本篇教程介绍了大数据采集方案 Flume+Kafka+Zookeeper搭建大数据日志采集框架，希望阅读本篇文章以后大家有所收获，帮助大家对大数据云计算大数据采集的理解更加深入。

<

1.  JDK的安装

    参考jdk的安装，此处略。
2.  安装Zookeeper

    参考我的Zookeeper安装教程中的“完全分布式”部分。
3.  安装Kafka

    参考我的Kafka安装教程中的“完全分布式搭建”部分。
4.  安装Flume

    参考我的Flume安装教程。
5.  配置Flume
5.1.  配置kafka-s.cfg

    $ cd /software/flume/conf/                   #切换到kafka的配置文件目录

    $ cp flume-conf.properties.template kafka-s.cfg   #将flume的配置文件模板复制为kafka-s.cfg

 

    kafka-s.cfg的详细内容如下：

    #配置flume agent的source、channel、sink

    a1.sources = r1

    a1.channels = c1

    a1.sinks=k1

    #配置source

    a1.sources.r1.type = exec

    a1.sources.r1.command=tail -F/tmp/logs/kafka.log

 

    # 配置channel

    a1.channels.c1.type = memory

    a1.channels.c1.capacity = 1000

    a1.channels.c1.transactionCapacity = 100

    #配置sink

    a1.sinks.k1.channel = c1

    a1.sinks.k1.type =org.apache.flume.sink.kafka.KafkaSink

    #设置Kafka的Topic

    a1.sinks.k1.kafka.topic = mytest

    #设置Kafka的broker地址和端口号

    a1.sinks.k1.kafka.bootstrap.servers = s201:9092,s202:9092,s203:9092

    #配置批量提交的数量

    a1.sinks.k1.kafka.flumeBatchSize = 20

    a1.sinks.k1.kafka.producer.acks = 1

    a1.sinks.k1.kafka.producer.linger.ms = 1

    a1.sinks.ki.kafka.producer.compression.type= snappy

 

    # 绑定source和sink 到channel

    a1.sources.r1.channels = c1

    a1.sinks.k1.channel=c1

 

    关于上面配置文件中需要注意的3点：

    a、a1.sources.r1.command=tail-F /tmp/logs/kafka.log  

    b、a1.sinks.k1.kafka.bootstrap.servers= s201:9092,s202:9092,s203:9092

    c、a1.sinks.k1.topic= mytest

 

    由配置文件我们可以了解到：

    1）、我们需要在/tmp/logs下建一个kafka.log的文件，且向文件中输出内容（下面会说到）；

    2）、flume连接到kafka的地址是 s201:9092,s202:9092,s203:9092，注意不要配置错误了；

    3）、flume会将采集后的内容输出到Kafkatopic 为mytest上，所以我们启动zk，kafka后需要打开一个终端消费topic mytest的内容，这样就可以看到flume与kafka之间玩起来了。

 
5.2.  创建/tmp/logs/kafka.log文件目录及文件

在/tmp/logs下建立空文件kafka.log；如果/tmp目录下没有logs目录，则需要先创建logs目录。
5.3.  创建生成日志数据shell脚本

在hadoop用户目录下创建kafkaoutput.sh脚本，并赋予执行权限，用来向/tmp/logs/kafka.log输出内容。

kafkaoutput.sh脚本的具体内容如下：

for((i=0;i<=1000;i++));

do echo"kafka_test-"+$i>>/tmp/logs/kafka.log;

done
5.4.  启动Zookeeper

    到zk安装的服务器上启动zk服务，命令如下：

    $ zkServer.sh start
5.5.  启动Kafka

    到部署kafka每台服务器上面启动kafka集群

    $ kafka-server-start.sh/software/kafka/config/server.properties &
5.6.  创建Kafka Topic

    $ kafka-topics.sh --create --zookeeper s201:2181--replication-factor 3 --partitions 3 --topic mytest
5.7.  启动消费Topic

    $ kafka-console-consumer.sh--bootstrap-server s201:9092,s202:9092,s203:9092 --zookeepers201:2181,s202:2181,s203:2181 --topic mytest --from-beginning
5.8.  启动Flume

    $ flume-ng agent --conf/software/flume/conf/ --conf-file kafka-s.cfg --name a1-Dflume.root.logger=INFO,console
5.9.  执行kafkaoutput.sh脚本生成日志数据

    $ ./kafkaoutput.sh

    查看日志文件内容如下：



在kafka中查看的消费信息：

   

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标大数据云计算大数据采集频道！