大数据技术之 Flume概述、安装（1）

[Flume 概述](#Flume 概述)

[Flume 定义](#Flume 定义)

[为什么选用 Flume](#为什么选用 Flume)

[Flume 基础架构](#Flume 基础架构)

[Flume 安装](#Flume 安装)

[Flume 安装部署](#Flume 安装部署)

Flume 是 Cloudera 提供的一个高可用的、高可靠的、分布式的海量日志采集、聚合和传输的系统。Flume 基于流式架构，灵活简单。

Flume 最主要的作用就是实时读取服务器本地磁盘的数据，并将数据写入到 HDFS。

Flume 的组成架构如下图所示。

Agent 是一个 JVM 进程，它以事件的形式将数据从源头送至目的。Agent 主要有 3 个部分组成：Source、Channel、Sink。

Source 是负责接收数据到 Flume Agent 的组件。Source 组件可以处理各种类型、各种格式的日志数据，包括但不限于：

Sink 不断地轮询 Channel 中的事件且批量地移除它们，并将这些事件批量写入到存储或索引系统，或者被发送到另一个 Flume Agent。Sink 组件的目的地包括但不限于：

Channel 是位于 Source 和 Sink 之间的缓冲区。因此，Channel 允许 Source 和 Sink 运作在不同的速率上。Channel 是线程安全的，可以同时处理几个 Source 的写入操作和几个 Sink 的读取操作。

Flume 自带两种 Channel：

Memory Channel：内存中的队列。Memory Channel 在不需要关心数据丢失的情景下适用。如果需要关心数据丢失，那么 Memory Channel 就不应该使用，因为程序死亡、机器宕机或者重启都会导致数据丢失。
File Channel：将所有事件写到磁盘。因此在程序关闭或机器宕机的情况下不会丢失数据。

传输单元，Flume 数据传输的基本单元，以 Event 的形式将数据从源头送至目的地。Event 由 Header 和 Body 两部分组成：

上传安装包到 Linux

将 apache-flume-1.9.0-bin.tar.gz 上传到 Linux 的 /opt/software 目录下。

解压安装包

复制代码

[lzl@hadoop12 software]$ tar -zxf /opt/software/apache-flume-1.9.0-bin.tar.gz -C /opt/module/

重命名安装目录

复制代码

[lzl@hadoop12 module]$ mv /opt/module/apache-flume-1.9.0-bin /opt/module/flume

删除不兼容的 jar 包

为了兼容 Hadoop 3.1.3，需要删除 flume 目录下 lib 文件夹中的 guava-11.0.2.jar 文件。
复制代码
```
[lzl@hadoop12 lib]$ rm /opt/module/flume/lib/guava-11.0.2.jar
```