flume详细介绍，安装，配置

　一、什么是Flume?
　　flume 作为 cloudera 开发的实时日志收集系统，受到了业界的认可与广泛应用。Flume 初始的发行版本目前被统称为 Flume OG（original generation），属于 cloudera。但随着 FLume 功能的扩展，Flume OG 代码工程臃肿、核心组件设计不合理、核心配置不标准等缺点暴露出来，尤其是在 Flume OG 的最后一个发行版本 0.94.0 中，日志传输不稳定的现象尤为严重，为了解决这些问题，2011 年 10 月 22 号，cloudera 完成了 Flume-728，对 Flume 进行了里程碑式的改动：重构核心组件、核心配置以及代码架构，重构后的版本统称为 Flume NG（next generation）；改动的另一原因是将 Flume 纳入 apache 旗下，cloudera Flume 改名为 Apache Flume。

        flume的特点：
　　flume是一个分布式、可靠、和高可用的海量日志采集、聚合和传输的系统。支持在日志系统中定制各类数据发送方，用于收集数据;同时，Flume提供对数据进行简单处理，并写到各种数据接受方(比如文本、HDFS、Hbase，kafka等)的能力 。
　　flume的数据流由事件(Event)贯穿始终。Event是Flume的基本数据单位，它携带日志数据(字节数组形式)并且携带有header头信息，这些Event由Agent外部的Source生成，当Source捕获事件后会进行特定的格式化，然后Source会把事件推入(单个或多个)Channel中。你可以把Channel看作是一个缓冲区，它将保存事件直到Sink处理完该事件。Sink负责持久化日志或者把事件推向另一个Source。

        flume的可靠性 
　　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），Besteffort（数据发送到接收方后，不会进行确认）。

      flume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。其中，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。

     flume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。

    flume可扩展性

   用户可以根据需要添加自己的agent，collector或者storage。此外，Flume自带了很多组件，包括各种agent（file， syslog等），collector和storage（file，HDFS等）。

    Flume的可恢复性：
    还是靠Channel。推荐使用FileChannel，事件持久化在本地文件系统里(性能较差)。 
 
    flume的一些核心概念：

• Agent        使用JVM 运行Flume。每台机器运行一个agent，但是可以在一个agent中包含多个sources和sinks。

• Client        生产数据，运行在一个独立的线程。

• Source        从Client收集数据，传递给Channel。

• Sink        从Channel收集数据，运行在一个独立线程。

• Channel        连接 sources 和 sinks ，这个有点像一个队列。

• Events        可以是日志记录、 avro 对象等。

Flume以agent为最小的独立运行单位。一个agent就是一个JVM。单agent由Source、Sink和Channel三大组件构成，如下图：

 flume的详细三大组件介绍

flume的核心是agent。agent是一个Java进程，运行在日志收集端，通过agent接收日志，然后暂存起来，再发送到目的地。

agent里面包含3个核心组件：source、channel、sink。

source组件：是专用于收集日志的，可以处理各种类型各种格式的日志数据,包括avro、thrift、exec、jms、spooling directory、netcat、sequence generator、syslog、http、legacy、等自定义。source组件把数据收集来以后，临时存放在channel中。

channel组件：是在agent中专用于临时存储数据的，可以存放在memory、jdbc、file、等自定义。

channel中的数据只有在sink发送成功之后才会被删除。

sink组件：是用于把数据发送到目的地的组件，目的地包括hdfs、logger、avro、thrift、ipc、file、null、hbase、solr、kfka，等自定义。

       值得注意的是，Flume提供了大量内置的Source、Channel和Sink类型。不同类型的Source,Channel和Sink可以自由组合。组合方式基于用户设置的配置文件，非常灵活。比如：Channel可以把事件暂存在内存里，也可以持久化到本地硬盘上。Sink可以把日志写入HDFS, HBase，甚至是另外一个Source等等。Flume支持用户建立多级流，也就是说，多个agent可以协同工作，并且支持Fan-in、Fan-out、Contextual Routing、Backup Routes，这也正是NB之处。如下图所示:

二、安装，配置

1,官网地址：http://flume.apache.org/

2,flume安装配置

   a,先配置java 环境变量

 b,配置flume

c ,验证是否安装成功

说明安装成功

三 、flume的案例

　　　　1)案例1：Avro 

      这里所指的案例都是以source的格式来定义

　　　　Avro可以发送一个给定的文件给Flume，Avro 源使用AVRO RPC机制。

　　　　　　a)创建agent配置文件

　2)案例1：exec

      这里所指的案例都是以source的格式来定义

　　　　ecex可以实时监控一个文件，使用tail -F  /opt/logs/usece.log。

　　　　　　a)创建agent配置文件

更多案例参考：

http://www.aboutyun.com/thread-8917-1-1.html

      本文转自crazy_charles 51CTO博客，原文链接：http://blog.51cto.com/douya/1860390，如需转载请自行联系原作者