版本：
flume-ng1.6
kafka2.10-0.8.2
storm0.9.5
大家可以看这篇文章中的架构图和数据流向图。但是安装部署请看最新版的。
另外目前主要给银行做hadoop、spark、impala、storm项目，欢迎热爱技术的朋友加好友一起探讨大数据。
序言
2
2
架构图
数据流向图
（是visio画的，图太大，放上来字看起来比较小，如果有需要的朋友留邮箱）
实时日志分析系统架构简介
系统主要分为四部分：
1）.数据采集
负责从各节点上实时采集数据，选用cloudera的flume来实现
2）.数据接入
由于采集数据的速度和数据处理的速度不一定同步，因此添加一个消息中间件来作为缓冲，选用apache的kafka
3）.流式计算
对采集到的数据进行实时分析，选用apache的storm
4）.数据输出
对分析后的结果持久化，暂定用mysql
详细介绍各个组件及安装配置：
操作系统：centos6.4
Flume
Flume是Cloudera提供的一个分布式、可靠、和高可用的海量日志采集、聚合和传输的日志收集系统，支持在日志系统中定制各类数据发送方，用于收集数据;同时，Flume提供对数据进行简单处理，并写到各种数据接受方(可定制)的能力。
下图为flume典型的体系结构：
Flume数据源以及输出方式:
Flume提供了从console(控制台)、RPC(Thrift-RPC)、text(文件)、tail(UNIX tail)、syslog(syslog日志系统，支持TCP和UDP等2种模式)，exec(命令执行)等数据源上收集数据的能力,在我们的系统中目前使用exec方式进行日志采集。
Flume的数据接受方，可以是console(控制台)、text(文件)、dfs(HDFS文件)、RPC(Thrift-RPC)和syslogTCP(TCP syslog日志系统)等。在我们系统中由kafka来接收。
Flume版本：1.4.0
Flume下载及文档：
Flume安装：
$tar zxvf apache-flume-1.4.0-bin.tar.gz /usr/local
Flume启动命令：
$bin/flume-ng agent –conf conf –conf-file conf/flume-conf.properties –name producer -Dflume.root.logger=INFO,console
注意事项：需要更改conf目录下的配置文件，并且添加jar包到lib目录下。
Kafka
Kafka是一个消息中间件，它的特点是:
1、关注大吞吐量，而不是别的特性
2、针对实时性场景
3、关于消息被处理的状态是在consumer端维护，而不是由kafka server端维护。
4、分布式，producer、broker和consumer都分布于多台机器上。
下图为kafka的架构图：
Kafka版本：0.8.0
Kafka下载及文档：http://kafka.apache.org/
Kafka安装：
tar xzf kafka-<VERSION>.tgz
cd kafka-<VERSION>
./sbt update
./sbt package
./sbt assembly-package-dependency Kafka
启动及测试命令：
（1） start server
> bin/zookeeper-server-start.sh config/zookeeper.properties
bin/kafka-server-start.sh config/server.properties
（2）Create a topic
bin/kafka-create-topic.sh –zookeeper localhost:2181 –replica 1 –partition 1 –topic test
bin/kafka-list-topic.sh –zookeeper localhost:2181
（3）Send some messages
bin/kafka-console-producer.sh –broker-list localhost:9092 –topic test
（4）Start a consumer
bin/kafka-console-consumer.sh –zookeeper localhost:2181 –topic test –from-beginning
storm
Storm是一个分布式的、高容错的实时计算系统。
Storm架构图：
storm工作任务topology：
Storm 版本：0.9.0
Storm 下载：http://storm-project.net/
Storm安装：
第一步，安装Python2.7.2
# wget http://www.python.org/ftp/python/2.7.2/Python-2.7.2.tgz
# tar zxvf Python-2.7.2.tgz
# cd Python-2.7.2
# ./configure
# make
# make install
# vi /etc/ld.so.conf
第二步，安装zookeeper（kafka自带zookeeper，如果选用kafka的，该步可省略）
#wget http://ftp.meisei-u.ac.jp/mirror/apache/dist//zookeeper/zookeeper-3.3.3/zoo keeper-3.3.3.tar.gz
# tar zxf zookeeper-3.3.3.tar.gz
# ln -s /usr/local/zookeeper-3.3.3/ /usr/local/zookeeper
# vi ~./bashrc (设置ZOOKEEPER_HOME和ZOOKEEPER_HOME/bin)
第三步，安装JAVA
$tar zxvf jdk-7u45-linux-x64.tar.gz /usr/local
如果使用storm0.9以下版本需要安装zeromq及jzmq。
第四步，安装zeromq以及jzmq
jzmq的安装貌似是依赖zeromq的，所以应该先装zeromq，再装jzmq。
1）安装zeromq（非必须）：
-
# wget http://download.zeromq.org/historic/zeromq-2.1.7.tar.gz
-
# tar zxf zeromq-2.1.7.tar.gz
-
# cd zeromq-2.1.7
-
# ./configure
-
# make
-
# make install
-
# sudo ldconfig (更新LD_LIBRARY_PATH)
缺少c++环境：yum install gcc-c++
之后遇到的问题是：Error:cannot link with -luuid, install uuid-dev
这是因为没有安装uuid相关的package。
解决方法是：# yum install uuid*
# yum install e2fsprogs*
# yum install libuuid*
2）安装jzmq（非必须）
- # yum install git
- # git clone git://github.com/nathanmarz/jzmq.git
- # cd jzmq
- # ./autogen.sh
- # ./configure
- # make
- # make install
然后，jzmq就装好了，这里有个网站上参考到的问题没有遇见，遇见的童鞋可以参考下。在./autogen.sh这步如果报错：autogen.sh:error:could not find libtool is required to run autogen.sh，这是因为缺少了libtool，可以用#yum install libtool*来解决。
如果安装的是storm0.9及以上版本不需要安装zeromq和jzmq，但是需要修改storm.yaml来指定消息传输为netty：
storm.local.dir: "/tmp/storm/data"
2
2
2
2
2
2
2
2
2
2
2
2
2
2
第五步，安装storm
$unzip storm-0.9.0-wip16.zip
备注：单机版不需要修改配置文件，分布式在修改配置文件时要注意：冒号后必须加空格。
测试storm是否安装成功：
-
下载strom starter的代码 git clone https://github.com/nathanmarz/storm-starter.git
-
使用mvn -f m2-pom.xml package 进行编译
如果没有安装过maven，参见如下步骤安装：
1.
从maven的官网下载http://maven.apache.org/
tar zxvf apache-maven-3.1.1-bin.tar.gz /usr/local
配置maven环境变量
export MAVEN_HOME=/usr/local/maven
export PATH=$PATH:$MAVEN_HOME/bin
验证maven是否安装成功:mvn -v
修改Storm-Starter的pom文件m2-pom.xml ，修改dependency中twitter4j-core 和 twitter4j-stream两个包的依赖版本，如下：
org.twitter4j
twitter4j-core
[2.2,)
org.twitter4j
twitter4j-stream
[2.2,)
编译完后生成target文件夹
启动zookeeper
zkServer.sh start
启动nimbus supervisor ui
storm nimbus
storm supervisor
storm ui
jps查看启动状态
进入target目录执行：
storm jar storm-starter-0.0.1-SNAPSHOT-jar-with-dependencies.jar storm.starter.WordCountTopology wordcountTop
注释：单机版 不用修改storm.yaml
kafka和storm整合
1.下载kafka-storm0.8插件：https://github.com/wurstmeister/storm-kafka-0.8-plus
2.该项目下载下来需要调试下，找到依赖jar包。然后重新打包，作为我们的storm项目的jar包。
3.将该jar包及kafka_2.9.2-0.8.0-beta1.jar metrics-core-2.2.0.jar scala-library-2.9.2.jar (这三个jar包在kafka-storm-0.8-plus项目依赖中能找到)
备注：如果开发的项目需要其他jar，记得也要放进storm的Lib中比如用到了mysql就要添加mysql-connector-java-5.1.22-bin.jar到storm的lib下
flume和kafka整合
1.下载flume-kafka-plus: https://github.com/beyondj2ee/flumeng-kafka-plugin
2.提取插件中的flume-conf.properties文件
修改该文件：#source section
producer.sources.s.type = exec
producer.sources.s.command = tail -f -n+1 /mnt/hgfs/vmshare/test.log
producer.sources.s.channels = c
修改所有topic的值改为test
将改后的配置文件放进flume/conf目录下
在该项目中提取以下jar包放入环境中flume的lib下：
以上为单机版的flume+kafka+storm的配置安装
flume+storm插件
https://github.com/xiaochawan/edw-Storm-Flume-Connectors
启动步骤
安装好storm，flume，kafka之后开始项目部署启动（在部署启动之前最好按照安装文档进行storm kafka flume各个组件测试）。
第一步
将编写好的storm项目打成jar包放入服务器上，假如放在/usr/local/project/storm.xx.jar
注:关于storm项目的编写见安装文档中的 kafka和storm整合 。
第二步
启动zookeeper(这里可以启动kafka自带的zookeeper或者启动单独安装的kafka，以下以kafka自带为例)
cd /usr/local/kafka
2
2
