Flume介绍
Flume是Cloudera 开发的框架，它是用来进行数据和日志的收集工具，它采用的是实时的收集数据（比如：一号店，美团等都用Flume）。组合的架构一般有Kafka/flume + storm / spark streaming
Flume的分布式概念
我可以收集很多服务器上的日志，每个服务器都要运行一个Flume去收集，因为日志文件不可能在一台机器上。
Flume特点
Flume是用Java语言编写的，所以要用JVM环境
Flume仅仅支持Linux系统
Flume比较灵活，是因为我们只需要配置一个配置文件就可以，在配置文件中可以随便设置
Flume架构
Web Server（相当于云端）：存放日志
Agent：
Source从WebServer中拿数据，放到一个管道里面，数据的单元叫Event（事件），也就是说source拿到数据之后封装成Event，放到管道当中，然后给Sink，然后Sink写到HDFS上或者是其他的source。
Channel：就是保证数据的安全性和完整性，起到一个缓冲的作用。
Event：包括两个部分：header和载有数据的byte array
header会携带一些信息：例如Flume每天收集的数据放到一个目录下，不可能一次创建所有的目录，可以通过服务器端的时间，把这个时间放到header里面，然后传递到Sink端，给我创建一个目录，然后把当天的数据放到这个目录下
数据流：
Flume使用要求
* 运行在有日志的地方
* 系统：Linux
* JVM/JDK
* 轻量级的服务（eg：zk，zkfc，sqoop）对硬件的要求不高
Flume安装部署
bin/flume-ng
Usage: bin/flume-ng <command> [options]...
commands:
agent run a Flume agent
global options:(全局的参数)
--conf,-c <conf> use configs in <conf> directory(指定一个配置文件)
-Dproperty=value sets a Java system property value(指定一些属性的值)
agent options:
--name,-n <name> the name of this agent (required)
--conf-file,-f <file> specify a config file (required if -z missing)
>>>>>>>>>>>>>>>>>>如何使用>>>>>>>>>>>>>>>>>>>>>
bin/flume-ng agent \
--conf conf \
--name agent-test \
--conf-file test.conf \
或
bin/flume-ng agent
-c conf \
-n agent-test \
-f test.conf \
Flume使用案例
Flume案例1：
数据来源：netcat
接收数据：source...
写配置文件a1.conf内容如下
### define agent
a1.sources = r1
a1.channels = c1
a1.sinks = k1
###define sources
a1.sources.r1.type = netcat
a1.sources.r1.bind = master
a1.sources.r1.port = 44444
###define channels
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
###define sink
a1.sinks.k1.type = logger
a1.sinks.k1.maxBytesToLog = 1024
### bind the sources and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1
运行：
装一个软件telnet
yum install -y telnet
yum install -y telnet-server
启动Flume
bin/flume-ng agent -c conf -n a1 -f conf/a1.conf -Dflume.root.logger=DEBUG,console
启动telnet
telnet master 44444
Flume常用source、channle、sink
常用的source
Ecec Source (执行 source)
Spooling Directory Source(重点)：监控一个目录，进行抽取数据
Syslog Source(收集系统日志)
HTTP Source
常用的channles
Memory Channle
JDBC Channle
Kafka Channel
File Channel
常用的Sinks
HDFS Sink
Hive Sink
Logger Sink
HBase Sink
ElasticSearchSink(es)
MorphlineSolrSink
Flume案例2：
收集log
hive运行的日志
日志目录：/tmp/lan
通过命令获取：tail -f 日志文件
hdfs
收集后的存放位置：/user/lan/flume/hive-logs/
agent程序:实时监控读取的日志数据，存储hdfs文件系统
### define agent
a2.sources = r2
a2.channels = c2
a2.sinks = k2
###define sources
a2.sources.r2.type = exec
a2.sources.r2.command = tail -f /tmp/lan/hive.log
a2.sources.r2.shell = /bin/bash -c
###define channels
a2.channels.c2.type = memory
a2.channels.c2.capacity = 1000
a2.channels.c2.transactionCapacity = 100
###define sink
a2.sinks.k2.type = hdfs
a2.sinks.k2.hdfs.path =hdfs://master:9000/user/lan/flume/hive-logs/
a2.sinks.k2.hdfs.fileType = DataStream
a2.sinks.k2.hdfs.writeFormat = Text
a2.sinks.k2.hdfs.batchSize = 10
### bind the sources and sink to the channel
a2.sources.r2.channels = c2
a2.sinks.k2.channel = c2
运行命令
bin/flume-ng agent -c conf -n a2 -f conf/flume-tail.conf -Dflume.root.logger=DEBUG,console
