今天给大家介绍个日志处理的工具。
一、Flume简介
-
Flume 提供一个分布式的，可靠的，对大数据量的日志进行高效收集、聚集、移动的服务，Flume 只能在 Unix 环境下运行。
-
Flume 基于流式架构，容错性强，也很灵活简单。
-
Flume、Kafka 用来实时进行数据收集，Spark、Storm 用来实时处理数据，impala 用来实时查询。
二、Flume中的角色
2.1 Source
用于采集数据，Source 是产生数据流的地方，同时 Source 会将产生的数据流传输到 Channel，这个有点类似于Java IO 部分的 Channel。
2.2、Channel
用于桥接 Sources 和 Sinks，类似于一个队列。
2.3、Sink
从Channel 收集数据，将数据写到目标源(可以是下一个 Source，也可以是 HDFS 或者 HBase)。
2.4、Event
传输单元，Flume 数据传输的基本单元，以事件的形式将数据从源头送至目的地。
三、Flume传输过程
source 监控某个文件或数据流，数据源产生新的数据，拿到该数据后，将数据封装在一个Event 中，并 put 到 channel 后 commit 提交，channel 队列先进先出，sink 去 channel 队列中拉取数据，然后写入到 HDFS 中。
四、Flume安装
Flume的安装极其简单，只需要在Flume安装目录下的conf目录下，将flume-env.sh.template 修改为 flume-env.sh，然后在文件里修改 JDK的安装路径即可。
