如何做集成，其实特别简单，网上其实就是教程。
http://blog.csdn.net/fighting_one_piece/article/details/40667035 看这里就成。 我用的是第一种集成。。
做的时候，出现了各种问题。 大概从从2014.12.17 早晨5点搞到2014.12.17晚上18点30
总结起来其实很简单，但做的时候搞了许久啊啊啊！！！！ 这样的事情，吃一堑长一智吧
问题1、 需要引用各种包，这些包要打入你的JAR中， 因为用的是spark on yarn模式，所以如果不打进去，在集群中是找不到依赖包的！！！ 去哪找呢？ 直接去search.maven.org找。。
问题2：因为搭建的spark on yarn集群，所以监听时只能监听localhost，不然如果你指定了ip，那么非该IP下的结点，就会因为监听不到而出现了问题
问题3：cdh中的flume的启动，你要去find / -name flume.conf ，找一下，然后找到最新的，与cloudera manager配置文件一样的那么，flume启动时就用这个配置文件
问题4：不要直接用集群，先用单点测试一下。。因为单点测试一下后会发现各种问题。 解决后再去集群测试
问题5：一定要注意版本！ cdh5.2中spark的版本是1.1.0，而我用的插件一直是1.1.1版本的！！！ 啊， 为这事儿，我从中午搞到现在。 这个要吃一堑长一智啦！！！
spark代码如下：
package com.harkimport java.io.Fileimport org.apache.spark.SparkConfimport org.apache.spark.storage.StorageLevelimport org.apache.spark.streaming.flume.FlumeUtilsimport org.apache.spark.streaming.{Seconds, StreamingContext}import org.apache.spark.streaming.StreamingContext._/** * Created by Administrator on 2014-12-16. */object SparkStreamingFlumeTest { def main(args: Array[String]) { //println("harkhark") val path = new File(".").getCanonicalPath() //File workaround = new File("."); System.getProperties().put("hadoop.home.dir", path); new File("./bin").mkdirs(); new File("./bin/winutils.exe").createNewFile(); //val sparkConf = new SparkConf().setAppName("HdfsWordCount").setMaster("local[2]") val sparkConf = new SparkConf().setAppName("HdfsWordCount") // Create the context val ssc = new StreamingContext(sparkConf, Seconds(20)) //val hostname = "127.0.0.1" val hostname = "localhost" val port = 2345 val storageLevel = StorageLevel.MEMORY_ONLY val flumeStream = FlumeUtils.createStream(ssc, hostname, port, storageLevel) flumeStream.count().map(cnt => "Received " + cnt + " flume events." ).print() ssc.start() ssc.awaitTermination() }}
flume配置文件如下：
# Please paste flume.conf here. Example:# Sources, channels, and sinks are defined per# agent name, in this case 'tier1'.tier1.sources = source1tier1.channels = channel1tier1.sinks = sink1# For each source, channel, and sink, set# standard properties.tier1.sources.source1.type = exectier1.sources.source1.command = tail -F /opt/data/test3/123tier1.sources.source1.channels = channel1tier1.channels.channel1.type = memory#tier1.sinks.sink1.type = loggertier1.sinks.sink1.type = avrotier1.sinks.sink1.hostname = localhosttier1.sinks.sink1.port = 2345tier1.sinks.sink1.channel = channel1# Other properties are specific to each type of yhx.hadoop.dn01# source, channel, or sink. In this case, we# specify the capacity of the memory channel.tier1.channels.channel1.capacity = 100
spark启动命令如下：
spark-submit --driver-memory 512m --executor-memory 512m --executor-cores 1 --num-executors 3 --class com.hark.SparkStreamingFlumeTest --deploy-mode cluster --master yarn /opt/spark/SparkTest.jar
flume启动命令如下：
flume-ng agent --conf /opt/cloudera-manager/run/cloudera-scm-agent/process/585-flume-AGENT --conf-file /opt/cloudera-manager/run/cloudera-scm-agent/process/585-flume-AGENT/flume.conf --name tier1 -Dflume.root.logger=INFO,console