一、Flume简介
数据流 ：数据流通常被视为一个随时间延续而无限增长的动态数据集合，是一组顺序、大量、快速、连续到达的数据序列。通过对流数据处理，可以进行卫星云图监测、股市走向分析、网络攻击判断、传感器实时信号分析。
二、Flume安装配置
1.下载安装包
https://www.apache.org/dyn/closer.lua/flume/1.7.0/apache-flume-1.7.0-bin.tar.gz
2.解压文件夹
通过xshell把安装包上传虚拟机
解压文件,修改文件名称
1.sudo tar -zxvf apache-flume-1.7.0-bin.tar.gz -C /opt
2.sudo mv ./apache-flume-1.7.0-bin ./flume
3.sudo chown -R root:root ./flume
3.配置环境变量
输入：
sudo vim ~/.bashrc在文件里面添加
(根据你自己的安装路径)
export JAVA_HOME=/opt/jdk-1.8;
export FLUME_HOME=/opt/flume
export FLUME_CONF_DIR=$FLUME_HOME/conf
export PATH=$PATH:$FLUME_HOME/bin4.刷新环境变量
source ~/.bashrc5.修改配置文件
cd /opt/flume/conf
cp ./flume-env.sh.template ./flume-env.sh
修改flume-env.sh文件
在文件开头增加一行，设置JAVA_HOME
vim flume-env.sh
export JAVA_HOME=/opt/jdk-1.8;三、查看flume版本信息
/opt/flume/bin/flume-ng version
四、使用Avro数据源测试Flume
Avro可以发送一个给定的文件给Flume，Avro 源使用AVRO RPC机制。请对Flume的相关配置文件进行设置，从而可以实现如下功能：在一个终端中新建一个文件helloworld.txt（里面包含一行文本“Hello World”），在另外一个终端中启动Flume以后，可以把helloworld.txt中的文本内容显示出来。
cd /opt/flume/conf1. 新建文件avro.conf
vim avro.confa1.sources = r1
a1.sinks = k1
a1.channels = c1
#定制source，绑定channel、主机以及端口
a1.sources.r1.type = avro
a1.sources.r1.channels = c1
a1.sources.r1.bind = 0.0.0.0
a1.sources.r1.port = 4141
#描述并配置sinks组件
a1.sinks.k1.type = logger
#描述并配置channels
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
#将sources和sink通过同一个channel连接绑定
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1
上面Avro Source参数说明如下：
Avro Source的别名是avro,也可以使用完整类别名称org.apache.flume.source.AvroSource，因此，上面有一行设置是a1.sources.r1.type = avro，表示数据源的类型是avro。
bind绑定的ip地址或主机名，使用0.0.0.0表示绑定机器所有的接口。
a1.sources.r1.bind = 0.0.0.0，就表示绑定机器所有的接口。
port表示绑定的端口。
a1.sources.r1.port = 4141，表示绑定的端口是4141。
a1.sinks.k1.type = logger，表示sinks的类型是logger。
2.启动flume agent a1
这个终端不要关闭
3.新建输入文件
cd /opt/flume
echo “Hello World”>> ./helloworld.txt
4.执行命令
/opt/flume/bin/flume-ng avro-client --conf conf -H localhost -p 4141 -F /opt/flume/helloworld.txt执行之后，我们就可以在前面不让关闭的那个终端看到Hello World了
五、使用netcat数据源测试Flume
在一个Linux终端（这里称为“Flume终端”）中，启动Flume，在另一个终端（这里称为“Telnet终端”）中，输入命令“telnet localhost 44444”，然后，在Telnet终端中输入任何字符，让这些字符可以顺利地在Flume终端中显示出来。
1.创建netcat的agent配置
cd /opt/flume
vim netcat.conf
#/usr/local/flume/conf/netcat.conf
# Name the components on this agent
a1.sources = r1
a1.sinks = k1
a1.channels = c1
# Describe/configure the source
a1.sources.r1.type = netcat
a1.sources.r1.bind = localhost
a1.sources.r1.port = 44444
#同上，记住该端口名
# Describe the sink
a1.sinks.k1.type = logger
# Use a channel which buffers events in memory
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
# Bind the source and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1
2.启动flume agent
cd /opt/flume/conf不要关闭这个终端
/opt/flume/bin/flume-ng agent --conf ./conf --conf-file netcat.conf --name a1 -Dflume.root.logger=INFO,console
3.新打开一个终端
输入：
telnet localhost 44444或者
nc localhost 44444#在这个终端输入字符串就可以显示在前面那个终端里了，但是中文是不支持的，显示长度也有限
如果报出下面的错误：
解决方法：
安装telnet插件
yum install telnet
在前面的终端查看数据
六、使用Flume作为Spark Streaming数据源
Flume是非常流行的日志采集系统，可以作为Spark Streaming的高级数据源。请把Flume Source设置为netcat类型，从终端上不断给Flume Source发送各种消息，Flume把消息汇集到Sink，这里把Sink类型设置为avro，由Sink把消息推送给Spark Streaming，由自己编写的Spark Streaming应用程序对消息进行处理。
1.创建flume-to-spark.conf
cd /opt/flume/conf
vim flume-to-spark.conf把以下内容输入文件
#flume-to-spark.conf: A single-node Flume configuration
# Name the components on this agent
a1.sources = r1
a1.sinks = k1
a1.channels = c1
# Describe/configure the source
a1.sources.r1.type = netcat
a1.sources.r1.bind = localhost
a1.sources.r1.port = 33333
# Describe the sink
a1.sinks.k1.type = avro
a1.sinks.k1.hostname = localhost
a1.sinks.k1.port =44444
# Use a channel which buffers events in memory
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000000
a1.channels.c1.transactionCapacity = 1000000
# Bind the source and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1#说明：
1.Flume suorce类为netcat，绑定到localhost的33333端口，消息可以通过telnet localhost 33333 发送到flume suorce
2.Flume Sink类为avro，绑定44444端口，flume sink通过localhost 44444端口把消息发送出来。而spark streaming程序一直监听44444端口。
#注意！！先不要启动Flume agent，因为44444端口还没打开，sink的消息无处可去，44444端口由spark streaming程序打开。
2.spark准备工作
下载spark-streaming-flume_2.11-2.3.4.jar
官网：
https://mvnrepository.com/artifact/org.apache.spark/spark-streaming-flume
镜像网站（下载速度较快）
https://repo1.maven.org/maven2/org/apache/spark/spark-streaming-flume_2.11/
3.放置文件
把这个jar文件放到/opt/spark/jars/flume目录下
把文件拖进去就行了
cd /usr/local/spark/jars
mkdir flume
4.修改spark目录下的
vim spark-env.sh添加以下内容
export SPARK_DIST_CLASSPATH=$(/usr/local/hadoop/bin/hadoop classpath):$(/opt/hbase/bin/hbase classpath):/usr/local/spark/examples/jars/*:/opt/spark/jars/kafka/*:/usr/local/kafka/libs/*:/opt/spark/jars/flume/*:/opt/flume/lib/*七、编写spark程序使用Flume数据源
1.创建python文件
cd /opt/spark-2.4.0
mkdir test
cd test
vim FlumeEventCount.pyfrom __future__ import print_function
import sys
from pyspark import SparkContext
from pyspark.streaming import StreamingContext
from pyspark.streaming.flume import FlumeUtils
import pyspark
if __name__ == "__main__":
if len(sys.argv) != 3:
print("Usage: flume_wordcount.py <hostname> <port>", file=sys.stderr)
exit(-1)
sc = SparkContext(appName="FlumeEventCount")
ssc = StreamingContext(sc, 2)
hostname= sys.argv[1]
port = int(sys.argv[2])
stream = FlumeUtils.createStream(ssc, hostname, port,pyspark.StorageLevel.MEMORY_AND_DISK_SER_2)
stream.count().map(lambda cnt : "Recieve " + str(cnt) +" Flume events!!!!").pprint()
ssc.start()
ssc.awaitTermination() 注意：可能需要安装pyspark，命令为：
pip3 install pyspark
2. 测试实际效果
(1)启动Spark streaming程序
./bin/spark-submit --driver-class-path /opt/spark-2.4.0/jars/*:/opt/spark-2.4.0/jars/flume/* ./test/FlumeEventCount.py localhost 44444
(2)启动Flume Agent
启动一个新的终端
cd /opt/flumebin/flume-ng agent --conf ./conf --conf-file ./conf/flume-to-spark.conf --name a1 -Dflume.root.logger=INFO,console
(3)连接33333端口
启动一个新的终端
telnet localhost 33333
现在你可以在最后这个终端里输入一些字符了。在你输入字符后可以看到第一个终端会显示如下的信息
结果：
