玩转Flume+Kafka原来也就那点事儿

原文：http://www.jianshu.com/p/f0a08bd4f975

文／小程故事多（简书作者）
原文链接：http://www.jianshu.com/p/f0a08bd4f975
著作权归作者所有，转载请联系作者获得授权，并标注“简书作者”。

好久没有写分享了，继前一个系列进行了Kafka源码分享之后，接下来进行Flume源码分析系列，望大家继续关注，今天先进行开篇文章Flume+kafka的环境配置与使用。

一、FLUME介绍

Flume是一个分布式、可靠、和高可用的海量日志聚合的系统，支持在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。
设计目标：
(1) 可靠性
当节点出现故障时，日志能够被传送到其他节点上而不会丢失。Flume提供了三种级别的可靠性保障，从强到弱依次分别为：end-to-end（收到数据agent首先将event写到磁盘上，当数据传送成功后，再删除；如果数据发送失败，可以重新发送。），Store on failure（这也是scribe采用的策略，当数据接收方crash时，将数据写到本地，待恢复后，继续发送），Best effort（数据发送到接收方后，不会进行确认）。
(2) 可扩展性
Flume采用了三层架构，分别为agent，collector和storage，每一层均可以水平扩展。其中，所有agent和collector由master统一管理，这使得系统容易监控和维护，且master允许有多个（使用ZooKeeper进行管理和负载均衡），这就避免了单点故障问题。
(3) 可管理性
所有agent和colletor由master统一管理，这使得系统便于维护。多master情况，Flume利用ZooKeeper和gossip，保证动态配置数据的一致性。用户可以在master上查看各个数据源或者数据流执行情况，且可以对各个数据源配置和动态加载。Flume提供了web 和shell script command两种形式对数据流进行管理。
(4) 功能可扩展性
用户可以根据需要添加自己的agent，collector或者storage。此外，Flume自带了很多组件，包括各种agent（file， syslog等），collector和storage（file，HDFS等）。

二、Flume 的 一些核心概念：

组件名称 功能介绍

Agent代理	使用JVM 运行Flume。每台机器运行一个agent，但是可以在一个agent中包含多个sources和sinks。
Client客户端	生产数据，运行在一个独立的线程。
Source源	从Client收集数据，传递给Channel。
Sink接收器	从Channel收集数据，进行相关操作，运行在一个独立线程。
Channel通道	连接 sources 和 sinks ，这个有点像一个队列。
Events事件	传输的基本数据负载。

三、Flume的整体构成图

Paste_Image.png

注意
源将事件写到一个多或者多个通道中。
接收器只从一个通道接收事件。
代理可能会有多个源、通道与接收器。

四、Flume环境配置

• 在http://flume.apache.org/ 下载Flume安装包，我们选择最新的1.6.0版本。

Paste_Image.png

• 安装包内容如下

Paste_Image.png

• 配置文件

常用配置模式一

扫描指定文件

agent.sources.s1.type=exec
agent.sources.s1.command=tail -F /Users/it-od-m/Downloads/abc.log
agent.sources.s1.channels=c1
agent.channels.c1.type=memory
agent.channels.c1.capacity=10000
agent.channels.c1.transactionCapacity=100

#设置Kafka接收器
agent.sinks.k1.type= org.apache.flume.sink.kafka.KafkaSink
#设置Kafka的broker地址和端口号
agent.sinks.k1.brokerList=127.0.0.1:9092
#设置Kafka的Topic
agent.sinks.k1.topic=testKJ1
#设置序列化方式
agent.sinks.k1.serializer.class=kafka.serializer.StringEncoder

agent.sinks.k1.channel=c1

常用配置模式二

Agent名称定义为agent.   
Source:可以理解为输入端，定义名称为s1  
channel：传输频道，定义为c1，设置为内存模式  
sinks：可以理解为输出端，定义为sk1,  

agent.sources = s1    
agent.channels = c1  
agent.sinks = sk1  

#设置Source的内省为netcat 端口为5678，使用的channel为c1  
agent.sources.s1.type = netcat  
agent.sources.s1.bind = localhost  
agent.sources.s1.port = 3456  
agent.sources.s1.channels = c1  

#设置Sink为logger模式，使用的channel为c1  
agent.sinks.sk1.type = logger  
agent.sinks.sk1.channel = c1  
#设置channel信息  
agent.channels.c1.type = memory #内存模式  
agent.channels.c1.capacity = 1000     
agent.channels.c1.transactionCapacity = 100 #传输参数设置。

常用配置模式三

扫描目录新增文件

agent.sources = s1  
agent.channels = c1  
agent.sinks = sk1  

#设置spooldir  
agent.sources.s1.type = spooldir  
agent.sources.s1.spoolDir = /Users/it-od-m/logs  
agent.sources.s1.fileHeader = true  

agent.sources.s1.channels = c1  
agent.sinks.sk1.type = logger  
agent.sinks.sk1.channel = c1  

#In Memory !!!  
agent.channels.c1.type = memory  
agent.channels.c1.capacity = 10004  
agent.channels.c1.transactionCapacity = 100

我们今天重点使用第一种模式，因为要与Kafka相结合。
配置好参数以后，回到如下目录：

Paste_Image.png

使用如下命令启动Flume：

 ./bin/flume-ng agent -n agent -c conf -f conf/hw.conf -Dflume.root.logger=INFO,console

Paste_Image.png

最后一行显示Component type:SINK,name:k1 started表示启动成功。

在启动Flume之前，Zookeeper和Kafka要先启动成功，不然启动Flume会报连不上Kafka的错误。

1、使用./zkServer.sh start启动zookeeper。
2、使用如下命令启动Kafka，更详细的Kafka命令请参照我之前总结的http://www.jianshu.com/p/cfedb7122e38 (Kafka常用命令行总结）

./kafka-server-start.sh -daemon ../config/server.properties

3、使用Kafka默认提供的Consumer来接收消息

./kafka-console-consumer.sh -zookeeper localhost:2181 --from-beginning --topic testKJ1

4、编写简单Shell脚本output.sh，并修改权限为可执行权限

for((i=0;i<=50000;i++));
do echo "test-"+$i>>abc.log;
done

循环向abc.log文件插入test文本消息。
5、执行output.sh。

Paste_Image.png

整个过程流程如下：

Paste_Image.png

至此简单的使用介绍已经讲完，关于Flume还有非常多的属性和配置技巧需要我们去挖掘，我们以此文章作为开篇为的是为以后源码分析作为铺垫。