简介
大数据时代的各种互联网应用产生大量的数据和日志，需要将这些日志收集起来，进行统一的分析处理，在应用系统和数据分析系统之间需要一座桥梁，进行通用的日志收集处理。Apache Flume 是一种分布式的、高可靠的、高可用的日志收集聚合系统，将不同来源海量的日志数据传输到集中的数据存储。Flume 最初由Cloudera开发，后成为Apache基金会顶级项目。Flume 可用于日志数据、网络流量数据、社交网络数据、邮件数据等不同数据源的处理，与Facebook的Scribe、Yahoo的Chukwa、LinkedIn的Kafka类似，是一款特性优异，简单易用的日志系统。
Flume agent 负责把外部事件流（数据流）传输到指定下一跳，agent包括source（数据源）、channel（传输通道）、sink（接收端）。Flume agent可以多跳级联，组成复杂的数据流。 Flume 支持多种类型的source：Avro数据源、Thrift数据源、Kafka数据源、NetCat数据源、Syslog数据源、文件数据源、自定义数据源等，可灵活地与应用系统集成，需要较少的开发代价。 Flume 能够与常见的大数据工具结合，支持多种sink：HDFS、Hive、HBase、Kafka等，将数据传输到这些系统，进行进一步分析处理。
本教程主要介绍Flume 1.6.0在美团云 CentOS 7主机上的安装和配置，并进行功能验证。
安装
安装JDK
Flume 运行系统要求1.6以上的Java 运行环境，从oracle网站下载JDK 安装包，解压安装：
$tar zxvf jdk-8u65-linux-x64.tar.gz
$mv jdk1.8.0_65 java
设置Java 环境变量：
JAVA_HOME=/opt/java
PATH=$PATH:$JAVA_HOME/bin
export JAVA_HOME PATH
安装Flume
从官网下载Flume 二进制安装包，解压安装：
tar zxvf apache-flume-1.6.0-bin.gz
mv apache-flume-1.0-bin flume
cd flume
配置
source 使用 necat 类型,sink 采用 file_roll 类型,从监听端口获取数据，保存到本地文件。 拷贝配置模板：
cp conf/flume-conf.properties.template conf/flume-conf.properties
编辑配置如下：
# The configuration file needs to define the sources,
# the channels and the sinks.
# Sources,channels and sinks are defined per agent,136)"># in this case called 'agent'
agent.sources = r1
agent.channels = c1
agent.sinks = s1
# For each one of the sources,the type is defined
agent.sources.r1.type = netcat
agent.sources.r1.bind = localhost
agent.sources.r1.port = 8888
# The channel can be defined as follows.
agent.sources.r1.channels = c1
# Each sink's type must be defined
agent.sinks.s1.type = file_roll
agent.sinks.s1.sink.directory = /tmp/log/flume
#Specify the channel the sink should use
agent.sinks.s1.channel = c1
# Each channel's type is defined.
agent.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
agent.channels.c1.capacity = 100
功能验证
1.建立输出目录
mkdir -p /tmp/log/flume
2.启动服务
bin/flume-ng agent --conf conf -f conf/flume-conf.properties -n agent&
运行日志位于logs目录，或者启动时添加-Dflume.root.logger=INFO,console选项前台启动，输出打印日志，查看具体运行日志，服务异常时查原因。
3.发送数据
telnet localhost 8888
输入
hello world!
hello Flume!
4.查看数据文件 查看 /tmp/log/flume 目录文件:
cat /tmp/log/flume/1447671188760-2
hello world!
hello Flume!
与Kafka 集成
Flume 可以灵活地与Kafka 集成，Flume侧重数据收集，Kafka侧重数据分发。 Flume可配置source为Kafka，也可配置sink 为Kafka。 配置sink为kafka例子如下
agent.sinks.s1.type = org.apache.flume.sink.kafka.KafkaSink
agent.topic = mytopic
agent.brokerList = localhost:9092
agent.requiredAcks = 1
agent.batchSize = 20
agent.channel = c1
Flume 收集的数据经由Kafka分发到其它大数据平台进一步处理。
总结
本文主要介绍了Flume的安装和简单应用，配置测试场景验证了Flume 功能。可根据实际应用场景配置Flume，设置对应的source、sink，方便地收集各种应用数据。
