一、背景
先说一下，为什么要使用 Flume + Kafka？
以实时流处理项目为例，由于采集的数据量可能存在峰值和峰谷，假设是一个电商项目，那么峰值通常出现在秒杀时，这时如果直接将Flume聚合后的数据输入到Storm等分布式计算框架中，可能就会超过集群的处理能力，这时采用Kafka就可以起到削峰的作用。Kafka天生为�数据场景而设计，具有高吞吐的特性，能很好地抗住峰值数据的冲击。
二、整合流程
Flume发送数据到Kafka上主要是通过KafkaSink来实现的，主要步骤如下：
1. 启动Zookeeper和Kafka
这里启动一个单节点的Kafka作为测试：
1
2
3
4
5
| # 启动Zookeeper
zkServer.sh start
# 启动kafka
bin/kafka-server-start.sh config/server.properties
|
2. 创建主题
创建一个主题flume-kafka，之后Flume收集到的数据都会发到这个主题上：
1
2
3
4
5
6
7
8
| # 创建主题
bin/kafka-topics.sh --create \
--zookeeper hadoop001:2181 \
--replication-factor 1 \
--partitions 1 --topic flume-kafka
# 查看创建的主题
bin/kafka-topics.sh --zookeeper hadoop001:2181 --list
|
3. 启动kafka消费者
启动一个消费者，监听我们刚才创建的flume-kafka主题：
1
| # bin/kafka-console-consumer.sh --bootstrap-server hadoop001:9092 --topic flume-kafka
|
4. 配置Flume
新建配置文件exec-memory-kafka.properties，文件内容如下。这里我们监听一个名为kafka.log的文件，当文件内容有变化时，将新增加的内容发送到Kafka的flume-kafka主题上。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
| a1.sources = s1
a1.channels = c1
a1.sinks = k1
a1.sources.s1.type=exec
a1.sources.s1.command=tail -F /tmp/kafka.log
a1.sources.s1.channels=c1
#设置Kafka接收器
a1.sinks.k1.type= org.apache.flume.sink.kafka.KafkaSink
#设置Kafka地址
a1.sinks.k1.brokerList=hadoop001:9092
#设置发送到Kafka上的主题
a1.sinks.k1.topic=flume-kafka
#设置序列化方式
a1.sinks.k1.serializer.class=kafka.serializer.StringEncoder
a1.sinks.k1.channel=c1
a1.channels.c1.type=memory
a1.channels.c1.capacity=10000
a1.channels.c1.transactionCapacity=100
|
5. 启动Flume
1
2
3
4
| flume-ng agent \
--conf conf \
--conf-file /usr/app/apache-flume-1.6.0-cdh5.15.2-bin/examples/exec-memory-kafka.properties \
--name a1 -Dflume.root.logger=INFO,console
|
6. 测试
向监听的/tmp/kafka.log文件中追加内容，查看Kafka消费者的输出：
可以看到flume-kafka主题的消费端已经收到了对应的消息：
