首页 > 代码库 > flume、sqoop、oozie

flume、sqoop、oozie

在一个完整的大数据处理系统中,除了hdfs+mapreduce+hive组成分析系统的核心之外,还需要数据采集、结果数据导出、任务调度等不可或缺的辅助系统,而这些辅助工具在hadoop生态体系中都有便捷的开源框架。

技术分享

 

日志采集框架Flume

 Flume是一个分布式、可靠、和高可用的海量日志采集、聚合和传输的系统。

 Flume可以采集文件,socket数据包等各种形式源数据,又可以将采集到的数据输出到HDFShbasehive、kafka队列等众多外部存储系统中

一般的采集需求,通过对flume的简单配置即可实现

 Flume针对特殊场景也具备良好的自定义扩展能力,因此,flume可以适用于大部分的日常数据采集场景

运行过程

 

1、 Flume分布式系统中最核心的角色是agentflume采集系统就是由一个个agent所连接起来形成

2、 每一个agent相当于一个数据传递员,内部有三个组件:

a) Source:采集源,用于跟数据源对接,以获取数据

b) Sink:下沉地,采集数据的传送目的,用于往下一级agent传递数据或者往最终存储系统传递数据

c) Channelangent内部的数据传输通道,用于从source将数据传递到sink

技术分享

 

 

 

Flume支持众多的sourcesink类型

Flume的安装部署

1、Flume的安装非常简单,只需要解压即可,当然,前提是已有hadoop环境

上传安装包到数据源所在节点上

然后解压  tar -zxvf apache-flume-1.6.0-bin.tar.gz

然后进入flume的目录,修改conf下的flume-env.sh,在里面配置JAVA_HOME

2、根据数据采集的需求配置采集方案,描述在配置文件中(文件名可任意自定义)

3指定采集方案配置文件,在相应的节点上启动flume agent

 

 

 

 

flume、sqoop、oozie