文章目录
- 日志采集框架Flume介绍
- 概述
- 运行机制
- Flume采集系统结构图
- Flume安装部署
- 上传安装包
- 解压安装包
- 配置文件
在一个完整的离线大数据处理系统中,除了 hdfs+mapreduce+hive 组成分析系统的核心之外,还需要
数据采集、结果
数据导出、
任务调度等不可或缺的辅助系统,而这些辅助工具在hadoop生态体系中都有便捷的开源框架,如图所示:
日志采集框架Flume介绍
概述
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。
Flume可以采集文件,socket数据包、文件、文件夹、Kafka等各种形式源数据,又可以将采集到的数据(下沉 sink) 输出到 HDFS、Hive、Kafka等众多外部存储系统中。
一般的采集需求,通过Flume的简单配置即可实现。
Flume针对特殊场景也具有良好的自定义扩展能力。
因此,Flume可以适用于大部分的日常数据采集场景。
运行机制
- Flume分布式系统中最核心的角色是agent,Flume采集系统是由一个个agent所连接起来形成。
- 每一个agent相当于一个数据传递员,内部有三个组件:
Source:采集组件,用于跟数据源对接,以获取数据Channel:传输通道组件,用于从Source将数据传递到Sink。Sink:下沉组件,用于往下一级agent传递数据或者往最终存储系统传递数据Source 到 Channel 到 Sink之间传递数据的形式是Event事件;Event事件是一个数据流单元。
Flume采集系统结构图
- 简单结构 :单个agent采集数据
- 复杂结构 :多级agent之间串联
Flume安装部署
上传安装包
apache-flume-1.8.0-bin.tar.gz
解压安装包
cd /export/servers/
tar -zxvf /export/softwares/apache-flume-1.8.0-bin.tar.gz
配置文件
cd /export/servers/
cd apache-flume-1.8.0-bin/conf/
cp flume-env.sh.template flume-env.sh
vim flume-env.sh
添加以下内容:
export JAVA_HOME=/export/servers/jdk1.8.0_144