简介
Flume是由 Cloudera 提供的一个分布式、高可靠、高可用的服务,用于分布式的海量日志的高效收集、聚合、移动系统。简单来说,Flume 就是一个针对日志数据进行采集和汇总的一个工具(把日志从A地方移动到B地方)
Flume 特点
- 可靠性:当节点出现故障时,日志能够被传送到其他节点上而不会丢失。Flume提供了三种级别的可靠性保障,从强到弱依次分别为:
- end-to-end(收到数据agent首先将event写到磁盘上,当数据传送成功后,再删除;如果数据发送失败,可以重新发送。);
- Store on failure(这也是scribe采用的策略,当数据接收方crash时,将数据写到本地,待恢复后,继续发送)
- Best effort(数据发送到接收方后,不会进行确认)
- 可扩展性:Flume采用了三层架构,分别为agent,collector和storage,每一层均可以水平扩展
所有agent和collector由master统一管理,这使得系统容易监控和维护,且master允许有多个(使用ZooKeeper进行管理和负载均衡),这就避免了单点故障问题 - 可管理性
- 所有agent和colletor由master统一管理,这使得系统便于维护
- 多master情况,Flume利用ZooKeeper和gossip,保证动态配置数据的一致性
- 用户可以在master上查看各个数据源或者数据流执行情况,且可以对各个数据源配置和动态加载
- Flume提供了web 和shell script command两种形式对数据流进行管理
- 功能可扩展性
- 用户可以根据需要添加自己的agent,collector或者storage
- Flume自带了很多组件,包括各种agent(file, syslog等),collector和storage(file,HDFS等)
- 文档丰富,社区活跃
- Flume 是Apache下的一个顶级项目,已经成为 Hadoop 生态系统的标配,它的文档比较丰富,社区比较活跃,方便我们学习
Flume架构
Flume 最简单的部署单元叫做Flume Agent,Agent 是一个Java 应用程序&