1、概述

Flume是一个分布式、可靠、和高可用的海量日志采集、聚合和传输的系统。

Flume可以采集文件，socket数据包、文件、文件夹、kafka等各种形式源数据，又可以将采集到的数据(下沉sink)输出到HDFS、hbase、hive、kafka等众多外部存储系统中。一般的采集需求，通过对flume的简单配置即可实现。Flume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。

2、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：eventheaders、eventbody、event信息，其中event信息就是flume收集到的日记记录。

3、Flume采集系统结构图

3.1、简单结构

单个agent采集数据

3.2、复杂结构

多级agent之间串联

1、上传安装包到数据源所在节点上，然后解压

tar-zxvfapache-flume-1.8.0-bin.tar.gz

2、然后进入flume的目录，修改conf下的flume-env.sh，在里面配置

JAVA_HOME=/export/servers/jdk1.8.0_65案例一（监听端口数据）

1、先在flume的conf目录下新建一个文件

vinetcat-logger.conf

#定义这个agent中各组件的名字

a1.sources=r1

a1.sinks=k1

a1.channels=c1

#描述和配置source组件：r1

a1.sources.r1.type=netcat

a1.sources.r1.bind=localhost

a1.sources.r1.port=

#描述和配置sink组件：k1

a1.sinks.k1.type=logger

#描述和配置channel组件，此处使用是内存缓存的方式

a1.channels.c1.type=memory

a1.channels.c1.capacity=

a1.channels.c1.transactionCapacity=

#描述和配置sourcechannelsink之间的连接关系

a1.sources.r1.channels=c1

a1.sinks.k1.channel=c1

2、启动agent去采集数据

bin/flume-ngagent-cconf-fconf/netcat-logger.conf-na1-Dflume.root.logger=INFO,console

-cconf指定flume自身的配置文件所在目录

-fconf/netcat-logger.con指定我们所描述的采集方案

-na1指定我们这个agent的名字

3、测试

先要往agent采集监听的端口上发送数据，让agent有数据可采。

随便在一个能跟agent节点联网的机器上：

ncanget-hostnameport（nclocalhost）案例二（目录到HDFS）

采集需求：

服务器的某特定目录下，会不断产生新的文件，每当有新文件出现，就需要把文件采集到HDFS中去

根据需求，首先定义以下3大要素

采集源，即source——监控文件目录:spooldir

下沉目标，即sink——HDFS文件系统:hdfssink

source和sink之间的传递通道——channel，可用filechannel也可以用内存channel

1、配置文件编写：

#Namethe