diff --git a/notes/Flume整合Kafka.md b/notes/Flume整合Kafka.md
index 68d97b9..f18aaac 100644
--- a/notes/Flume整合Kafka.md
+++ b/notes/Flume整合Kafka.md
@@ -1,5 +1,6 @@
-# Flume 整合 Kafka
-
<nav>
+# Flume 整合 Kafka
+
+<nav>
 <a href="#一背景">一、背景</a><br/>
 <a href="#二整合流程">二、整合流程</a><br/>
 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;<a href="#1-启动Zookeeper和Kafka">1. 启动Zookeeper和Kafka</a><br/>
@@ -10,106 +11,106 @@
 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;<a href="#6-测试">6. 测试</a><br/>
 </nav>
 
-## 一、背景
-
-先说一下，为什么要使用 Flume + Kafka？
-
-这里举一个实时流处理的项目为例，由于采集的日志数据可能存在峰值和峰谷，比如如果是一个电商项目，那么峰值就会出现在秒杀时，这时如果直接将Flume聚合后的数据输入到Storm或者Spark Streaming 中进行处理，集群处理压力就会过大，这时采用Kafka就可以起到削峰的作用。Kafka天生就是为大数据场景而设计，具有高吞吐等特性，能很好的抗住峰值数据的冲击。
-
-<div align="center"> <img  src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/flume-kafka.png"/> </div>
-
-
-
-## 二、整合流程
-
-Flume发送数据到Kafka上主要是通过`KafkaSink`来实现的，主要步骤如下：
-
-#### 1. 启动Zookeeper和Kafka
-
-这里可以只启动一个单节点的Kafka作为测试
-
-```shell
-# 启动Zookeeper
-zkServer.sh start
-
-# 启动kafka
-bin/kafka-server-start.sh config/server.properties
-```
-
-#### 2. 创建主题
-
-创建一个主题`flume-kafka`，之后Flume收集到的数据都会发到这个主题上
-
-```shell
-# 创建主题
-bin/kafka-topics.sh --create \
---zookeeper hadoop001:2181 \
---replication-factor 1   \
---partitions 1 --topic flume-kafka
-
-# 查看创建的主题
-bin/kafka-topics.sh --zookeeper hadoop001:2181 --list
-```
-
-
-
-#### 3. 启动kafka消费者
-
-启动一个消费者，监听我们刚才创建的`flume-kafka`主题
-
-```shell
-# bin/kafka-console-consumer.sh --bootstrap-server hadoop001:9092 --topic flume-kafka
-```
-
-
-
-#### 4. 配置Flume
-
-新建配置文件`exec-memory-kafka.properties`，文件内容如下。这里我们监听一个名为`kafka.log`的文件，当文件内容有变化时，将新增加的内容发送到Kafka的`flume-kafka`主题中。
-
-```properties
-a1.sources = s1
-a1.channels = c1
-a1.sinks = k1                                                                                         
-
-a1.sources.s1.type=exec
-a1.sources.s1.command=tail -F /tmp/kafka.log
-a1.sources.s1.channels=c1 
-
-#设置Kafka接收器
-a1.sinks.k1.type= org.apache.flume.sink.kafka.KafkaSink
-#设置Kafka地址
-a1.sinks.k1.brokerList=hadoop001:9092
-#设置发送到Kafka上的主题
-a1.sinks.k1.topic=flume-kafka
-#设置序列化方式
-a1.sinks.k1.serializer.class=kafka.serializer.StringEncoder
-a1.sinks.k1.channel=c1     
-
-a1.channels.c1.type=memory
-a1.channels.c1.capacity=10000
-a1.channels.c1.transactionCapacity=100   
-```
-
-
-
-#### 5. 启动Flume
-
-```shell
-flume-ng agent \
---conf conf \
---conf-file /usr/app/apache-flume-1.6.0-cdh5.15.2-bin/examples/exec-memory-kafka.properties \
---name a1 -Dflume.root.logger=INFO,console
-```
-
-
-
-#### 6. 测试
-
-向监听的`/tmp/kafka.log     `文件中追加内容，查看Kafka消费者的输出
-
-<div align="center"> <img  src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/flume-kafka-01.png"/> </div>
-
-可以看到`flume-kafka`主题的消费端已经收到了对应的消息
-
+## 一、背景
+
+先说一下，为什么要使用 Flume + Kafka？
+
+以实时流处理项目为例，由于采集的数据量可能存在峰值和峰谷，假设是一个电商项目，那么峰值通常出现在秒杀时，这时如果直接将Flume聚合后的数据输入到Storm等分布式计算框架中，可能就会超过集群的处理能力，这时采用Kafka就可以起到削峰的作用。Kafka天生为大数据场景而设计，具有高吞吐的特性，能很好地抗住峰值数据的冲击。
+
+<div align="center"> <img  src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/flume-kafka.png"/> </div>
+
+
+
+## 二、整合流程
+
+Flume发送数据到Kafka上主要是通过`KafkaSink`来实现的，主要步骤如下：
+
+### 1. 启动Zookeeper和Kafka
+
+这里启动一个单节点的Kafka作为测试：
+
+```shell
+# 启动Zookeeper
+zkServer.sh start
+
+# 启动kafka
+bin/kafka-server-start.sh config/server.properties
+```
+
+### 2. 创建主题
+
+创建一个主题`flume-kafka`，之后Flume收集到的数据都会发到这个主题上：
+
+```shell
+# 创建主题
+bin/kafka-topics.sh --create \
+--zookeeper hadoop001:2181 \
+--replication-factor 1   \
+--partitions 1 --topic flume-kafka
+
+# 查看创建的主题
+bin/kafka-topics.sh --zookeeper hadoop001:2181 --list
+```
+
+
+
+### 3. 启动kafka消费者
+
+启动一个消费者，监听我们刚才创建的`flume-kafka`主题：
+
+```shell
+# bin/kafka-console-consumer.sh --bootstrap-server hadoop001:9092 --topic flume-kafka
+```
+
+
+
+### 4. 配置Flume
+
+新建配置文件`exec-memory-kafka.properties`，文件内容如下。这里我们监听一个名为`kafka.log`的文件，当文件内容有变化时，将新增加的内容发送到Kafka的`flume-kafka`主题上。
+
+```properties
+a1.sources = s1
+a1.channels = c1
+a1.sinks = k1                                                                                         
+
+a1.sources.s1.type=exec
+a1.sources.s1.command=tail -F /tmp/kafka.log
+a1.sources.s1.channels=c1 
+
+#设置Kafka接收器
+a1.sinks.k1.type= org.apache.flume.sink.kafka.KafkaSink
+#设置Kafka地址
+a1.sinks.k1.brokerList=hadoop001:9092
+#设置发送到Kafka上的主题
+a1.sinks.k1.topic=flume-kafka
+#设置序列化方式
+a1.sinks.k1.serializer.class=kafka.serializer.StringEncoder
+a1.sinks.k1.channel=c1     
+
+a1.channels.c1.type=memory
+a1.channels.c1.capacity=10000
+a1.channels.c1.transactionCapacity=100   
+```
+
+
+
+### 5. 启动Flume
+
+```shell
+flume-ng agent \
+--conf conf \
+--conf-file /usr/app/apache-flume-1.6.0-cdh5.15.2-bin/examples/exec-memory-kafka.properties \
+--name a1 -Dflume.root.logger=INFO,console
+```
+
+
+
+### 6. 测试
+
+向监听的`/tmp/kafka.log     `文件中追加内容，查看Kafka消费者的输出：
+
+<div align="center"> <img  src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/flume-kafka-01.png"/> </div>
+
+可以看到`flume-kafka`主题的消费端已经收到了对应的消息：
+
 <div align="center"> <img  src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/flume-kafka-2.png"/> </div>
\ No newline at end of file