windows搭建flume：基于源码的二次开发
windows搭建flume：基于源码的二次开发
先说一下flume的架构，这部分快速阅读，flume架构倒是不难，容易理解。
flume是分布式的，可靠的，高可用的，用于对不同来源的大量的日志数据进行有效收集、聚集和移动，并以集中式的数据存储的系统。
flume目前是apache的一个顶级项目。
flume中的重要模型
1.flume Event：
flume 事件，被定义为一个具有有效荷载的字节数据流和可选的字符串属性集。
2.flume Agent：
flume 代理，是一个进程承载从外部源事件流到下一个目的地的过程。包含source channel 和 sink。
3.Source
数据源，消耗外部传递给他的事件，外部源将数据按照flume Source 能识别的格式将Flume 事件发送给flume Source。
4.Channel
数据通道，是一个被动的存储，用来保持事件，直到由一个flume Sink消耗。
5.Sink
数据汇聚点，代表外部数据存放位置。发送flume event到指定的外部目标。
flume基本配置
＃example.conf：单节点Flume配置
＃命名Agenta1的组件
a1.sources=r1
a1.sinks=k1
a1.channels=c1
＃描述/配置Source
a1.sources.r1.type=netcat
a1.sources.r1.bind=0.0.0.0
a1.sources.r1.port=44444
＃描述Sink
a1.sinks.k1.type=logger
＃描述内存Channel
a1.channels.c1.type=memory
a1.channels.c1.capacity=1000
a1.channels.c1.transactionCapacity=100
＃为Channle绑定Source和Sink
a1.sources.r1.channels=c1
a1.sinks.k1.channel=c1
现在介绍几种比较重要的Source
1. Avro Source
监听AVRO端口来接受来自外部AVRO客户端的事件流。利用Avro Source可以实现多级流动、扇出流、扇入流等效果。另外也可以接受通过flume提供的Avro客户端发送的日志信息。
编写配置文件 修改上面给出的配置文件，除了Source部分配置不同，其余部分都一样。不同的地方如下：
＃描述/配置Source a1.sources.r1.type = avro a1.sources.r1.bind = 0.0.0.0 a1.sources.r1.port = 44444
2. Spooling Directory Source
这个Source允许你将将要收集的数据放置到"自动搜集"目录中。这个Source将监视该目录，并将解析新文件的出现。事件处理逻辑是可插拔的，当一个文件被完全读入通道，它会被重命名或可选的直接删除。
要注意的是，放置到自动搜集目录下的文件不能修改，如果修改，则flume会报错。另外，也不能产生重名的文件，如果有重名的文件被放置进来，则flume会报错。
编写配置文件 修改上面给出的配置文件，除了Source部分配置不同，其余部分都一样。不同的地方如下：
＃描述/配置Source a1.sources.r1.type = spooldir a1.sources.r1.spoolDir=/home/park/work/apache-flume-1.6.0-bin/mydata
3. NetCat Source
一个NetCat Source用来监听一个指定端口，并将接收到的数据的每一行转换为一个事件。
4. HTTP Source
HTTP Source接受HTTP的GET和POST请求作为Flume的事件,其中GET方式应该只用于试验。
该Source需要提供一个可插拔的"处理器"来将请求转换为事件对象，这个处理器必须实现HTTPSourceHandler接口，该处理器接受一个 HttpServletRequest对象，并返回一个Flume Envent对象集合。
从一个HTTP请求中得到的事件将在一个事务中提交到通道中。因此允许像文件通道那样对通道提高效率。
如果处理器抛出一个异常，Source将会返回一个400的HTTP状态码。
如果通道已满，无法再将Event加入Channel，则Source返回503的HTTP状态码，表示暂时不可用。
编写配置文件 修改上面给出的配置文件，除了Source部分配置不同，其余部分都一样。不同的地方如下：
＃描述/配置Source a1.sources.r1.type = http a1.sources.r1.port = 66666
好的，我们引入svn代码，解决maven依赖。
用阿里云的中央仓库：
然后等待maven下载好的同时，分析导致flume数据丢失的环节，因为已经查看了flume的报错，得知两个原因可能导致：
1、flume报错超时timeout
2.因为一个文件输入超过了最大值，直接break了。
那现在就好玩了，恶心的是这种当时开发完了很爽的，结果留下了坑的，没办法痛苦的去读代码，
在这里，对了，这里有很多类任然在报错，不用着急，maven正在引入依赖jar包，稍等会儿即可。
这样，等了很久，也没见好转，这样，也不浪费时间了，自己搭建一个。windows版本的吧，容易调试。
首先环境变量不用多说了，其次：
开始下载安装和配置：
（1）官网：http://archive.apache.org/dist/flume/ 下载：apache-flume-1.6.0-bin.tar.gz
（2）在合适的位置解压
（3）参照官网的user guide配置:
英文指南：http://flume.apache.org/releases/content/1.6.0/FlumeUserGuide.html
中文指南：http://www.jianshu.com/p/41de9a715273
安装的时候，报错：
调整一下example.conf
输出日志如下：
说明flume启动成功，windows的flume已经可以用了
将example.conf粘贴出来：
a1.sources = r1
a1.sinks = k1
a1.channels = c1
# Describe/configure the source
a1.sources.r1.type = exec
a1.sources.r1.shell = /bin/bash -c
a1.sources.r1.channels = c1
a1.sources.r1.command = tail -F /opt/apps/logs/tail4.log
# Use a channel which buffers events in memory
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
# sink
a1.sinks.k1.type = file_roll
a1.sinks.k1.channel = c1
#a1.sinks.k1.sink.rollInterval=0
a1.sinks.k1.sink.directory = /opt/apps/tmp
bat脚本代码粘贴
@echo off
title=flume搭建
mode con cols=80 lines=40
COLOR 3f
echo ------------------------------------------
cd F:\flume\flume-code\apache-flume-1.6.0-bin\bin
echo flume-ng.cmd agent -conf F:\flume\flume-code\apache-flume-1.6.0-bin\conf -conf-file F:\flume\flume-code\apache-flume-1.6.0-bin\conf example.conf -name a1
flume-ng.cmd agent --conf ..\conf --conf-file ..\conf\example.conf --name a1
pause
接下来准备down源码了，我们需要开发