概述
大数据平台每天处理业务系统产生的大量日志数据，一般而言，这些系统需要具有以下特征：
- 构建业务系统和日志分析系统的桥梁，并将它们之间的关联解耦；
- 支持近实时的在线分析系统和类似于 Hadoop 之类的离线分析系统；
- 具有高可扩展性。即：当数据量增加时，可以通过增加节点进行水平扩展。
日志分析采集系统模块
- 数据采集模块：负责从各节点上实时采集数据，选用 Flume-NG 来实现。 Flume-NG 提供了丰富的 Source、Channel、Sink 实现，各种数据源的引入只要变更配置就可实现。
- 数据接入模块：由于采集数据的速度和数据处理的速度不一定同步（类似于生产者消费者模式），因此添加一个消息中间件来作为缓冲，这里选用 Kafka 来实现。Kafka 适用于对数据管道的吞吐量、可用性要求都很高的解决方案，需要编程实现数据的生产和消费。
- 流式计算模块：对采集到的数据进行实时分析，选用 Storm 来实现。
- 数据输出模块：对分析后的结果持久化，可以使用 HDFS、MySQL 等。
采用 Flume 作为数据的生产者，将生产的消息数据（日志数据、业务请求数据等）通过 Kafka Sink 发布到 Kafka 中。然后再由流式计算程序 Storm 做实时分析，这时就需要将在 Storm 的 Spout 中读取 Kafka 中的消息，然后交由具体的 Spot 组件去分析处理。同时 Storm 已经自带了一个集成 Kafka 的外部插件程序 storm-kafka。最后将计算结果持久化到 Hadoop 或 MySQL 中。
示例配置
Kafka 集群配置
- 使用3台机器搭建 Kafka 集群，在每台机器上添加如下配置：
# vim /etc/hosts
192.168.111.238 master
192.168.111.239 slave1
192.168.111.240 slave2
- 在安装 Kafka 集群时，没有使用 Kafka 自带的 Zookeeper，而是独立安装了一个 Zookeeper 集群，也是使用这3台机器，并且保证 Zookeeper 集群正常运行。
- 在 master 上准备 Kafka 安装文件，执行如下命令：
cd /usr/local/
tar xvzf kafka_2.11-1.0.0.tgz
ln -s /usr/local/kafka_2.11-1.0.0 /usr/local/kafka
- 修改配置文件 /usr/local/kafka/config/server.properties
broker.id=0
zookeeper.connect=master:2181,slave1:2181,slave2:2181/kafka
说明 ：
默认 Kafka 会使用 ZooKeeper 默认的 / 路径，导致有关 Kafka 的 ZooKeeper 配置就会散落在根路径下面，如果有其他的应用也在使用此 ZooKeeper 集群，查看 ZooKeeper 中的数据会不直观，所以指定一个 chroot 路径，直接在 zookeeper.connect 配置项中指定
- 需要手动在 ZooKeeper 中创建路径 /kafka，使用如下命令连接到任意一台 ZooKeeper 服务器：
cd /usr/local/zookeeper
bin/zkCli.sh
create /kafka ''
- 将配置好的安装文件同步到其他的 slave1、slave2 节点上：
scp -r /usr/local/kafka_2.11-1.0.0/ slave1:/usr/local/
scp -r /usr/local/kafka_2.11-1.0.0/ slave2:/usr/local/
- 分别修改配置文件/usr/local/kafka/config/server.properties内容如下
# 因为Kafka集群需要保证各个Broker的id在整个集群中必须唯一，需要调整这个配置项的值
broker.id=1 # 在slave1修改
broker.id=2 # 在slave2修改
- 在集群中的 master、slave1、slave2 这三个节点上分别启动 Kafka，分别执行如下命令：
bin/kafka-server-start.sh /usr/local/kafka/config/server.properties &
- 通过查看日志，或者检查进程状态，保证 Kafka 集群启动成功。
配置 Flume agent，将 Flume 与 Kafka 整合， 配置文件为 flume-conf.properties
agent.sources = logsrc
agent.channels = memchannel
agent.sinks = kafkasink
# configure the source
agent.sources.logsrc.type = exec
agent.sources.logsrc.command = tail -F /data/logs/component_role.log
agent.sources.logsrc.shell = /bin/sh -c
agent.sources.logsrc.batchSize = 50
agent.sources.logsrc.channels = memchannel
# configure the sink
agent.sinks.kafkasink.type = org.apache.flume.sink.kafka.KafkaSink
agent.sinks.kafkasink.brokerList=master:9092, slave1:9092,slave2:9092
agent.sinks.kafkasink.topic=mytopic
agent.sinks.kafkasink.requiredAcks = 1
agent.sinks.kafkasink.batchSize = 20
agent.sinks.kafkasink.channel = memchannel
# configure the channel
agent.channels.memchannel.type = memory
agent.channels.memchannel.capacity = 1000
启动该 Flume 节点
cd /usr/local/apache-flume-1.7.0-bin
./bin/flume-ng agent -n agent -c ./conf -f ./conf/flume-conf.properties -Dflume.monitoring.type=http -Dflume.monitoring.port=10100 -Dflume.root.logger=DEBUG,console
动态追加日志数据，模拟日志输出，进行测试
动态追加日志数据，执行命令向 /data/logs/component_role.log 添加数据：
echo "测试代码" >> /data/logs/component_role.log
echo "检测Flume+Kafka数据管道通畅" >> /data/logs/component_role.log
验证 Kafka 数据接收结果
root@ubuntu238:/usr/local/kafka_2.11-1.0.0# ./bin/kafka-console-consumer.sh --zookeeper master:2181,slave1:2181,slave2:2181/kafka --topic mytopic --from-beginning
Using the ConsoleConsumer with old consumer is deprecated and will be removed in a future major release. Consider using the new consumer by passing [bootstrap-server] instead of [zookeeper].
测试代码
检测Flume+Kafka数据管道通畅
未完，后续增加流式计算及数据输出。
