flume 入门

前言

本文是基础性文章，针对初次接触flume的朋友，简化了大部分内容，后续有时间会加上相关高级使用

为什么需要flume？

1. 解耦：对于数据产生者，不关心数据被谁使用，对于数据使用者，不关心数据从哪来。
2. 安全，稳定：flume 是提供数据安全保证的。
3. 缓冲：数据生产速度 和 消费速度 可以得到一个平衡，不至于因为生产过快导致程序崩溃。
4. 简单：内置大量现成组件，使用成本低。
5. 负载均衡：flume 是分布式，对于大数据收集有天然优势
6. 对 hdfs 支持友好
7. 灵活：flume 收集基于单个 agent，扩展方便灵活

flume 有什么优势？

优势都是相对而言，我们简单以 kafka 来对比：

1. 组件灵活，可定制化高
2. 数据处理能力相对较强
3. 对hdfs 有特殊优化

开启一个简单的flume

这里我们先什么都不管，先来玩一下flume，感受一下flume：

这里我们用 flume 1.8.0 来演示，官网地址：http://flume.apache.org/FlumeUserGuide.html

1. 首先你得安装一下java环境，我这里安装 1.8 版本
2. 下载 flume ：http://flume.apache.org/download.html

3. 解压，得到如下目录

   
   
   

   解压目录
4. flume根目录 vim example.conf ,并输入以下内容：

# 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

# 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

5. flume根目录执行 bin/flume-ng agent --conf conf --conf-file example.conf --name a1 -Dflume.root.logger=INFO,console
6. 到这里如果一切正常得话，那么flume就已经正式开始运行了。
7. 为了验证一下效果，我们可以通过任何方式向 localhost:4444 发送数据，flume将会将你发送得数据打印在控制台，这里我们可以简单的使用 telnet localhost 44444 来进行测试
8. 如果你是新手，到这里可能一头雾水，这都是什么和什么呢？别急，下面我们再来细细分析这个应用程序是怎么跑起来得。

到这里，我们应该可以体验到flume得简洁和易用了，就算你什么都不会，你也可以轻松得来使用它。

flume一般架构

• 首先我们先来看一下 flume 的整体架构，官网架构图如下

  
  
  

  flume 架构

1. webServer作为一个客户端，会产生数据，将数据发送到 一个叫 source 的组件。
2. source 将收到的数据存到一个叫 channel 的组件。
3. sink 会从channel里面取出source 储存的数据，并将它放到 hdfs 上。
4. 其中 source，channel，sink 的组合叫 agent。
5. 基础架构非常简单，想要使用flume，我们只要通过一个配置文件定义好 source，channel，sink，那么flume就可以开始工作了。

• 从上面的架构我们知道，只要配置好 flume 三大组件： source，channel，sink 就可以使用了，那么现在我们来解析下 上面 example.conf 文件把
  1.配置文件解析

# a1:这是我们agent的别名，随便取
a1.sources = r1 #给 a1 的source 取名叫 r1
a1.sinks = k1  #给 a1 的sink 取名叫k1    
a1.channels = c1  #给 a1 的channel  取名叫 c1  

# 配置source
#  “a1.sources.r1” 表示 “a1 里面的 soource r1”
#  “a1.sources.r1.type“ 配置了 “a1.sources.r1” 的类型
#  “a1.sources.r1.bind“ = localhost  配置了 “a1.sources.r1” 绑定的ip地址
#  “a1.sources.r1.port“  配置了 “a1.sources.r1” 绑定的端口号
a1.sources.r1.type = netcat
a1.sources.r1.bind = localhost
a1.sources.r1.port = 44444

# 配置 sink
#  “a1.sinks.k1.” 表示 “a1 里面的 sink k1”
#  “a1.sinks.k1.type“  配置了 “a1.sinks.k1” 类型是 logger（将收集的数据当日志打印）
a1.sinks.k1.type = logger

# 配置 channels
#  “a1.channels.c1” 表示 “a1 里面的 channel c1”
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100

# 配置完三大组件之后
# 我们需要配置一下他们的关系
a1.sources.r1.channels = c1 # r1 的输出 channel 是c1
a1.sinks.k1.channel = c1 # k1 取数据的 channel 是 c1

看上去复杂的配置，其实很简单：
（1）声明相关组件
（2）配置组件的详细信息
（3）描述组件之间的关联关系
配置文件是以 kv 形式来声明的，并且 k 是以 · 来实现递进关系

2. 启动脚本

bin/flume-ng agent --conf conf --conf-file example.conf --name a1 -Dflume.root.logger=INFO,console

--conf conf 
声明一个配置文件的目录，是当前目录下的 conf 文件夹

--conf-file example.conf 
指定启动的该 agent 的配置文件是当前目录下的 example.conf 

--name a1 
指定该 agent 的别名是 a1

-Dflume.root.logger=INFO,console
-D表示配置一个kv格式的参数，
flume.root.logger是flume日志打印的方式和级别，
INFO,console表示 级别是 info ，打印位置是 控制台 console，
因为我们的收集过来的数据是当日志打印的，所以会在控制台打印出来咯

flume 的基本使用基本都是这样，配置三大组件就可以了，针对不一样的日志产生渠道和储存方式，可以选择不同的 source 和 sink ，并且官方有大量不同类型的 source 和 sink 可以供我们选择和参考，这也就使得flume的入门和使用成本非常低廉，如果你感兴趣，可以尝试下官方不同的source 和 sink 进行实践一下