日志采集工具Flume的安装与使用方法
Flume是Cloudera提供的一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统，Flume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（可定制）的能力。
Flume主要由3个重要的组件构成：
Source:完成对日志数据的收集，分成transtion 和 event 打入到channel之中。
Channel:主要提供一个队列的功能，对source提供中的数据进行简单的缓存。
Sink:取出Channel中的数据，进行相应的存储文件系统，数据库，或者提交到远程服务器。
Flume逻辑上分三层架构：agent，collector，storage
agent用于采集数据，agent是flume中产生数据流的地方，同时，agent会将产生的数据流传输到collector。
collector的作用是将多个agent的数据汇总后，加载到storage中。
storage是存储系统，可以是一个普通file，也可以是HDFS，HIVE，HBase等。
Flume的架构主要有一下几个核心概念：
Event：一个数据单元，带有一个可选的消息头
Flow：Event从源点到达目的点的迁移的抽象
Client：操作位于源点处的Event，将其发送到Flume Agent
Agent：一个独立的Flume进程，包含组件Source、Channel、Sink
Source：用来消费传递到该组件的Event
Channel：中转Event的一个临时存储，保存有Source组件传递过来的Event
Sink：从Channel中读取并移除Event，将Event传递到Flow Pipeline中的下一个Agent（如果有的话）
关于Flume更多内容，可以参考网络文献：Flume的原理和使用
一：安装flume
flume下载地址： flume下载官网
1.解压安装包
- sudo tar -zxvf apache-flume-1.7.0-bin.tar.gz -C /usr/local # 将apache-flume-1.7.0-bin.tar.gz解压到/usr/local目录下，这里一定要加上-C否则会出现归档找不到的错误
- sudo mv ./apache-flume-1.7.0-bin ./flume #将解压的文件修改名字为flume，简化操作
- sudo chown -R hadoop:hadoop ./flume #把/usr/local/flume目录的权限赋予当前登录Linux系统的用户，这里假设是hadoop用户
2.配置环境变量
- sudo vim ~/.bashrc
然后在首行加入如下代码：
- export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64;
- export FLUME_HOME=/usr/local/flume
- export FLUME_CONF_DIR=$FLUME_HOME/conf
- export PATH=$PATH:$FLUME_HOME/bin
注意， 上面的JAVA_HOME，如果以前已经在.bashrc文件中设置过，就不要重复添加了，使用以前的设置即可。
比如，以前设置得JAVA_HOME可能是“export JAVA_HOME=/usr/lib/jvm/default-java”，则使用原来的设置即可。
接下来使环境变量生效：
- source ~/.bashrc
修改 flume-env.sh 配置文件：
- cd /usr/local/flume/conf
- sudo cp ./flume-env.sh.template ./flume-env.sh
- sudo vim ./flume-env.sh
打开flume-env.sh文件以后，在文件的最开始位置增加一行内容，用于设置JAVA_HOME变量：
export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64;
注意，你的JAVA_HOME可能与上面的设置不一致，一定要根据你之前已经安装的Java路径来设置，比如，有的机器可能是：
export JAVA_HOME=/usr/lib/jvm/default-java
然后，保存flume-env.sh文件，并退出vim编辑器。
3.查看flume版本信息
- cd /usr/local/flume
- ./bin/flume-ng version #查看flume版本信息；
如果安装成功，出现如下图片
注意：如果系统里安装了hbase，会出现错误: 找不到或无法加载主类 org.apache.flume.tools.GetJavaProperty。如果没有安装hbase，这一步可以略过。
- cd /usr/local/hbase/conf
- sudo vim hbase-env.sh
- #1、将hbase的hbase.env.sh的这一行配置注释掉,即在export前加一个#
- #export HBASE_CLASSPATH=/home/hadoop/hbase/conf
- #2、或者将HBASE_CLASSPATH改为JAVA_CLASSPATH,配置如下
- export JAVA_CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
- #笔者用的是第一种方法
二：测试flume
1.案例1：Avro source
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/flume
- sudo vim ./conf/avro.conf #在conf目录下编辑一个avro.conf空文件
然后，我们在avro.conf写入以下内容
- 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
- #注意这个端口名，在后面的教程中会用得到
- # Describe the sink
- a1.sinks.k1.type = logger
- # 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
上面Avro Source参数说明如下：
Avro Source的别名是avro,也可以使用完整类别名称org.apache.flume.source.AvroSource，因此，上面有一行设置是a1.sources.r1.type = avro，表示数据源的类型是avro。
bind绑定的ip地址或主机名，使用0.0.0.0表示绑定机器所有的接口。a1.sources.r1.bind = 0.0.0.0，就表示绑定机器所有的接口。
port表示绑定的端口。a1.sources.r1.port = 4141，表示绑定的端口是4141。
a1.sinks.k1.type = logger，表示sinks的类型是logger。
b) 启动flume agent a1
- /usr/local/flume/bin/flume-ng agent -c . -f /usr/local/flume/conf/avro.conf -n a1 -Dflume.root.logger=INFO,console #启动日志控制台
这里我们把这个窗口称为agent窗口。
c) 创建指定文件
先打开另外一个终端，在/usr/local/flume下写入一个文件log.00,内容为hello,world:
- cd /usr/local/flume
- sudo sh -c 'echo "hello world" > /usr/local/flume/log.00'
我们再打开另外一个终端，执行：
- cd /usr/local/flume
- bin/flume-ng avro-client --conf conf -H localhost -p 4141 -F /usr/local/flume/log.00 #4141是avro.conf文件里的端口名
此时我们可以看到第一个终端（agent窗口）下的显示，也就是在日志控制台，就会把log.00文件的内容打印出来：
avro source执行成功！案例一over！
2.案例2：netcatsource
a) 创建agent配置文件
- cd /usr/local/flume
- sudo vim ./conf/example.conf #在conf目录创建example.conf
在example.conf里写入以下内容：
- #example.conf: A single-node Flume configuration
- # Name the components on this agent
- a1.sources = r1
- a1.sinks = k1
- a1.channels = c1
- # Describe/configure the source
- a1.sources.r1.type = netcat
- a1.sources.r1.bind = localhost
- a1.sources.r1.port = 44444
- #同上，记住该端口名
- # Describe the sink
- a1.sinks.k1.type = logger
- # 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
b)启动flume agent (即打开日志控制台)：
- /usr/local/flume/bin/flume-ng agent --conf ./conf --conf-file ./conf/example.conf --name a1 -Dflume.root.logger=INFO,console
如图：
再打开一个终端，输入命令:telnet localhost 44444
- telnet localhost 44444
- #前面编辑conf文件的端口名
然后我们可以在终端下输入任何字符，第一个终端的日志控制台也会有相应的显示，如我们输入”hello,world”,得出
第一个终端的日志控制台显示：
netcatsource运行成功！
这里补充一点，flume只能传递英文和字符，不能用中文，我们先可以在第二个终端输入“中国”两个字:
第一个终端的日志控制台显示：