hive完事了 今天辅助系统 三个组件 数据采集flume 任务调度 oozie 数据导出 sqoop
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，
任务调度 oozie Azkaban 工具对比
最终拿到数据展现出来
一.flume （数据采集）
分布式 集群形式
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。
1.运行机制
核心组件：agent (系统由agent连接组成)（数据传递员，内部有三个组件）
①Source：采集源，用于跟数据源对接，以获取数据
②Sink：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
③Channel：angent内部的数据传输通道，用于从source将数据传递到sink
系统结构图（多个）
2.Flume安装部署（已有Hadoop，因为采集的数据要存在hdfs中）（执行时用户名需与Hadoop用户名相同）
3.解压出来 输入：tar -zxvf apache-flume-1.6.0-bin.tar.gz -C /export/servers/（解压完后先去下面安装uginx因为我们需要uginx的环境）
4修改环境变量（根据自己的环境变量就行）
5.测试环境是否正常
①先在flume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
#其中该agent名为a1，sources名为r1，sinks名为k1，channels名为c1
# example.conf: A single-node Flume configuration
# Name the components on this agent
a1.sources = r1
a1.sinks = k1
a1.channels = c1
# Describe/configure the source
a1.sources.r1.type = netcat
a1.sources.r1.bind = localhost
a1.sources.r1.port = 44444
# Describe the sink
a1.sinks.k1.type = logger
# Use a channel which buffers events in memory
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
# Bind the source and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1
②启动agent采集数据（去这个路径下，/export/servers/apache-flume-1.6.0-bin/bin/，这个路径下才有flume-ng这个文件）
bin/flume-ng agent --conf conf/ --conf-file conf/netcat-logger.conf --name a1 -Dflume.root.logger=INFO,console
有这个进程
③输入telnet进行连接（什么！？你说你的电脑显示不是内部和外部命令，这么做：控制面板-------->程序和功能--------------->点击左上角打开 turn windows feaures on or off选项，在新窗口中勾选telnet Client即可）
（linux下没有的话就去找教程吧。。。或者留言问我要三个rpm包解出来也行）
④配置一下flume的home etc/profile 之后记得source一下这个文件夹
输入命令！开始监听！ 还是那个监听命令：flume-ng agent -c conf -f netcat-logger.conf -n a1 -Dflum,console
看效果
二.Nginx(负载均衡，反向代理)（用flume采集nginx日志）
反向代理：网上发请求给代理服务器，代理服务器接到请求，转发给内部指定服务器，同时将结果返回网上，此时代理服务器对外表现为一台服务器。
负载均衡：大家伙一起干活，减轻每台服务器的任务
1.安装nginx
输入：tar -zxvf nginx-1.8.1.tar.gz -C /export/servers
2.检查安装环境 输入：./configure --prefix=/export/servers/nginx （我的虚拟机连不上外网，下载不了包，所以没办法演示了）
（如果出现缺包报错 ./configure: error: C compiler cc is not found 下载对应的包就行了yum -y install gcc pcre-devel openssl openssl-devel）
可以查看一下进程情况
nginx安装不成功？上网去查，从yum上搬东西就行。yum配置不好？找不到解决方案？ 直接用这个吧，别的大佬配置好的，把/etc/yum.repos.d/的文件备份删除，换成这些 配置文件 password:0muz
小案例
案例一：监控文件夹
首先你要有/home/hadoop/flumeSpool/这个文件夹，因为哦我们监控的就是它
输入：flume-ng agent -c ./conf -f ./conf/spool-logger.conf -n a1 -Dflume.root.logger=info,console
接下来往那个文件夹下放文件 随便拷贝一个文件过去 发现被监控到了
案例二采集目录到HDFS
现在Hadoop下建立一个文件夹 /home/hadoop/logs 目的是把
再建立一个配置文件
开始监控
我们接下来往那个文件夹里放文件
发现监听到了（注意这里只能监听到文件的变化，如果放入文件夹，不会监听到）
在hadoop上也能看到
