本文版權歸作者和博客園共有，歡迎轉載，但未經作者同意必須保留此段聲明，且在文章頁面明顯位置給出原文連接，博主為石山園，博客地址為 http://www.cnblogs.com/shishanyuan 。該系列課程是應邀實驗樓整理編寫的，這里需要贊一下實驗樓提供了學習的新方式，可以邊看博客邊上機實驗，課程地址為 https://www.shiyanlou.com/courses/237
【注】該系列所使用到安裝包、測試數據和代碼均可在百度網盤下載，具體地址為 http://pan.baidu.com/s/10PnDs，下載該PDF文件
1、搭建環境
部署節點操作系統為CentOS，防火牆和SElinux禁用，創建了一個shiyanlou用戶並在系統根目錄下創建/app目錄，用於存放Hadoop等組件運行包。因為該目錄用於安裝hadoop等組件程序，用戶對shiyanlou必須賦予rwx權限（一般做法是root用戶在根目錄下創建/app目錄，並修改該目錄擁有者為shiyanlou(chown –R shiyanlou:shiyanlou /app）。
Hadoop搭建環境：
l 虛擬機操作系統： CentOS6.6 64位，單核，1G內存
l JDK：1.7.0_55 64位
l Hadoop：1.1.2
2、Flume介紹
Flume是Cloudera提供的日志收集系統，Flume支持在日志系統中定制各類數據發送方，用於收集數據；同時，Flume提供對數據進行簡單處理，並寫到各種數據接受方（可定制）的能力。 Flume是一個分布式、可靠和高可用的海量日志采集、聚合和傳輸的系統。
Flume具有Reliability、Scalability、Manageability和Extensibility特點：
1.Reliability：Flume提供3中數據可靠性選項，包括End-to-end、Store on failure和Best effort。其中End-to-end使用了磁盤日志和接受端Ack的方式，保證Flume接受到的數據會最終到達目的。Store on failure在目的不可用的時候，數據會保持在本地硬盤。和End-to-end不同的是，如果是進程出現問題，Store on failure可能會丟失部分數據。Best effort不做任何QoS保證。
2.Scalability：Flume的3大組件：collector、master和storage tier都是可伸縮的。需要注意的是，Flume中對事件的處理不需要帶狀態，它的Scalability可以很容易實現。
3.Manageability：Flume利用ZooKeeper和gossip，保證配置數據的一致性、高可用。同時，多Master，保證Master可以管理大量的節點。
4.Extensibility：基於Java，用戶可以為Flume添加各種新的功能，如通過繼承Source，用戶可以實現自己的數據接入方式，實現Sink的子類，用戶可以將數據寫往特定目標，同時，通過SinkDecorator，用戶可以對數據進行一定的預處理。
2.1 Flume架構
上圖的Flume的架構中最重要的抽象是data flow（數據流），data flow描述了數據從產生，傳輸、處理並最終寫入目標的一條路徑（在上圖中，實線描述了data flow）。 Agent用於采集數據，agent是flume中產生數據流的地方，同時，agent會將產生的數據流傳輸到collector。對應的，collector用於對數據進行聚合，往往會產生一個更大的流。
Flume提供了從console（控制台）、RPC（Thrift-RPC）、text（文件）、tail（UNIX tail）、syslog（syslog日志系統，支持TCP和UDP等2種模式），exec（命令執行）等數據源上收集數據的能力。同時，Flume的數據接受方，可以是console（控制台）、text（文件）、dfs（HDFS文件）、RPC（Thrift-RPC）和syslogTCP（TCP syslog日志系統）等。
其中，收集數據有2種主要工作模式，如下：
1. Push Sources：外部系統會主動地將數據推送到Flume中，如RPC、syslog。
2. Polling Sources：Flume到外部系統中獲取數據，一般使用輪詢的方式，如text和exec。
注意，在Flume中，agent和collector對應，而source和sink對應。Source和sink強調發送、接受方的特性（如數據格式、編碼等），而agent和collector關注功能。
2.2 Flume管理方式
Flume Master用於管理數據流的配置，如下圖。
為了保證可擴展性，Flume采用了多Master的方式。為了保證配置數據的一致性，Flume引入了ZooKeeper，用於保存配置數據，ZooKeeper本身可保證配置數據的一致性和高可用，另外，在配置數據發生變化時，ZooKeeper可以通知Flume Master節點。
Flume Master間使用gossip協議同步數據。
3、安裝部署Flume
3.1 Flume部署過程
3.1.1 下載Flume
可以到apache基金flume官網http://flume.apache.org/download.html，選擇鏡像下載地址http://mirrors.hust.edu.cn/apache/flume/下載一個穩定版本，如下圖所示下載flume-1.5.2-bin.tar.gz：
也可以在/home/shiyanlou/install-pack目錄中找到該安裝包，解壓該安裝包並把該安裝包復制到/app目錄中
cd /home/shiyanlou/install-pack
tar -xzf flume-1.5.2-bin.tar.gz
mv apache-flume-1.5.2-bin /app/flume-1.5.2
3.1.2 設置/etc/profile參數
編輯/etc/profile文件，聲明flume的home路徑和在path加入bin的路徑：
export FLUME_HOME=/app/flume-1.5.2
export FLUME_CONF_DIR=$FLUME_HOME/conf
export PATH=$PATH:$FLUME_HOME/bin
編譯配置文件/etc/profile，並確認生效
source /etc/profile
echo $PATH
3.1.3 設置flume-env.sh配置文件
在$FLUME_HOME/conf 下復制改名flume-env.sh.template為flume-env.sh，修改conf/flume-env.sh配置文件
cd /app/flume-1.5.2/conf
cp flume-env.sh.template flume-env.sh
sudo vi flume-env.sh
修改配置文件內容 ：
JAVA_HOME=/app/lib/jdk1.7.0_55
JAVA_OPTS="-Xms100m -Xmx200m -Dcom.sun.management.jmxremote"
3.2 部署驗證
3.2.1 驗證安裝
1. 修改flume-conf配置文件
在$FLUME_HOME/conf目錄下修改flume-conf.properties.template文件，復制並改名為flume-conf，
cd /app/flume-1.5.2/conf
cp flume-conf.properties.template flume-conf.properties
sudo vi flume-conf.properties
修改flume-conf配置文件內容
# The configuration file needs to define the sources, the channels and the sinks.
# Sources, channels and sinks are defined per agent, in this case called 'a1'
a1.sources = r1
a1.sinks = k1
a1.channels = c1
# For each one of the sources, the type is defined
a1.sources.r1.type = netcat
a1.sources.r1.bind = localhost
a1.sources.r1.port = 44444
#The channel can be defined as follows.
a1.sources.r1.channels = c1
# Each sink's type must be defined
a1.sinks.k1.type = logger
#Specify the channel the sink should use
a1.sinks.k1.channel = c1
# Each channel's type is defined.
a1.channels.c1.type = memory
# Other config values specific to each type of channel(sink or source)
# can be defined as well
# In this case, it specifies the capacity of the memory channel
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
2. 在flume的安裝目錄/flume-1.5.2下運行
cd /app/flume-1.5.2
./bin/flume-ng agent --conf ./conf/ --conf-file ./conf/flume-conf.properties --name a1 -Dflume.root.logger=INFO,console
3. 再打開一個終端，輸入如下命令：
telnet localhost 44444
hello world
注：在CentOS6.5運行telnet提示"command not found"，使用sudo yum install telnet進行安裝
4. 在原來的終端上查看，可以收到來自於telnet發出的消息
3.2.2 測試收集日志到HDFS
1. 在$FLUME_HOME/conf目錄下修改flume-conf.properties.template文件，復制並改名為flume-conf2.properties
cd /app/flume-1.5.2/conf
cp flume-conf.properties.template flume-conf2.properties
sudo vi flume-conf2.properties
a1.sources = r1
a1.sinks = k1
a1.channels = c1
a1.sources.r1.type = exec
a1.sources.r1.channels = c1
a1.sources.r1.command = tail -F /app/hadoop-1.1.2/logs/hadoop-shiyanlou-namenode-b393a04554e1.log
a1.sinks.k1.type = hdfs
a1.sinks.k1.channel = c1
a1.sinks.k1.hdfs.path = hdfs://hadoop:9000/class12/out_flume
a1.sinks.k1.hdfs.filePrefix = events-
a1.sinks.k1.hdfs.round = true
a1.sinks.k1.hdfs.roundValue = 10
a1.sinks.k1.hdfs.roundUnit = minute
a1.sinks.k1.hdfs.rollSize = 4000000
a1.sinks.k1.hdfs.rollCount = 0
a1.sinks.k1.hdfs.writeFormat = Text
a1.sinks.k1.hdfs.fileType = DataStream
a1.sinks.k1.hdfs.batchSize = 10
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
2. 在flume的安裝目錄/flume-1.5.2下運行
cd /app/flume-1.5.2
./bin/flume-ng agent --conf ./conf/ --conf-file ./conf/flume-conf2.properties --name a1 -Dflume.root.logger=INFO,console
3. 不斷收集hadoop-hadoop-namenode-hadoop1.log的數據寫入HDFS中
4. 查看hdfs中/class12/out_flume中的文件
hadoop fs -ls /class12/out_flume
hadoop fs -cat /class12/out_flume/events-.1433921305493
