一、简介

        Flume is a distributed, reliable, and available service for efficiently collecting, aggregating, and moving large amounts of log data. It has a simple and flexible architecture based on streaming data flows. It is robust and fault tolerant with tunable reliability mechanisms and many failover and recovery mechanisms. It uses a simple extensible data model that allows for online analytic application.
        Flume是一种分布式、高可靠且高可用的服务，用于高效地收集、聚合和转移不同来源的大量日志数据。Event是Flume定义的一个数据流传输的最小单元。Agent是一个Flume的实例，本质是一个JVM进程，该JVM进程控制Event从外部日志生产者那里将数据传输到目的地或者下一个Agent。
        一个完整的Agent中包含了必须的三个组件Source、Channel和Sink，Source是指数据源的获取方式，Channel是一个数据的缓冲池，Sink定义了数据输出的方式和目的地（这三个组件是必须有的，另外还有很多可选的组件interceptor、channel selector、sink processor等）。完整流程可以参考下图：

        Flume也可以设置多级Agent连接的方式传输Event数据，完整流程可以参考下图：

源码地址

官网地址

中文说明文档可参考这里

源码地址

二、安装

1、下载

本次使用版本V1.11.0
apache-flume-1.11.0-bin.tar.gz

2、解压

tar -zxvf apache-flume-1.11.0-bin.tar.gz

3、创建配置文件

本次目标将指定的log文件数据读取出来同步到hdfs中，创建配置文件file2hdfs.conf，具体配置如下：

a1.sources=r1
a1.sinks=k1
a1.channels=c1a1.sources.r1.type=taildir
a1.sources.r1.filegroups=f1
a1.sources.r1.filegroups.f1=/wz_program/flume1.11.0/data/111.log
a1.sources.r1.positionFile=/wz_program/flume1.11.0/data/taildir.json
a1.sources.r1.fileHeader=truea1.sinks.k1.type=hdfs
a1.sinks.k1.hdfs.path=hdfs://hadoop001:8020/tmp/flume3
a1.sinks.k1.hdfs.rollSize=1048576
a1.sinks.k1.hdfs.rollInterval=0
a1.sinks.k1.hdfs.rollCount=0
a1.sinks.k1.hdfs.useLocalTimeStamp=true
a1.sinks.k1.hdfs.writeFormat=Text
a1.sinks.k1.hdfs.minBlockReplicas=1
a1.sinks.k1.hdfs.fileType=DataStreama1.channels.c1.type=memory
a1.channels.c1.capacity=100
a1.channels.c1.transactionCapacity=100a1.sources.r1.channels=c1
a1.sinks.k1.channel=c1

配置说明如下：

• 如上配置文件指定了一个名为a1的Agent，其中a1的source为r1，sink为k1，channel为c1。
• r1的类型为taildir，该类型的source监控指定的一些文件，并在检测到新的一行数据产生的时候几乎实时地读取它们。
• c1类型为memory，该类型的channel是把 Event 队列存储到内存上，队列的最大数量就是 capacity 的设定值。
• k1的类型为hdfs，该类型的sink是将Event写入Hadoop分布式文件系统。

Taildir Source说明：

Memory Channel说明如下：

HDFS Sink说明如下：

4、启动flume agent

进入到flume的解压目录下执行如下命令，注意更换配置文件的路径：

./bin/flume-ng agent --conf ./conf --conf-file ../file2hdfs.conf --name a1 &

解压目录下可查询flume运行的日志记录：

启动命令说明如下：

--name 后面的名称需要配置为自己的agent名称，也就是自己--conf-file文件中配置的第一个单词，我的配置为a1

5、验证

不断向111.log文件中写入内容，进入到hdfs中查看log文件是否已同步到指定的路径中：