概述

Flume 是 Cloudera 提供的一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的软件。

Flume 的核心是把数据从数据源(source)收集过来，再将收集到的数据送到指定的目的地(sink)。为了保证输送的过程一定成功，在送到目的地(sink)之前，会先缓存数据(channel),待数据真正到达目的地(sink)后，flume 在删除自己缓存的数据。

Flume 支持定制各类数据发送方，用于收集各类型数据；同时，Flume 支持定制各种数据接受方，用于最终存储数据。一般的采集需求，通过对 flume 的简单配置即可实现。针对特殊场景也具备良好的自定义扩展能力。因此，flume 可以适用于大部分的日常数据采集场景。

运行机制

　　Flume 系统中核心的角色是 agent，agent 本身是一个 Java 进程，一般运行在日志收集节点。

• 　　每一个 agent 相当于一个数据传递员，内部有三个组件：

　　　　Source：采集源，用于跟数据源对接，以获取数据；

　　　　Sink：下沉地，采集数据的传送目的，用于往下一级 agent 传递数据或者往最终存储系统传递数据；

　　　　Channel：agent 内部的数据传输通道，用于从 source 将数据传递到 sink；

• 　　在整个数据的传输的过程中，流动的是 event，它是 Flume 内部数据传输的最基本单元。event 将传输的数据进行封装。如果是文本文件，通常是一行记录，event 也是事务的基本单位。event 从 source，流向 channel，再到 sink，本身为一个字节数组，并可携带 headers(头信息)信息。event 代表着一个数据的最小完整单元，从外部数据源来，向外部的目的地去。
• 　　一个完整的 event 包括：event headers、event body、event 信息，其event 信息就是 flume 收集到的日记记录。

Flume采集系统结构图

　　简单结构：

　　　　　　单个 agent 采集数据

　　复杂结构

　　　　　　多级 agent 之间串联

Flume安装部署

• 上传安装包到数据源所在节点上
• 解压

tar -zxvf apache-flume-1.6.0-bin.tar.gz

• 根据数据采集需求 配置采集方案，描述在配置文件中(文件名可任意自定义)

　　　　在 flume 的 的 conf  目录下新建一个文件

vi netcat-logger.conf

#从网络端口接收数据，下沉到logger#采集配置文件，netcat-logger.conf# Name the components on this agenta1.sources = r1a1.sinks = k1a1.channels = c1# Describe/configure the sourcea1.sources.r1.type = netcata1.sources.r1.bind = localhosta1.sources.r1.port = 44444# Describe the sinka1.sinks.k1.type = logger# Use a channel which buffers events in memorya1.channels.c1.type = memorya1.channels.c1.capacity = 1000a1.channels.c1.transactionCapacity = 100# Bind the source and sink to the channela1.sources.r1.channels = c1a1.sinks.k1.channel = c1

• 指定采集方案配置文件，在相应的节点上启动 flume agent

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

• 测试

#安装telnetyum install -y telnet

Apache Flume简介及安装部署

原文地址：https://www.cnblogs.com/jifengblog/p/9277793.html