Flume简介及安装部署

在一个完整的离线大数据处理系统中，除了hdfs+mapreduce+hive组成分析系统的核心之外，还需要数据采集、结果数据导出、任务调度等不可或缺的辅助系统，而这些辅助工具在hadoop生态体系中都有便捷的开源框架，如图所示：

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。
宏观角度来看类似生活中的扫码枪、吸尘器吸头。

运行机制

1、Flume分布式系统中最核心的角色是agent，flume采集系统就是由一个个agent所连接起来形成
2、每一个agent相当于一个数据传递员，内部有三个组件：
a)Source：采集组件，用于跟数据源对接，以获取数据
b)Channel：传输通道组件，用于从source将数据传递到sink
c)Sink：下沉组件，用于往下一级agent传递数据或者往最终存储系统传递数据

Source 到 Channel 到 Sink之间传递数据的形式是Event事件；Event事件是一个数据流单元。

Flume采集系统结构图

1. 简单结构
   单个agent采集数据
   
2. 复杂结构
   多级agent之间串联
   

Flume安装部署

Flume的安装非常简单，只需要解压即可，前提是已有hadoop环境
上传安装包到数据源所在节点上
上传安装文件并解压
tar -zxvf flume-ng-1.6.0-cdh5.14.0.tar.gz -C /export/servers/
cd /export/servers/apache-flume-1.6.0-cdh5.14.0-bin/conf
cp flume-env.sh.template flume-env.sh
vim flume-env.sh
配置Java_home
export JAVA_HOME=/export/servers/jdk1.8.0_141