flume详细介绍,安装,配置
更新:HHH   时间:2023-1-7



 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

tar xvf /soft/jdk-7u79-linux-x64.tar.gz  -C /soft 

vim  /etc/profile
#java 
export JAVA_HOME=/soft/jdk1.7.0_79/
export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export PATH=$PATH:/$JAVA_HOME/bin:$HADOOP_HOME/bin
source /etc/profile


 b,配置flume

tar xvf  apache-flume-1.6.0-bin.tar.gz -C /usr/local/ELK/
mv   apache-flume-1.6.0    usr/local/ELK/apache-flume 
cd  /usr/local/ELK/apache-flume/conf
cp  flume-env.sh.template  flume-env.sh
   
vi conf/flume-env.sh
JAVA_HOME=/soft/jdk1.8.0_101



c ,验证是否安装成功

/usr/local/ELK/apache-flume/bin/flume-ng version
Flume 1.6.0
Source code repository: https://git-wip-us.apache.org/repos/asf/flume.git
Revision: 8633220df808c4cd0c13d1cf0320454a94f1ea97
Compiled by hshreedharan on Wed May  7 14:49:18 PDT 2014
From source with checksum a01fe726e4380ba0c9f7a7d222db961f


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

cd  /usr/local/ELK/apache-flume/conf    
     
vim  avro.conf
a1.sources = r1
a1.sinks = k1
a1.channels = c1

# Describe/configure the source
a1.sources.r1.type = avro
a1.sources.r1.channels = c1
a1.sources.r1.bind = 0.0.0.0
a1.sources.r1.port = 4141

# Describe the sink
a1.sinks.k1.type = logger          将收集到的日志输出到控制台

# Use a channel which buffers events in memory
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
# Bind the source and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1


 

 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

vim exec.conf 

a2.sources = r2
a2.sinks = k2
a2.channels = c2

#Describe/configure the source
a2.sources.r2.type = exec
a2.sources.r2.channels = c2
a2.sources.r2.command=tail -F /opt/logs/usercenter.log

# Describe the sink
a2.sinks.k2.type = file_roll
a2.sinks.k2.channel = c2
a2.sinks.k2.sink.directory = /opt/flume   将收集到的日志写入此目录下

# Use a channel which buffers events in memory
a2.channels.c2.type = memory
a2.channels.c2.capacity = 1000
a2.channels.c2.transactionCapacity = 100
# Bind the source and sink to the channel
a2.sources.r2.channels = c2
a2.sinks.k2.channel = c2


更多案例参考:

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

 





返回开发技术教程...