大数据实践（十二） Flume 基本使用
Flume 1.6.0
Flume简介
Apache Flume 是一个分布式，高可用的数据收集系统。它可以从不同的数据源收集数据，经过聚合后发送到存储系统中，通常用于日志数据的收集。Flume 分为 NG 和 OG (1.0 之前) 两个版本，NG 在 OG 的基础上进行了完全的重构，是目前使用最为广泛的版本。下面的介绍均以 NG 为基础。
外部数据源以特定格式向 Flume 发送 events (事件)，当 source 接收到 events 时，它将其存储到一个或多个 channel，channe 会一直保存 events 直到它被 sink 所消费。sink 的主要功能从 channel 中读取 events，并将其存入外部存储系统或转发到下一个 source，成功后再从 channel 中移除 events。
1、 基本概念
1. Event
Event 是 Flume NG 数据传输的基本单元。类似于 JMS 和消息系统中的消息。一个 Event 由标题和正文组成：前者是键/值映射，后者是任意字节数组。
2. Source
数据收集组件，从外部数据源收集数据，并存储到 Channel 中。
3. Channel
Channel 是源和接收器之间的管道，用于临时存储数据。可以是内存或持久化的文件系统：
Memory Channel: 使用内存，优点是速度快，但数据可能会丢失 (如突然宕机)；File Channel: 使用持久化的文件系统，优点是能保证数据不丢失，但是速度慢。
4. Sink
Sink 的主要功能从 Channel 中读取 Event，并将其存入外部存储系统或将其转发到下一个 Source，成功后再从 Channel 中移除 Event。
5. Agent
是一个独立的 (JVM) 进程，包含 Source、 Channel、 Sink 等组件。
2、组件种类
Flume 中的每一个组件都提供了丰富的类型，适用于不同场景：
- Source 类型 ：内置了几十种类型，如
Avro Source，Thrift Source，Kafka Source，JMS Source； - Sink 类型 ：
HDFS Sink，Hive Sink，HBaseSinks，Avro Sink等； - Channel 类型 ：
Memory Channel，JDBC Channel，Kafka Channel，File Channel等。
Flume安装
1、解压、加入环境变量
完成后使用flume-ng version可以查看版本。
>flume-ng version
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
2、修改配置文件
进入conf目录，将配置文件复制一份。
cp flume-env.sh.template flume-env.sh
修改其中的JAVA_HOME和 FLUME_CLASSPATH。
（不修改也可，会找环境中的jdk）
export JAVA_HOME=/usr/local/jdk
# Give Flume more memory and pre-allocate, enable remote monitoring via JMX
# export JAVA_OPTS="-Xms100m -Xmx2000m -Dcom.sun.management.jmxremote"
# Note that the Flume conf directory is always included in the classpath.
FLUME_CLASSPATH="/usr/local/bigdata/flume"
案例一
监听文件，将数据采集到控制台。
编写配置文件，将/tmp/log.txt作为source。console作为sink.
#指定agent的sources,sinks,channels
a1.sources = s1
a1.sinks = k1
a1.channels = c1
#配置sources属性
a1.sources.s1.type = exec
a1.sources.s1.command = tail -F /tmp/log.txt
a1.sources.s1.shell = /bin/bash -c
#将sources与channels进行绑定
a1.sources.s1.channels = c1
#配置sink
a1.sinks.k1.type = logger
#将sinks与channels进行绑定
a1.sinks.k1.channel = c1
#配置channel类型
a1.channels.c1.type = memory
执行agent,处理数据。
flume-ng agent --conf conf --conf-file ../file/exec-memory-logger.properties --name a1 -Dflume.root.logger=INFO,console
案例二
监听文件夹，将文件上传至hdfs
#指定agent的sources,sinks,channels
a1.sources = s1
a1.sinks = k1
a1.channels = c1
#配置sources属性
a1.sources.s1.type =spooldir
a1.sources.s1.spoolDir =/tmp/logs
a1.sources.s1.basenameHeader = true
a1.sources.s1.basenameHeaderKey = fileName
#将sources与channels进行绑定
a1.sources.s1.channels =c1
#配置sink
a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path = /flume/events/%y-%m-%d/%H/
a1.sinks.k1.hdfs.filePrefix = %{fileName}
#生成的文件类型，默认是Sequencefile，可用DataStream，则为普通文本
a1.sinks.k1.hdfs.fileType = DataStream
a1.sinks.k1.hdfs.useLocalTimeStamp = true
#将sinks与channels进行绑定
a1.sinks.k1.channel = c1
#配置channel类型
a1.channels.c1.type = memory
执行监听。
flume-ng agent \
--conf-file /usr/local/bigdata/file/flume-hdfs.properties \
--name a1 -Dflume.root.logger=INFO,console
