文档首页/ MapReduce服务 MRS/ 组件操作指南(阿布扎比区域)/ 使用Flume/ 使用简介
更新时间：2024-07-19 GMT+08:00
查看PDF
分享

使用简介

Flume是一个分布式、可靠和高可用的海量日志聚合的系统。它能够将不同数据源的海量日志数据进行高效收集、聚合、移动，最后存储到一个中心化数据存储系统中。支持在系统中定制各类数据发送方，用于收集数据。同时，提供对数据进行简单处理，并写到各种数据接受方（可定制）的能力。

Flume分为客户端和服务端，两者都是FlumeAgent。服务端对应着FlumeServer实例，直接部署在集群内部。而客户端部署更灵活，可以部署在集群内部，也可以部署在集群外。它们之间没有必然联系，都可以独立工作，并且提供的功能是一样的。

Flume客户端需要单独安装，支持将数据直接导到集群中的HDFS和Kafka等组件上，也可以结合Flume服务端一起使用。

使用流程

通过Flume采集日志的流程如下所示。

  1. 安装Flume客户端。
  2. 配置Flume服务端和客户端参数。
  3. 查看Flume客户端收集日志。
  4. 停止及卸载Flume客户端。
图1 Flume使用流程

Flume客户端介绍

Flume客户端由Source、Channel、Sink组成，数据先进入Source然后传递到Channel，最后由Sink发送到客户端外部。各模块说明见表1。

表1 模块说明

名称

说明

Source

Source负责接收数据或产生数据，并将数据批量放到一个或多个Channel。Source有两种类型：数据驱动和轮询。

典型的Source样例如下：

  • 和系统集成并接收数据的Sources：Syslog、Netcat。
  • 自动生成事件数据的Sources：Exec、SEQ。
  • 用于Agent和Agent之间通信的IPC Sources：Avro。

Source必须至少和一个Channel关联。

Channel

Channel位于Source和Sink之间，用于缓存Source传递的数据，当Sink成功将数据发送到下一跳的Channel或最终数据处理端，缓存数据将自动从Channel移除。

不同类型的Channel提供的持久化水平也是不一样的：

  • Memory Channel：非持久化
  • File Channel：基于预写式日志（Write-Ahead Logging，简称WAL）的持久化实现
  • JDBC Channel：基于嵌入Database的持久化实现

Channel支持事务特性，可保证简易的顺序操作，同时可以配合任意数量的Source和Sink共同工作。

Sink

Sink负责将数据传输到下一跳或最终目的，成功完成后将数据从Channel移除。

典型的Sink样例如下：

  • 存储数据到最终目的终端Sink，比如：HDFS、Kafka
  • 自动消耗的Sinks，比如：Null Sink
  • 用于Agent和Agent之间通信的IPC sink：Avro

Sink必须关联到一个Channel。

Flume客户端可以配置成多个Source、Channel、Sink，即一个Source将数据发送给多个Channel，再由多个Sink发送到客户端外部。

Flume还支持多个Flume客户端配置级联，即Sink将数据再发送给Source。

补充说明

  1. Flume可靠性保障措施。
    • Source与Channel、Channel与Sink之间支持事务机制。
    • Sink Processor支持配置failover、load_balance机制。
      例如load_balance示例如下： 
      server.sinkgroups=g1
server.sinkgroups.g1.sinks=k1 k2
server.sinkgroups.g1.processor.type=load_balance
server.sinkgroups.g1.processor.backoff=true
server.sinkgroups.g1.processor.selector=random
  2. Flume多客户端聚合级联时的注意事项。
    • 级联时需要走Avro或者Thrift协议进行级联。
    • 聚合端存在多个节点时，连接配置尽量配置均衡，不要聚合到单节点上。
  3. Flume客户端可以包含多个独立的数据流，即在一个配置文件properties.properties中配置多个Source、Channel、Sink。这些组件可以链接以形成多个流。

    例如在一个配置中配置两个数据流，示例如下：

    server.sources = source1 source2
server.sinks = sink1 sink2
server.channels = channel1 channel2

#dataflow1 
server.sources.source1.channels = channel1
server.sinks.sink1.channel = channel1

#dataflow2
server.sources.source2.channels = channel2
server.sinks.sink2.channel = channel2
父主题： 使用Flume