Flume就是一个用来采集日志数据的系统。它支持在日志系统中定制各类数据发送方，用于收集数据。

Flume三大核心组件

• Source：数据源，Flume内置支持读取很多种数据源，基于文件、基于目录、基于TCP\UDP端口、基于HTTP、Kafka等等，也可以自定义
• Channel：临时存储数据的管道，接收Source发送的数据，它分为几种类型
  • Memory Channel：使用内存作为数据的存储；优点是效率高，缺点是可能会丢失数据（断电等情况），且内存有限。
  • File Channel：使用文件来作为数据的存储；优点是数据不会丢失，但速度比内存慢点。
  • Spillable Memory Channel：使用内存和文件作为数据存储，即先把数据存到内存中，如果内存中数据达到阈值再flush到文件中；缺点是仍然存在数据丢失的风险。
• Sink：从Channel中读取数据并存储到指定目的地；Sink的表现形式有很多如打印到控制台、HDFS、Kafka等，常用的sink组件有：
  • Logger Sink：将数据作为日志处理，可以选择打印到控制台或者写到文件中，主要在测试时使用。
  • HDFS Sink：将数据传输到HDFS中，这个是比较常见的，主要针对离线计算的场景
  • Kafka Sink：将数据发送到kafka消息队列中，这个也是比较常见的，主要针对实时计算场景，数据不落盘，实时传输，最后使用实时计算框架直接处理。

Flume的下载与安装

点击进入下载页面

服务器需要配置jdk环境，上传至/usr/local/soft/目录下，然后进行如下操作

[root@bigdata04 ~]# cd  /usr/local/soft/
[root@bigdata04 soft]# ls
apache-flume-1.11.0-bin.tar.gz  hadoop
[root@bigdata04 soft]# tar -zxvf apache-flume-1.11.0-bin.tar.gz  #解压
[root@bigdata04 soft]# cd apache-flume-1.11.0-bin/conf/
[root@bigdata04 conf]# mv flume-env.sh.template flume-env.sh # 重命名

Flume入门案例

点击进入Flume官方入门文档，我将英文注释改成中文，入门代码示例如下：

# 给三大组件取个名字，a1是agent的名字
a1.sources = r1
a1.sinks = k1
a1.channels = c1

# source组件配置
a1.sources.r1.type = netcat
a1.sources.r1.bind = 0.0.0.0 # 如果想让所有都访问到使用 0.0.0.0
a1.sources.r1.port = 44444

# sink组件配置
a1.sinks.k1.type = logger

# channels组件配置
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100

# 将3个组件关联起来
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

官方文档：sources配置官方文档、channel配置官方文档、sink配置官方文档（sink包含很多种），然后创建配置文件并执行

[root@bigdata04 conf]# pwd
/usr/local/soft/apache-flume-1.11.0-bin/conf #当前所在目录
[root@bigdata04 conf]# vi example.conf #创建配置文件，将上述文件输入
[root@bigdata04 conf]# cd ..
[root@bigdata04 apache-flume-1.11.0-bin]# nohup bin/flume-ng agent --conf conf --conf-file conf/example.conf --name a1 & 后台运行
[root@bigdata04 apache-flume-1.11.0-bin]# jps
2196 Jps
2074 Application  # 这个就是正在运行的flume进程
[root@bigdata04 apache-flume-1.11.0-bin]# cat flume.log # 查看日志

可以在另一个窗口输入telnet localhost 44444，然后输入任意内容按回车，然后观察日志尾部变化。