Flume介绍

一、 Flume系统简介
Flume是一个由Cloudera提供的分布式、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
二、 Flume系统基本组件
1、 Agent:
采集数据，agent是flume中产生数据流的地方
2、 Collector:
收集anent发送过来的数据，汇集更大的数据流
3、 Master:
负责管理数据流的配置，支持多master节点
4、 ZooKeeper:
保存配置数据，ZooKeeper本身可保证配置数据的一致性和高可用，另外，在配置数据发生变化时，ZooKeeper可以通知Flume Master节点
三、 Flume运行机制

虚线代表的是节点间通信。作为收集日志的每个agent节点定期通过RPC方式向master节点发起心跳，master节点通过监听与回调处理RPC请求，并将配置的更改信息发送给agent，collector与master的通信原理与agent相同。
实线代表的是数据流的流向。Agent节点按照配置定期的收集日志并将数据发送给collect节点，collector节点可以接收多个anent节点的数据并按照配置中指定的时间间隔，将汇集后的数据流转到目标节点(通常是HDFS)。
上述流程中如果anent或者collector节点在指定的间隔时间内未能发送消息给master，master将其视为“死亡”，如果是collector A死亡，则master可以按照配置将collector A负责收集的 agent A agent B 两个节点的数据发送给collector B。
四、 Flume安装介绍
1、 下载与hadoop匹配的flume-0.9.4-cdh3u2.tar.gz
2、 解压至某目录 (/d1/soft/flume)
3、 配置环境变量 （vim .bash_profile）\
在PATH末尾追加     :$FLUME_HOME/bin
添加变量             export FLUME_HOME=/d1/soft/flume
添加变量            export FLUME_CONF_DIR=$FLUME_HOME/conf
添加变量            export FLUME_LOG_DIR=$FLUME_HOME/log
添加变量            export FLUME_PID_DIR=$FLUME_HOME/pid
4、 配置flume-site.conf
在flume集群各节点的$FLUME_HOME  的conf目录下新建flume-site.conf
并加入如下值：
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl"  href="configuration.xsl"?>
<configuration>

  <property>
    <name>flume.master.servers</name>
    <value>h253018</value>
    <description>This is the address for the config servers status
    server (http)
    </description>
  </property>
  <property>
    <name>flume.collector.event.host</name>
    <value>h253017</value>
    <description>This is the host name of the default "remote" collector. </description>
  </property>
  <property>
    <name>flume.collector.port</name>
    <value>35853</value>
    <description>This default tcp port that the collector listens to in order to receive events it is collecting.
    </description>
  </property>
<property>
  <name>flume.collector.output.format</name>
    <value>raw</value>
      <description>This default value is 'json'.
    </description>
</property>
</configuration>

五、 Flume启动
/d1/soft/flume/bin/flume-daemon.sh start master
/d1/soft/flume/bin/flume-daemon.sh start node -n collector
/d1/soft/flume/bin/flume-daemon.sh start node -n agent_16
/d1/soft/flume/bin/flume-daemon.sh start node -n agent_15
六、 配置示例
配置前的环境介绍：
h253014 为非flume集群的hadoop节点master
h253018 为flume集群 master节点
h253017 为flume集群 collentor节点
h253016 为flume集群 agent节点
h253015 为flume集群 agent节点

通过页面配置如下：

agent_15 : tail("/tmp/flume_text") | agentSink;
agent_16 : tail("/tmp/flume_text") | agentSink;
collector : collectorSource | collectorSink("hdfs://h253014:9000/flume/","test_data");
七、 Flume两种工作模式
1、 Push Sources：
外部系统会主动地将数据推送到Flume中，如RPC、syslog。
2、 Polling Sources：
Flume到外部系统中获取数据，一般使用轮询的方式，如text和exec。
注意，在Flume中，agent和collector对应，而source和sink对应。Source和sink强调发送、接受方的特性(如数据格式、编码等)，而agent和collector关注功能。
八、 Source与Sink
Flume提供了从console(控制台)、RPC(Thrift-RPC)、text(文件)、tail(UNIX tail)、syslog(syslog日志系统，支持TCP和UDP等2种模式)，exec(命令执行)等数据源上收集数据的能力。同时，Flume的数据接受方，可以是console(控制台)、text(文件)、dfs(HDFS文件)、RPC(Thrift-RPC)和syslogTCP(TCP syslog日志系统)等。
九、 Flume的几个特性
Reliability：
Flume提供3中数据可靠性选项，包括End-to-end、Store on failure和Best effort。其中End-to-end使用了磁盘日志和接受端Ack的方式，保证Flume接受到的数据会最终到达目的。Store on failure在目的不可用的时候，数据会保持在本地硬盘。和End-to-end不同的是，如果是进程出现问题，Store on failure可能会丢失部分数据。Best effort不做任何QoS保证。
Scalability：
Flume的3大组件：collector、master和storage tier都是可伸缩的。需要注意的是，Flume中对事件的处理不需要带状态，它的Scalability可以很容易实现。
Manageability：
Flume利用ZooKeeper和gossip，保证配置数据的一致性、高可用。同时，多Master，保证Master可以管理大量的节点。
Extensibility：
基于Java，用户可以为Flume添加各种新的功能，如通过继承Source，用户可以实现自己的数据接入方式，实现Sink的子类，用户可以将数据写往特定目标，同时，通过SinkDecorator，用户可以对数据进行一定的预处理。