Flume是Cloudrea公司开源的一款优秀的日志收集框架，主要经历了两个大的版本，分别是 

Flume-OG 

Flume-NG 

OG是0.9.x的版本，依赖zookeeper，角色职责不够单一， 

NG是新版本指1.x的版本，官网解释它更轻量级，更小，角色职责更单一，利用点到点进行容错，当然这也是以后的趋势， 

要理解Flume，就首先理解它的架构，下面看下，官网的一张拓扑图： 

 

名词解释： 

Source：泛指所有的日志收集源，可以是web页面，log文件，数据库，端口，卡口信息等 

Channel：提供中转的临时存储区，可以是本地文件，redis，kakfa，数据库，内存等 

Sink：指日志最终落地的存储区，可以是数据库，HDFS，Hbase，Hive，本地文件等 

Agent：指上面三者组合后的一个完整的数据收集代理，有了这个代理，我们把它安装任何机器上进行收集日志，当然前提是这个Agent符合这个机器上的业务。 

下面看下，安装实战例子： 

首先下载flume-ng的安装包： 

wget  

解压 

tar -zxvf apache-flume-1.6.0-bin.tar.gz 

将根目录下的conf下的一些模板文件，重命名成正常文件 

如果没有配置JAVA_HOME为环境变量的话， 

则需要在flume-env.sh里面配置jdk的地址 

1，然后新建一个first.properties的文件，加入以下配置： 

配置例子2：收集本地日志到hadoop里面 

hdfs的sink目前支持三种文件类型： 

(1)SequenceFile   文本不可见 

(2)DataStream   设置hdfs.writeFormat=Text，文本可见 

(3)CompressedStream 设置hdfs.codeC=gzip, bzip2, lzo, lzop, snappy，其中一种，后面三个需要编译hadoop时支持才能设置。 

默认是SequenceFile，以文本方式写进入的数据，是不可见的，除非改变类型为DataStream ， 

然后设置hdfs.writeFormat=Text即可，这个选项默认是Writable 

启动命令： 最后的a与配置文件里面的agent的name必须一致 

bin/flume-ng agent --conf conf --conf-file  conf/to_hdfs.properties  --name a 

下面是一个按年月日时分，收集的日志： 

最后看下，配置flume监听linux的rsyslog的日志： 

可用nc模拟telent发送数据到5140端口 

echo "<1>hello via syslog" | nc -t localhost 5140 

配置/etc/rsyslog.conf 

在最后一行，加入tcp转发端口： 

如果不生效，可考虑：取消注释，使下面的生效： 

改完之后，重启rsyslog 

然后配置flume 

flume监听rsyslog，或者syslog 

配置完成启动： 

然后看flume的log再次登陆终端，推出终端，sudo命令执行失败，flume都会采集转发到hdfs上存储起来 

总结： 

Flume不愧是大数据平台的一个标准组件，与Hadoop能非常完美的结合，当然，除了与hadoop结合外，还支持Hbase，Hive等， 相比Logstash+ElasticSearch+Kibana的ELK里面的Logstash，flume比较适合结构化的日志收集，存储，而Logstasch则还可以非常方便的解析，清洗数据，虽然flume通过扩展jar也能支持，但logstash使用的是Jruby语法，相比java，则比较简单。这也是ELK都能够快速部署的原因，当然flume也支持向elasticsearch推送索引数据，通过扩展的jar，几乎大部分功能都能轻松实现，所以，没有谁最好用，谁最不好用，只有谁最适合业务，才是最好的！