什么是flume
Apache Flume 是一个从可以收集例如日志，事件等数据资源，并将这些数量庞大的数据从各项数据资源中集中起来存储的工具/服务，或者数集中机制。flume具有高可用，分布式，配置工具，其设计的原理也是基于将数据流，如日志数据从各种网站服务器上汇集起来存储到HDFS，HBase等集中存储器中。
结构图：
Flume特性
1. 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。
2 . Flume可以采集文件，socket数据包、文件、文件夹、kafka等各种形式源数据，又可以将采集到的数据(下沉sink)输出到HDFS、hbase、hive、kafka等众多外部存储系统中
3.一般的采集需求，通过对flume的简单配置即可实现u 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
Flume组件详解
1、 Flume分布式系统中最核心的角色是agent，flume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(被封装成Event对象)传递员，内部有三个组件：
a) Source：采集组件，用于跟数据源对接，以获取数据
b) Sink：下沉组件，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) Channel：传输通道组件，用于从source将数据传递到sink
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
简单使用
先在flume的conf目录下新建一个配置文件（采集方案）
netcat-logger.properties
#定义这个agent中各组件的名字
a1.sources = r1
a1.sinks = k1
a1.channels = c1
描述和配置source组件：r1
a1.sources.r1.type = netcat
a1.sources.r1.bind = localhost
a1.sources.r1.port = 44444
描述和配置sink组件：k1
a1.sinks.k1.type = logger
描述和配置channel组件，此处使用是内存缓存的方式
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
描述和配置source channel sink之间的连接关系
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1
配置文件可以在官网使用文档中找到，包括以后使用的配置，数据的来源，和下沉的位置，都需要去官方文档中寻找对应的配置
1、启动agent去采集数据
bin/bin/flume-ng agent -c conf -f conf/netcat-logger.conf -n a1 -Dflume.root.logger=INFO,console
启动agent打印到控制台上，学习中使用为了能看的到
-c conf 指定flume自身的配置文件所在目录
-f conf/netcat-logger.conf 指定我们所描述的采集方案
-n a1 指定我们这个agent的名字
-Dflume.root.logger=INFO,console 是日志等级，把日志打印到控制台上
测试先要往agent的source所监听的端口上发送数据，让agent有数据可采随便在一个能跟agent节点联网的机器上
telnet anget-hostname port （telnet localhost 44444）
2.克隆一台机器，或者用其他机器telnet IP地址 端口号，然后发送数据，在启动flume的机器上的控制台可以看到采集到的数据
flume可以只安装一台，单点连接连接就可以