數據採集組件：Flume基礎用法和Kafka集成
一、Flume簡介
1、基礎描述
Flume是Cloudera提供的一個高可用的，高可靠的，分佈式的海量日誌採集、聚合和傳輸的系統，Flume支持在日誌系統中定製各類數據發送方，用於收集數據；
特點：分佈式、高可用、基於流式架構，通常用來收集、聚合、搬運不同數據源的大量日誌到數據倉庫。
2、架構模型
Agent包括三個核心組成，Source、Channel、Sink。Source負責接收數據源，併兼容多種類型，Channel是數據的緩衝區，Sink處理數據輸出的方式和目的地。
Event是Flume定義的一個數據流傳輸的基本單元，將數據從源頭送至目的地。
Flume可以設置多級Agent連接的方式傳輸Event數據，從最初的source開始到最終sink傳送的目的存儲系統，如果數量過多會影響傳輸速率，並且傳輸過程中單節點故障也會影響整個傳輸通道。
Flume支持多路復用數據流到一個或多個目的地，這種模式可以將相同數據複製到多個channel中，或者將不同數據分發到不同的channel中，並且sink可以選擇傳送到不同的目的地。
Agent1理解為路由節點負責Channel的Event均衡到多個Sink組件，每個Sink組件分別連接到獨立的Agent上，實現負載均衡和錯誤恢復的功能。
Flume的使用組合方式做數據聚合，每台服務器部署一個flume節點採集日誌數據，再匯聚傳輸到存儲系統，例如HDFS、Hbase等組件，高效且穩定的解決集群數據的採集。
二、安裝過程
1、安裝包
apache-flume-1.7.0-bin.tar.gz
2、解壓命名
[root@hop01 opt]# pwd
/opt
[root@hop01 opt]# tar -zxf apache-flume-1.7.0-bin.tar.gz
[root@hop01 opt]# mv apache-flume-1.7.0-bin flume1.7
3、配置文件
配置路徑：/opt/flume1.7/conf
mv flume-env.sh.template flume-env.sh
4、修改配置
添加JDK依賴
vim flume-env.sh
export JAVA_HOME=/opt/jdk1.8
5、環境測試
安裝netcat工具
sudo yum install -y nc
創建任務配置
[root@hop01 flume1.7]# cd job/
[root@hop01 job]# vim flume-netcat-test01.conf
添加基礎任務配置
注意：a1表示agent名稱。
# this agent
a1.sources = sr1
a1.sinks = sk1
a1.channels = sc1
# the source
a1.sources.sr1.type = netcat
a1.sources.sr1.bind = localhost
a1.sources.sr1.port = 55555
# the sink
a1.sinks.sk1.type = logger
# events in memory
a1.channels.sc1.type = memory
a1.channels.sc1.capacity = 1000
a1.channels.sc1.transactionCapacity = 100
# Bind the source and sink
a1.sources.sr1.channels = sc1
a1.sinks.sk1.channel = sc1
開啟flume監聽端口
/opt/flume1.7/bin/flume-ng agent --conf /opt/flume1.7/conf/ --name a1 --conf-file /opt/flume1.7/job/flume-netcat-test01.conf -Dflume.root.logger=INFO,console
使用netcat工具向55555端口發送數據
[root@hop01 ~]# nc localhost 55555
hello,flume
查看flume控制面
三、應用案例
1、案例描述
基於flume在各個集群服務進行數據採集，然後數據傳到kafka服務，再考慮數據的消費策略。
採集：基於flume組件的便捷採集能力，如果直接使用kafka會產生大量的埋點動作不好維護。
消費：基於kafka容器的數據臨時存儲能力，避免系統高度活躍期間採集數據過大衝垮數據採集通道，並且可以基於kafka做數據隔離並針對化處理。
2、創建kafka配置
[root@hop01 job]# pwd
/opt/flume1.7/job
[root@hop01 job]# vim kafka-flume-test01.conf
3、修改sink配置
# the sink
a1.sinks.sk1.type = org.apache.flume.sink.kafka.KafkaSink
# topic
a1.sinks.sk1.topic = kafkatest
# broker地址、端口號
a1.sinks.sk1.kafka.bootstrap.servers = hop01:9092
# 序列化方式
a1.sinks.sk1.serializer.class = kafka.serializer.StringEncoder
4、創建kafka的Topic
上述配置文件中名稱：kafkatest，下面執行創建命令之後查看topic信息。
[root@hop01 bin]# pwd
/opt/kafka2.11
[root@hop01 kafka2.11]# bin/kafka-topics.sh --create --zookeeper hop01:2181 --replication-factor 1 --partitions 1 --topic kafkatest
[root@hop01 kafka2.11]# bin/kafka-topics.sh --describe --zookeeper hop01:2181 --topic kafkatest
5、啟動Kakfa消費
[root@hop01 kafka2.11]# bin/kafka-console-consumer.sh --bootstrap-server hop01:2181 --topic kafkatest --from-beginning
這裡指定topic是kafkatest。
6、啟動flume配置
/opt/flume1.7/bin/flume-ng agent --conf /opt/flume1.7/conf/ --name a1 --conf-file /opt/flume1.7/job/kafka-flume-test01.conf -Dflume.root.logger=INFO,console
四、源代碼地址
GitHub·地址
//github.com/cicadasmile/big-data-parent
GitEE·地址
//gitee.com/cicadasmile/big-data-parent
閱讀標籤
【Java基礎】【設計模式】【結構與算法】【Linux系統】【數據庫】
【分佈式架構】【微服務】【大數據組件】【SpringBoot進階】【Spring&Boot基礎】
