Flume系列一之架构介绍和安装

Flume架构介绍和安装

写在前面

在学习一门新的技术之前，我们得知道了解这个东西有什么用？我们可以使用它来做些什么呢？简单来说，flume是大数据日志分析中不能缺少的一个组件，既可以使用在流处理中，也可以使用在数据的批处理中。

1.流处理：



2.离线批处理：



分析：不管你是数据的实时流处理，还是数据的离线批处理，都是会使用flume这个日志收集框架来做日志的收集。因此，学习这个这个组件是很重要的。这个组件的使用也是很简单的。

简单介绍一下Flume

Flume是一种分布式的、可靠的、可用的服务，用于高效地收集、聚合和移动大量日志数据。它具有基于流数据流的简单灵活的体系结构。它具有可调的可靠性机制和许多故障转移和恢复机制，具有健壮性和容错性。它使用一个简单的可扩展的数据模型，允许联机分析应用程序。

一句话总结：Flume就是用来做日志收集的这么一个工具

Flume架构介绍

1. Source 收集 （从webserver读取数据到Channel中去）

2. Channel 聚集 (减少直接与磁盘的对接次数（生产环境中一般使用类型为Memory），当channel满了，再写到sink中去。同时，也起到了容错的作用，因为只有当sink接收到了数据，channel才会把原有的数据丢弃)

3. Sink 输出(从channel中读取数据，写到目的地，这里的目的地可以是HDFS、其余的一些文件系统或者作为下一个agent的source等）

顺便说一下

Event的概念

在整个数据的收集聚集传送的过程中，流动的是event，即事务保证是在event级别进行的。

那么什么是event呢？—–event将传输的数据进行封装，是flume传输数据的基本单位，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。

为了方便大家理解，给出一张event的数据流向图：

上面这段引用来自大神“安静的技术控”的文章，因为我觉得大神已经解释得很到位了。很好理解，在这里，感谢大神啦

工欲善其事，必先利其器

因为有的小伙伴可能还没有安装flume组件，接下来我们就开始介绍一下flume的安装。

我们也可以去官网看一下，怎么安装。

System Requirements

Java Runtime Environment - Java 1.8 or later

Memory - Sufficient memory for configurations used by sources, channels or sinks

Disk Space - Sufficient disk space for configurations used by channels or sinks

Directory Permissions - Read/Write permissions for directories used by agent

这段话，简单解释：我们必须得安装java1.8或者更高版本，内存要足够（因为我们的Channel一般是写在内存上的），磁盘空间要足够，还有就是对我们代理中的目录要有读写权限

说明：Flume的安装是不需要Hadoop集群的环境的

（一）安装JDK

1. 到官网下载jdk1.8,下载地址
   
   http://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html
   
   或者，也可以使用我分享的链接地址（64位）：
   
   链接：http://pan.baidu.com/s/1hsvQmB6 密码：a1gh
2. 解压到自己常用的目录，我一般喜欢解压到~/app/目录下，这个都可以，按照自己的习惯就好
3. 配置java的系统环境变量，把我们解压出来的东西export导出

    [hadoop@hadoop000 app]$ vim ~/.bash_profile
    #新增导出的java环境，JAVA_HOME后面的值为自己的解压目录
    export JAVA_HOME=/home/hadoop/app/jdk1.8.0_144
    export PATH=$JAVA_HOME/bin:$PATH
    #:wq 保存退出

    [hadoop@hadoop000 app]$ source ~/.bash_profile
    #回车就好，使得刚刚的导出生效
    #验证配置
    [hadoop@hadoop000 app]$ java -version
	java version "1.8.0_144"
	Java(TM) SE Runtime Environment (build 1.8.0_144-b01)
	Java HotSpot(TM) 64-Bit Server VM (build 25.144-b01, mixed mode)
	[hadoop@hadoop000 app]$ 

（二）安装flume

1. 下载flume,推荐使用cdh5版本的,地址：
   
   http://archive.cloudera.com/cdh5/cdh/5/
   
   这里需要说明一下，虽然我们前面说过不需要hadoop集群环境，但是后面我们肯定是需要结合集群来实现我们的业务情景的，所以在选型的时候就得注意，选择和hadoop集群一致版本的flume，还有就是没有使用官网的版本，是因为cdh已经为我们解决掉了很多的依赖和冲突，这样使用起来会更加方便。不会让我们的开发在困扰在解决没必要的东西上
2. 同样，下载自己合适的版本之后，就是开始解压到指定目录，然后导出我们的解压目录，再source。如果你多操作几次，就会发现，这个操作是大数据里面安装各种组件的一致操作。

[hadoop@hadoop000 app]$ vim ~/.bash_profile
# .bash_profile

# Get the aliases and functions
if [ -f ~/.bashrc ]; then
        . ~/.bashrc
fi

# User specific environment and startup programs

export JAVA_HOME=/home/hadoop/app/jdk1.8.0_144
export PATH=$JAVA_HOME/bin:$PATH

export FLUME_HOME=/home/hadoop/app/flume
export PATH=$FLUME_HOME/bin:$PATH

#:wq 保存退出

3.来到flume下的conf文件目录下：

[hadoop@hadoop000 conf]$ cp flume-env.sh.template flume-env.sh
[hadoop@hadoop000 conf]$
[hadoop@hadoop000 conf]$ vim flume-env.sh
#修改这里默认的JAVA_HOME为自己的java目录
export JAVA_HOME=/home/hadoop/app/jdk1.8.0_144
#:wq保存退出

4.测试是否安装成功

[hadoop@hadoop000 conf]$ flume-ng version
Flume 1.6.0-cdh5.7.0
Source code repository: https://git-wip-us.apache.org/repos/asf/flume.git
Revision: 8f5f5143ae30802fe79f9ab96f893e6c54a105d1
Compiled by jenkins on Wed Mar 23 11:38:48 PDT 2016
From source with checksum 50b533f0ffc32db9246405ac4431872e
[hadoop@hadoop000 conf]$ 

到这里我们的环境就搭建成功了，接下来，我们就可以开始我们的Flume之旅啦....

推荐Flume系列二之案例实战

http://blog.csdn.net/liuge36/article/details/78591367