常用的分布式日志收集系统

一：flume概述

参考官方网址：http://flume.apache.org/documentation.html

flume是一个分布式的数据收集系统，具有高可靠、高可用、事务管理、失败重启等功能。数据处理速度快，完全可以用于生产环境。

flume的核心是agent。agent是一个java进程，运行在日志收集端，通过agent接收日志，然后暂存起来，再发送到目的地。

agent里面包含3个核心组件：source、channel、sink。

1 source组件是专用于收集日志的，可以处理各种类型各种格式的日志数据,包括avro、thrift、exec、jms、spooling directory、netcat、sequence generator、syslog、http、legacy、自定义。

    source组件把数据收集来以后，临时存放在channel中。

2 channel组件是在agent中专用于临时存储数据的，可以存放在memory、jdbc、file、自定义。

    channel中的数据只有在sink发送成功之后才会被删除。

3 sink组件是用于把数据发送到目的地的组件，目的地包括hdfs、logger、avro、thrift、ipc、file、null、hbase、solr、自定义。

二：Flume核心概念

（1）核心概念：agent、source、channel、sink、interceptor

（2）source可以接收各种格式的数据，如console、thrift、exec、httpdent

（3）sink可以发送到各种不同的目的地，如hdfs、hbase、文件、控制台等

（4）channel缓冲数据，可以放在内存、文件、数据库等

（5）interceptor可以在数据传递过程中改变其属性信息

（6）在整个数据传输过程中，流动的是event。事务保证是在event级别。

（7）flume可以支持多级flume的agent，支持扇入(fan-in)、扇出(fan-out)

三：安装步骤

1.下载apache-flume-1.4.0-bin.tar.gz和apache-flume-1.4.0-src.tar.gz

2.两个都解压缩，然后把src文件夹中的内容全部复制到bin文件夹

3.核心是写配置文件

cp -ri  apache-flume-1.6.0-src/*  apache-flume-1.6.0-bin/

 

四：执行语句

#agent1表示代理名称

agent1.sources=source1

agent1.sinks=sink1

agent1.channels=channel1

#配置source1

agent1.sources.source1.type=spooldir

agent1.sources.source1.spoolDir=/root/hmbbs

agent1.sources.source1.channels=channel1

agent1.sources.source1.fileHeader = false

agent1.sources.source1.interceptors = i1

agent1.sources.source1.interceptors.i1.type = timestamp

#配置sink1

agent1.sinks.sink1.type=hdfs

agent1.sinks.sink1.hdfs.path=hdfs://hadoop0:9000/hmbbs

agent1.sinks.sink1.hdfs.fileType=DataStream

agent1.sinks.sink1.hdfs.writeFormat=TEXT

agent1.sinks.sink1.hdfs.rollInterval=1

agent1.sinks.sink1.channel=channel1

agent1.sinks.sink1.hdfs.filePrefix=%Y-%m-%d

#配置channel1

agent1.channels.channel1.type=file

agent1.channels.channel1.checkpointDir=/root/hmbbs_tmp123

agent1.channels.channel1.dataDirs=/root/hmbbs_tmp

启动脚本

执行命令bin/flume-ng agent -n agent1 -c conf -f conf/example -D  flume.root.logger=DEBUG,console