玩转Flume+Kafka原来也就那点事儿

Flume是一个分布式、可靠、和高可用的海量日志聚合的系统，支持在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（可定制）的能力。

设计目标：

(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。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。

(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。此外，Flume自带了很多组件，包括各种agent（file， syslog等），collector和storage（file，HDFS等）。

注意：

1. 源将事件写到一个多或者多个通道中。

2. 接收器只从一个通道接收事件。

3. 代理可能会有多个源、通道与接收器。

在http://flume.apache.org/ 下载Flume安装包，我们选择最新的1.6.0版本。

安装包内容如下：

配置文件

• 常用配置模式一

扫描指定文件

• 常用配置模式二

• 常用配置模式三

我们今天重点使用第一种模式，因为要与Kafka相结合。

配置好参数以后，回到如下目录：

使用如下命令启动Flume：

 ./bin/flume-ng agent -n agent -c conf -f conf/hw.conf -Dflume.root.logger=INFO,console

最后一行显示Component type:SINK,name:k1 started表示启动成功。

在启动Flume之前，Zookeeper和Kafka要先启动成功，不然启动Flume会报连不上Kafka的错误。

1、使用./zkServer.sh start启动zookeeper。

2、使用如下命令启动Kafka，更详细的Kafka命令请参照我之前总结的http://www.jianshu.com/p/cfedb7122e38 (Kafka常用命令行总结）

3、使用Kafka默认提供的Consumer来接收消息

4、编写简单Shell脚本output.sh，并修改权限为可执行权限

循环向abc.log文件插入test文本消息。

5、执行output.sh。

整个过程流程如下：

至此简单的使用介绍已经讲完，关于Flume还有非常多的属性和配置技巧需要我们去挖掘，我们以此文章作为开篇为的是为以后源码分析作为铺垫。