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，支持在日志系统中定制各类数据发送方，用于收集数据，Flume提供对数据进行简单处理，并写到各种数据接受方（如文本、HDFS、HBase等）的能力。

Flume的核心组件

1、Agent：使用JVM运行Flume，每台机器运行一个agent，但可以在一个agent中包含多个sources和sinks。

2、Source：从Client收集数据，传递给Channel。

3、Channel：连接sources和sinks，这个有点像一个队列。

4、Sink：收集数据，运行在一个独立线程。

5、Event：可以是日志记录、avro对象等。

Flume的特点

1、可靠性：当节点出现故障时，日志能够被传送到其他节点上而不会丢失，Flume提供了三种级别的可靠性保障，从强到弱依次分别为：endtoend（收到数据agent首先将event写到磁盘上，当数据传送成功后，再删除；如果数据发送失败，可以重新发送），Store on failure（这也是scribe采用的策略，当数据接收方crash时，将数据写到本地，待恢复后，继续发送），Besteffort（数据发送到接收方后，不会进行确认）。

2、可扩展性：Flume采用了三层架构，分别为agent，collector和storage，每一层均可以水平扩展，所有agent和collector由master统一管理，这使得系统容易监控和维护，且master允许有多个（使用ZooKeeper进行管理和负载均衡），这就避免了单点故障问题。

3、可管理性：所有agent和colletor由master统一管理，这使得系统便于维护，多master情况，Flume利用ZooKeeper和gossip，保证动态配置数据的一致性，用户可以在master上查看各个数据源或者数据流执行情况，且可以对各个数据源配置和动态加载，Flume提供了web 和shell script command两种形式对数据流进行管理。

4、可恢复性：还是靠Channel，推荐使用FileChannel，事件持久化在本地文件系统里(性能较差)。

Flume的安装和配置

1、下载Flume：可以从官方网站http://flume.apache.org/下载Flume。

2、解压Flume包：将下载的flume包，解压到/home/hadoop目录中，你就已经完成了50%：）简单吧。

3、修改配置文件：主要是JAVA_HOME变量设置（可根据自己的java_home进行配置）。

FAQs

1、问题一：Flume的可靠性是如何实现的？

答案：Flume提供了三种级别的可靠性保障，从强到弱依次分别为：endtoend（收到数据agent首先将event写到磁盘上，当数据传送成功后，再删除；如果数据发送失败，可以重新发送），Store on failure（这也是scribe采用的策略，当数据接收方crash时，将数据写到本地，待恢复后，继续发送），Besteffort（数据发送到接收方后，不会进行确认）。

2、问题二：Flume的可扩展性是如何实现的？

答案：Flume采用了三层架构，分别为agent，collector和storage，每一层均可以水平扩展，所有agent和collector由master统一管理，这使得系统容易监控和维护，且master允许有多个（使用ZooKeeper进行管理和负载均衡），这就避免了单点故障问题。

Flume环境部署和配置详解及案例大全

目录

1、引言

2、Flume

3、Flume环境部署

3.1 系统要求

3.2 安装Flume

3.3 配置Flume

4、Flume配置详解

4.1 Agent配置

4.2 Source配置

4.3 Channel配置

4.4 Sink配置

5、Flume案例大全

5.1 案例一：日志收集

5.2 案例二：数据传输

5.3 案例三：数据存储

1. 引言

Flume是一个分布式、可靠且高效的日志收集系统，用于有效地收集、聚合和移动大量日志数据，它被广泛用于处理大数据环境中的日志数据收集。

2. Flume

Flume的主要特点包括：

分布式：可以在多个节点上部署Flume，以处理大规模数据。

可靠性：Flume提供容错机制，确保数据不丢失。

高效性：Flume支持高吞吐量，适合处理大量日志数据。

3. Flume环境部署

3.1 系统要求

操作系统：Linux或Unix

Java环境：Java 1.6或更高版本

硬件要求：取决于数据量，一般需要一定的CPU和内存资源

3.2 安装Flume

1、下载Flume安装包

2、解压安装包

3、将Flume的bin目录添加到系统环境变量中

3.3 配置Flume

1、创建Flume配置文件（flumeconf.properties）

2、配置Agent信息（包括Agent名称、Source、Channel、Sink等）

3、配置Source（SyslogSource）

4、配置Channel（MemoryChannel）

5、配置Sink（HDFSsink）

4. Flume配置详解

4.1 Agent配置

Agent名称
agent.name = agent1
Agent属性
agent.attr1 = value1
agent.attr2 = value2
Source配置
agent.sources = source1
agent.sources.source1.type = exec
agent.sources.source1.command = tail F /path/to/logfile
Channel配置
agent.channels = channel1
agent.channels.channel1.type = memory
agent.channels.channel1.capacity = 1000
agent.channels.channel1.transactionCapacity = 100
Sink配置
agent.sinks = sink1
agent.sinks.sink1.type = hdfs
agent.sinks.sink1.hdfs.path = /user/hadoop/flume/data/
agent.sinks.sink1.hdfs.filePrefix = flume
agent.sinks.sink1.hdfs.round = true
agent.sinks.sink1.hdfs.roundValue = 10
agent.sinks.sink1.hdfs.roundUnit = minute

4.2 Source配置

exec：执行外部命令，如tail命令

jdbc：从数据库中读取数据

netcat：从网络端口读取数据

syslog：从syslog服务器接收数据

4.3 Channel配置

memory：内存Channel，适用于小规模数据

file：文件Channel，适用于大规模数据

4.4 Sink配置

hdfs：将数据写入HDFS

logger：将数据写入日志文件

http：将数据发送到HTTP服务器

5. Flume案例大全

5.1 案例一：日志收集

目标：收集服务器日志文件，并存储到HDFS中。

配置：

Agent名称
agent.name = log_collector
Source配置
agent.sources = source1
agent.sources.source1.type = exec
agent.sources.source1.command = tail F /path/to/logfile
Channel配置
agent.channels = channel1
agent.channels.channel1.type = memory
agent.channels.channel1.capacity = 1000
agent.channels.channel1.transactionCapacity = 100
Sink配置
agent.sinks = sink1
agent.sinks.sink1.type = hdfs
agent.sinks.sink1.hdfs.path = /user/hadoop/flume/data/
agent.sinks.sink1.hdfs.filePrefix = flume
agent.sinks.sink1.hdfs.round = true
agent.sinks.sink1.hdfs.roundValue = 10
agent.sinks.sink1.hdfs.roundUnit = minute

5.2 案例二：数据传输

目标：从日志文件中读取数据，并通过HTTP协议发送到另一个服务器。

配置：

Agent名称
agent.name = data_transmitter
Source配置
agent.sources = source1
agent.sources.source1.type = exec
agent.sources.source1.command = tail F /path/to/logfile
Channel配置
agent.channels = channel1
agent.channels.channel1.type = memory
agent.channels.channel1.capacity = 1000
agent.channels.channel1.transactionCapacity = 100
Sink配置
agent.sinks = sink1
agent.sinks.sink1.type = http
agent.sinks.sink1.http.host = 192.168.1.10
agent.sinks.sink1.http.port = 8080

5.3 案例三：数据存储

目标：从多个源收集数据，并将数据存储到数据库中。

配置：

Agent名称
agent.name = data_storer
Source配置
agent.sources = source1, source2
agent.sources.source1.type = jdbc
agent.sources.source1.driver = com.mysql.jdbc.Driver
agent.sources.source1.url = jdbc:mysql://192.168.1.11:3306/dbname
agent.sources.source1.user = user
agent.sources.source1.password = password
agent.sources.source1.query = SELECT * FROM table1
agent.sources.source2.type = jdbc
agent.sources.source2.driver = com.mysql.jdbc.Driver
agent.sources.source2.url = jdbc:mysql://192.168.1.11:3306/dbname
agent.sources.source2.user = user
agent.sources.source2.password = password
agent.sources.source2.query = SELECT * FROM table2
Channel配置
agent.channels = channel1
agent.channels.channel1.type = memory
agent.channels.channel1.capacity = 1000
agent.channels.channel1.transactionCapacity = 100
Sink配置
agent.sinks = sink1
agent.sinks.sink1.type = jdbc
agent.sinks.sink1.driver = com.mysql.jdbc.Driver
agent.sinks.sink1.url = jdbc:mysql://192.168.1.11:3306/dbname
agent.sinks.sink1.user = user
agent.sinks.sink1.password = password
agent.sinks.sink1.table = stored_table