一、安装

　　注意：需要预先安装JDK，因为flume是基于Java的；

　　　　 Flume是没有高可用HA的，但是可以使用拦截器、渠道选择器等高级组件实现负载均衡等功能；

　　　　　Flume经常和Kafka配合使用。

1、下载并解压FlumeNG

[root@root ~]# wget http://124.205.69.169/files/A1540000011ED5DB/mirror.bit.edu.cn/apache/flume/1.6.0/apache-flume-1.6.0-bin.tar.gz
[root@root ~]# tar -zxvf apache-flume-1.6.0-bin.tar.gz -C /opt/
[root@root ~]# cd /opt/
[root@root opt]# mv apache-flume-1.6.0-bin apache-flume

View Code

2、修改环境变量、启动

[root@root opt]# cd apache-flume/
[root@root apache-flume]# cp conf/flume-env.sh.template conf/flume-env.sh
[root@crxy99 apache-flume]# vim conf/flume-env.sh                #修改JAVA_HOME
 23行： export JAVA_HOME=/opt/jdk1.7.0_45
[root@crxy99 apache-flume]# vim conf/example.conf                #创建agent模板配置文件
[root@crxy99 apache-flume]# bin/flume-ng agent --conf conf/  --conf-file conf/example.conf --name a1 -Dflume.monitoring.type=http -Dflume.monitoring.port=34343 -Dflume.root.logger=INFO,console &             #启动脚本

View Code

补充：

　　1)、模板example.conf：

#配置一个agent 名字为a1
#声明这个agent的三个组件 sources 有一个r1,sinks 包含一个 k1,channels包含一个c1
a1.sources = r1
a1.sinks = k1
a1.channels = c1

# 配置r1 使用netcat的source
a1.sources.r1.type = netcat
a1.sources.r1.bind = localhost
a1.sources.r1.port = 44444

# 配置k1 使用loggersink
a1.sinks.k1.type = logger

# 配置c1 使用内存的channel
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100

#连线，将三个组件关联起来
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

View Code

　　2)、启动脚本的含义：

　　agent 使用agent数据处理方式

  -Dflume.root.logger=INFO,console   -D后面的为参数，这里使用打印到控制台的方式，并动态修改log4j的为info级别

　　3)、关闭服务：　

[root@root apache-flume]# jps
2776 Jps
2496 Application
[root@root apache-flume]# kill -9 2496   #flume目前没有关闭服务的脚本，只能kill

View Code

　　4)、补充：Telnet

　　在测试、学习阶段可以使用telnet工具进行模拟，linux下安装方式(Windows下自带了Telnet服务，启用即可，可以百度相关文档)

# yum -y install telnet

二、实例

实例1：一个需求：实时监听一个文件(如/test/logs/access.log)的数据增加

分析：1、由于agent方式能提供持续传输数据的服务，因此采用agent数据处理方式；

　　　2、agent组件：source --> channel --> sink

　　　3、动态监控文件的数据的增加情况可以使用命令tail -F 命令（注意不是tail -f，后者不会retry），因此可以使用exec sink

　　　4、假设内存情况是充裕的，不予考虑，采用memory channel

　　　5、假设数据发送到本地：file roll sink

如下图所示（开发过程中画图可以很好的理解项目数据采集流程，推荐使用）：

因此：编写agent配置文件：

#配置一个agent 名字为a1
#1、声明这个agent的三个组件 sources 有一个r1,sinks 包含一个 k1,channels包含一个c1
a1.sources = r1
a1.sinks = k1
a1.channels = c1

#2、配置r1 使用exec的source
a1.sources.r1.type = exec
a1.sources.r1.command = tail -F /test/logs/access.log

# 配置c1 使用file的channel
a1.channels.c1.type = file
a1.channels.c1.checkpointDir = /test/flume_checkpoint  #检查点数据存放目录
a1.channels.c1.dataDirs = /test/flume_datadir           #数据存储目录
a1.channels.c1.transactionCapacity = 100

# 配置k1 使用file rolling sink
a1.sinks.k1.type = file_roll
a1.sinks.k1.sink.directory = /test/flumefile           #文件存放目录
a1.sinks.k1.sink.rollInterval = 86400                  #每天产生一个新文件(单位：s)

#3、连线，将三个组件关联起来
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

View Code

启动flume：

$ nohup bin/flume-ng agent --conf conf/ --name a1 --conf-file conf/execsource_filerollsink.conf &

注：flume进程启动动没有关闭的命令，只能kill掉。:

实战2：若上面的文件在某一时刻出现高并发的情况，flume很容易挂掉，如何处理？

说明：在高并发情况下，若不更改默认配置，flume容易出现内存溢出的错误。这是因为它默认的堆初始内存只有20M，可以编辑环境变量

# vim conf/flume-env.sh，去掉下面一行注释的设置，并根据需要调整初始内存和最大分配内存。

export JAVA_OPTS="-Xms100m -Xmx2000m -Dcom.sun.management.jmxremote"

注：20M源于/bin/flume-ng里的默认设置：JAVA_OPTS="-Xmx20m"

参考：Flume 1.6.0 User Guide — Apache Flume http://flume.apache.org/FlumeUserGuide.html

注：解压后的flume目录下有docs目录，下面的说明文档与该官网的一致，非常人性化！