flume的案例
　　　　1)案例1：Avro
　　　　Avro可以发送一个给定的文件给Flume，Avro 源使用AVRO RPC机制。
　　　　　　a)创建agent配置文件

　　　　　　b)启动flume agent a1

　　　　　　c)创建指定文件

　　　　　　d)使用avro-client发送文件

　　　　　　f)在m1的控制台，可以看到以下信息，注意最后一行：

　　　　2)案例2：Spool
　　　　Spool监测配置的目录下新增的文件，并将文件中的数据读取出来。需要注意两点：
　　　　1) 拷贝到spool目录下的文件不可以再打开编辑。
　　　　2) spool目录下不可包含相应的子目录
　　　　　　a)创建agent配置文件

　　　　　　b)启动flume agent a1

　　　　　　c)追加文件到/home/hadoop/flume-1.5.0-bin/logs目录

　　　　　　d)在m1的控制台，可以看到以下相关信息：

　　　　3)案例3：Exec
　　　　EXEC执行一个给定的命令获得输出的源,如果要使用tail命令，必选使得file足够大才能看到输出内容
　　　　　　a)创建agent配置文件

　　　　　　b)启动flume agent a1

　　　　　　c)生成足够多的内容在文件里

　　　　　　e)在m1的控制台，可以看到以下信息：

　　　　4)案例4：Syslogtcp
　　　　Syslogtcp监听TCP的端口做为数据源
　　　　　　a)创建agent配置文件

　　　　　　b)启动flume agent a1

　　　　　　c)测试产生syslog

　　　　　　d)在m1的控制台，可以看到以下信息：

　　　　5)案例5：JSONHandler
　　　　　　a)创建agent配置文件

　　　　　　b)启动flume agent a1

　　　　　　c)生成JSON 格式的POST request

　　　　　　d)在m1的控制台，可以看到以下信息：
/

　　　　6)案例6：Hadoop sink
　　　　其中关于hadoop2.2.0部分的安装部署，请参考文章《ubuntu12.04+hadoop2.2.0+zookeeper3.4.5+hbase0.96.2+hive0.13.1分布式环境部署》
　　　　　　a)创建agent配置文件

　　　　　　b)启动flume agent a1

　　　　　　c)测试产生syslog

　　　　　　d)在m1的控制台，可以看到以下信息：

　　　　　　e)在m1上再打开一个窗口，去hadoop上检查文件是否生成

　　　　7)案例7：File Roll Sink
　　　　　　a)创建agent配置文件

　　　　　　b)启动flume agent a1

　　　　　　c)测试产生log

　　　　　　d)查看/home/hadoop/flume-1.5.0-bin/logs下是否生成文件,默认每30秒生成一个新文件

　　　　8)案例8：Replicating Channel Selector
　　　　Flume支持Fan out流从一个源到多个通道。有两种模式的Fan out，分别是复制和复用。在复制的情况下，流的事件被发送到所有的配置通道。在复用的情况下，事件被发送到可用的渠道中的一个子集。Fan out流需要指定源和Fan out通道的规则。
　　　　这次我们需要用到m1,m2两台机器
　　　　　　a)在m1创建replicating_Channel_Selector配置文件

　　　　　　b)在m1创建replicating_Channel_Selector_avro配置文件

　　　　　　c)在m1上将2个配置文件复制到m2上一份

　　　　　　d)打开4个窗口，在m1和m2上同时启动两个flume agent

　　　　　　e)然后在m1或m2的任意一台机器上，测试产生syslog

　　　　　　f)在m1和m2的sink窗口，分别可以看到以下信息,这说明信息得到了同步：

　　　　
9)案例9：Multiplexing Channel Selector
　　　　　　a)在m1创建Multiplexing_Channel_Selector配置文件

　　　　　　b)在m1创建Multiplexing_Channel_Selector_avro配置文件

　　　　　　c)将2个配置文件复制到m2上一份

　　　　　　d)打开4个窗口，在m1和m2上同时启动两个flume agent

　　　　　　e)然后在m1或m2的任意一台机器上，测试产生syslog

　　　　　　f)在m1的sink窗口，可以看到以下信息：

　　　　　　g)在m2的sink窗口，可以看到以下信息：

　　　　可以看到，根据header中不同的条件分布到不同的channel上

　　　　10)案例10：Flume Sink Processors
　　　　failover的机器是一直发送给其中一个sink，当这个sink不可用的时候，自动发送到下一个sink。

　　　　　　a)在m1创建Flume_Sink_Processors配置文件

　　　　　　b)在m1创建Flume_Sink_Processors_avro配置文件

　　　　　　c)将2个配置文件复制到m2上一份

　　　　　　d)打开4个窗口，在m1和m2上同时启动两个flume agent

　　　　　　e)然后在m1或m2的任意一台机器上，测试产生log

　　　　　　f)因为m2的优先级高，所以在m2的sink窗口，可以看到以下信息，而m1没有：

　　　　　　g)这时我们停止掉m2机器上的sink(ctrl+c)，再次输出测试数据：

　　　　　　h)可以在m1的sink窗口，看到读取到了刚才发送的两条测试数据：

　　　　　　i)我们再在m2的sink窗口中，启动sink：

　　　　　　j)输入两批测试数据：

　　　　　k)在m2的sink窗口，我们可以看到以下信息，因为优先级的关系，log消息会再次落到m2上：

　　　　11)案例11：Load balancing Sink Processor
　　　　load balance type和failover不同的地方是，load balance有两个配置，一个是轮询，一个是随机。两种情况下如果被选择的sink不可用，就会自动尝试发送到下一个可用的sink上面。

　　　　　　a)在m1创建Load_balancing_Sink_Processors配置文件

　　　　　　b)在m1创建Load_balancing_Sink_Processors_avro配置文件

　　　　　　c)将2个配置文件复制到m2上一份

　　　　　　d)打开4个窗口，在m1和m2上同时启动两个flume agent

　　　　　　e)然后在m1或m2的任意一台机器上，测试产生log，一行一行输入，输入太快，容易落到一台机器上

　　　　　　f)在m1的sink窗口，可以看到以下信息：

　　　　　　g)在m2的sink窗口，可以看到以下信息：

　　　　说明轮询模式起到了作用。

　　　　12)案例12：Hbase sink

　　　　　　a)在测试之前，请先参考《ubuntu12.04+hadoop2.2.0+zookeeper3.4.5+hbase0.96.2+hive0.13.1分布式环境部署》将hbase启动

　　　　　　b)然后将以下文件复制到flume中：

　　　　　　c)确保test_idoall_org表在hbase中已经存在，test_idoall_org表的格式以及字段请参考《ubuntu12.04+hadoop2.2.0+zookeeper3.4.5+hbase0.96.2+hive0.13.1分布式环境部署》中关于hbase部分的建表代码。

　　　　　　d)在m1创建hbase_simple配置文件

　　　　　　e)启动flume agent

　　　　　　f)测试产生syslog

　　　　　　g)这时登录到hbase中，可以发现新数据已经插入

　　　　经过这么多flume的例子测试，如果你全部做完后，会发现flume的功能真的很强大，可以进行各种搭配来完成你想要的工作，俗话说师傅领进门，修行在个人，如何能够结合你的产品业务，将flume更好的应用起来，快去动手实践吧。