data/kafka-logs
zookeeper.connect=master:2181,slave1:2181,slave2:2181

注意：需要手动在本地创建/data/kafka-logs目录

3. 复制到其他节点

scp  /data/kafka_2.11-0.9.0.1/ /data/kafka-logs/ aboutyun@slave1:/data
scp  /data/kafka_2.11-0.9.0.1/ /data/kafka-logs/ aboutyun@slave2:/data

在slave1机器上将server.properties配置文件的broker.id值改为1在slave2机器上将server.properties配置文件的broker.id值改为2

4. 添加环境变量

在master、slave1、slave2机器上，分别将以下内容添加到~/.bashrc文件中

export KAFKA_HOME=/data/kafka_2.11-0.9.0.1
export PATH=$KAFKA_HOME/bin:$PATH

然后执行以下命令：source ~/.bashrc

5. 启动验证

在master、slave1、slave2机器上，分别执行kafka启动命令

cd $KAFKA_HOME
kafka-server-start.sh -daemon ./config/server.properties

之后在每台机器上执行jps命令：

如果每台机器上都成功启动了kafka这个进程，说明我们搭建成功。如果发现某台机器上没有kafka这个进程，可以将kafka的启动命令去掉参数-daemon（加上的话表示后台启动），这样可以直接在屏幕上看到错误信息。

三、kakfa使用示例

1. 创建topic

#创建一个有3个partition、1个副本的 test topic
kafka-topics.sh --zookeeper master:2181,slave1:2181,slave2:2181 --create --topic test --replication-factor 1 --partitions 3

2. 创建producer

kafka-console-producer.sh --broker-list master:9092,slave1:9092,slave2:9094 --topic test

3. 创建consumer

重新打开一个窗口：

kafka-console-consumer.sh --zookeeper master:2181,slave1:2181,slave2:2181  --topic test --from-beginning

4. 产生消息并接受

在producer的窗口中输入几条测试信息

查看consumer窗口的情况

说明成功消费了的产生的3条信息

flume与kafka整合安装

flume安装，其实也并不复杂，可是整合的时候，很多人遇到这么个情况，消费者收不到信息。这个的原因很多。出现问题，无非两种。

1.对flume和kafka基本不理解，只是照抄。这里面就容易出现问题。比如配置错误agent名字错误，配置过期等

2.对整个过程不理解。比如有的不报错，只是看到几行信息。很可能是kafka还没有启动。而且很多人遇到过这种情况，网络都是通的，防火墙是关闭的，为何连接还是拒绝的，原因可能就是，服务根本没有启动。

上面两个方法，相信可以解决大部分问题，更多的其实还是需要自己去理解和查看出现错误的地方。

当然对于flume的配置的理解，还是推荐参考

flume应该思考的问题

http://www.aboutyun.com/forum.php?mod=viewthread&tid=22102

上面只是加深对flume的认识。

下面开始安装flume及整合kafka

四、Flume安装

1. 压缩安装包

tar -zxvf ~/jar/apache-flume-1.6.0-bin.tar.gz -C /data
mv /data/apache-flume-1.6.0-bin/ /data/flume-1.6.0 # 重命名

网盘下载

链接：http://pan.baidu.com/s/1bBnF5O 密码：xoll

2. 配置环境变量

编辑文件 ~/.bashrc

sudo vim ~/.bashrc

export FLUME_HOME=/data/flume-1.6.0
export PATH=$FLUME_HOME/bin:$PATH

source ~/.bashrc

3. 配置flume

cp flume-env.sh.template flume-env.sh修改JAVA_HOME
export JAVA_HOME= /data/jdk1.8.0_111

4. 验证安装

flume-ng version

五、Flume使用

1. 单节点的agent

1) 增加配置文件

cd $FLUME_HOME/conf

vim single_agent.conf

将以下内容拷贝进去

# agent的名称为a1
a1.sources = source1
a1.channels = channel1
a1.sinks = sink1
# set source
a1.sources.source1.type = spooldir
a1.sources.source1.spoolDir=/data/aboutyunlog
a1sources.source1.fileHeader = flase
# set sink
a1.sinks.sink1.type = org.apache.flume.sink.kafka.KafkaSink
#a1.sinks.sink1.kafka.bootstrap.servers = master:9092,slave1:9092,slave2:9092
a1.sinks.sink1.brokerList= master:9092,slave1:9092,slave2:9092
a1.sinks.sink1.topic= aboutyunlog
a1.sinks.sink1.kafka.flumeBatchSize = 20
a1.sinks.sink1.kafka.producer.acks = 1
a1.sinks.sink1.kafka.producer.linger.ms = 1
a1.sinks.sink1.kafka.producer.compression.type = snappy
# set channel
a1.channels.channel1.type = file
a1.channels.channel1.checkpointDir = /data/flume_data/checkpoint
a1.channels.channel1.dataDirs= /data/flume_data/data
# bind
a1.sources.source1.channels = channel1
a1.sinks.sink1.channel = channel1

可以看到上面配置信息中

#a1.sinks.sink1.kafka.bootstrap.servers = master:9092,slave1:9092,slave2:9092

被注释掉，改换成

a1.sinks.sink1.brokerList= master:9092,slave1:9092,slave2:9092

这里根据官网配置a1.sinks.sink1.brokerList这个属性已经被弃用，但是使用a1.sinks.sink1.kafka.bootstrap.servers 属性会报错。

ERROR node.AbstractConfigurationProvider: Sink sink1 has been removed due to an error during configuration
org.apache.flume.conf.ConfigurationException: brokerList must contain at least one Kafka broker
        at org.apache.flume.sink.kafka.KafkaSinkUtil.addDocumentedKafkaProps(KafkaSinkUtil.java:55)
        at org.apache.flume.sink.kafka.KafkaSinkUtil.getKafkaProperties(KafkaSinkUtil.java:37)
        at org.apache.flume.sink.kafka.KafkaSink.configure(KafkaSink.java:211)
        at org.apache.flume.conf.Configurables.configure(Configurables.java:41)
        at org.apache.flume.node.AbstractConfigurationProvider.loadSinks(AbstractConfigurationProvider.java:413)
        at org.apache.flume.node.AbstractConfigurationProvider.getConfiguration(AbstractConfigurationProvider.java:98)

所以不管官网如何写，还是使用a1.sinks.sink1.brokerList这个属性

2. 创建所需文件

mkdir -p /data/aboutyunlog
mkdir -p /data/flume_data/checkpoint
mkdir -p /data/flume_data/data

同时提醒，创建完毕，当前用户一定具有操作权限。最好授权为777.

3. 在kafka上创建名为aboutyunlog的topic

kafka-topics.sh --zookeeper master:2181,slave1:2181,slave2:2181 --create --topic aboutyunlog --replication-factor 1 --partitions 3

4. 启动flume

flume-ng agent --conf-file /data/flume-1.6.0/conf/single_agent.conf --name a1 -Dflume.root.logger=INFO,console

5. 创建一个kafka的consumer

flume启动其实是启动了产生着，所以这里创建一个消费者。那么这个消费者创建到什么地方。我这里创建在slave1上。

上面有以前创建的内容，这里做一个测试，我们在增加一条

6. 添加文件到flume source目录

这个是在master上执行

echo -e "this is a test file! \nhttp://www.aboutyun.com\n20170710">log.1

mv log.1 /data/aboutyunlog/

7.在slave1上收到

有的时候可能会慢，需要等待几秒。

这样就整合成功了。

#############################################

遇到问题：

1.Failed to find leader for Set

详细如下

[2017-07-05 11:26:04,077] WARN [console-consumer-27231_slave1-1499223048151-471ca15a-leader-finder-thread], Failed to find leader for Set([aboutyunlog,2], [aboutyunlog,1], [aboutyunlog,0]) (kafka.consumer.ConsumerFetcherManager$LeaderFinderThread)

kafka.common.KafkaException: fetching topic metadata for topics [Set(aboutyunlog)] from broker [ArrayBuffer()] failed

at kafka.client.ClientUtils$.fetchTopicMetadata(ClientUtils.scala:73)

at kafka.client.ClientUtils$.fetchTopicMetadata(ClientUtils.scala:94)

at kafka.consumer.ConsumerFetcherManager$LeaderFinderThread.doWork(ConsumerFetcherManager.scala:66)

at kafka.utils.ShutdownableThread.run(ShutdownableThread.scala:63)

原因：kafka未启动

解决办法：自然是启动kafka.

kafka未启动产生的其它问题：

其实kafka未启动，还会有其它错误，比如在创建消费者的时候，你看不到错误，只有一条警告 WARN [console-consumer-90733_master-1498548695990-7aaba945], no brokers found when trying to rebalance. (kafka.consumer.ZookeeperConsumerConnector)

记得还有另外的错误就是如果未启动，生产者和消费者链接端口是拒绝的，这让很多人认为是网络问题。

错误2

Agent configuration invalid for agent 'a11'. It will be removed.

17/06/27 15:46:02 INFO conf.FlumeConfiguration: Post-validation flume configuration contains configuration for agents: [a1]

17/06/27 15:46:02 INFO node.AbstractConfigurationProvider: Creating channels

17/06/27 15:46:02 INFO channel.DefaultChannelFactory: Creating instance of channel channel1 type file

17/06/27 15:46:02 INFO node.AbstractConfigurationProvider: Created channel channel1

17/06/27 15:46:02 INFO source.DefaultSourceFactory: Creating instance of source source1, type spooldir

17/06/27 15:46:02 INFO sink.DefaultSinkFactory: Creating instance of sink: sink1, type: org.apache.flume.sink.kafka.KafkaSink

17/06/27 15:46:02 INFO kafka.KafkaSink: Using the static topic: aboutyunlog this may be over-ridden by event headers

17/06/27 15:46:02 INFO kafka.KafkaSinkUtil: context={ parameters:{kafka.bootstrap.servers=master:9092,slave1:9092,slave2:9092, channel=channel1, topic=aboutyunlog, type=org.apache.flume.sink.kafka.KafkaSink} }

17/06/27 15:46:02 ERROR node.AbstractConfigurationProvider: Sink sink1 has been removed due to an error during configuration

org.apache.flume.conf.ConfigurationException: brokerList must contain at least one Kafka broker

at org.apache.flume.sink.kafka.KafkaSinkUtil.addDocumentedKafkaProps(KafkaSinkUtil.java:55)

at org.apache.flume.sink.kafka.KafkaSinkUtil.getKafkaProperties(KafkaSinkUtil.java:37)

at org.apache.flume.sink.kafka.KafkaSink.configure(KafkaSink.java:211)

at org.apache.flume.conf.Configurables.configure(Configurables.java:41)

at org.apache.flume.node.AbstractConfigurationProvider.loadSinks(AbstractConfigurationProvider.java:413)

at org.apache.flume.node.AbstractConfigurationProvider.getConfiguration(AbstractConfigurationProvider.java:98)

at org.apache.flume.node.PollingPropertiesFileConfigurationProvider$FileWatcherRunnable.run(PollingPropertiesFileConfigurationProvider.java:140)

at java.util.concurrent.Executors$RunnableAdapter.call(Executors.java:511)

at java.util.concurrent.FutureTask.runAndReset(FutureTask.java:308)

at java.util.concurrent.ScheduledThreadPoolExecutor$ScheduledFutureTask.access$301(ScheduledThreadPoolExecutor.java:180)

at java.util.concurrent.ScheduledThreadPoolExecutor$ScheduledFutureTask.run(ScheduledThreadPoolExecutor.java:294)

at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1142)

at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:617)

at java.lang.Thread.run(Thread.java:745)

17/06/27 15:46:02 INFO node.AbstractConfigurationProvider: Channel channel1 connected to [source1]

17/06/27 15:46:02 INFO node.Application: Starting new configuration:{ sourceRunners:{source1=EventDrivenSourceRunner: { source:Spool Directory source source1: { spoolDir: /data/aboutyunlog } }} sinkRunners:{} channels:{channel1=FileChannel channel1 { dataDirs: [/data/flume_data/data] }} }

17/06/27 15:46:02 INFO node.Application: Starting Channel channel1

Sink has been removed due to an error during configuration org.apache.flume.conf.ConfigurationException: brokerList must contain at least one Kafka broker

上面两个问题

第一：agent的名字不一致造成的。所以产生了这个问题