Flume 开发指南

最近更新时间:2019-08-14 15:49:25

Flume 简介

Apache Flume 是可以收集例如日志、事件等数据资源,并将这些数量庞大的数据从各项数据资源中集中起来存储的工具/服务。Flume 具有高可用、分布式、配置工具等特性,其设计原理也是将数据流(例如:日志数据)从各种网站服务器上汇集起来存储到 HDFS、HBase 等集中存储器中。

Flume 架构

一个 Flume 事件被定义为一个数据流单元。Flume agent 其实是一个 JVM 进程,该进程中包含完成任务所需要的各个组件,其中最核心的三个组件是 Source、Chanel 以及 Slink。

  • Source
    消费外部源(例如 Web 服务器或者其他 Source)传递给它的事件,并将其保存到 Channel(一个或多个)中。
  • Channel
    Channel 位于 Source 和 Sink 之间,用于缓存进来的 events,当 Sink 成功的将 events 发送到下一跳的 Channel 或最终目的,events 从 Channel 移除。
  • Sink
    Sink 负责将 events 传输到下一跳或最终目的,成功完成后将 events 从 Channel 移除。

使用指南

使用准备

  • 已创建一个 EMR 集群。创建 EMR 集群 时需要在软件配置界面选择 flume 组件。
  • flume 安装在 EMR 云服务器(core 节点和 task 节点)的/usr/local/service/flume路径下。

配置 Flume

 # 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

启动 Flume

bin/flume-ng agent --conf conf --conf-file example.conf --name a1 -Dflume.root.logger=INFO,console

配置测试样例

telnet localhost 44444
Trying 127.0.0.1...
Connected to localhost.localdomain (127.0.0.1).
Escape character is '^]'.
Hello world! <ENTER>
OK

配置后将会看到之前启动的 Flume Agent 向终端打印。