Flume（01）——日志采集框架Flume概述

1 概述

Flume是什么？

Flume是一个分布式、可靠、高可用的，海量日志采集、聚合和传输的系统。
Flume可以采集文件，socket数据包、文件、文件夹、kafka等各种形式源数据，又可以将采集到的数据(下沉sink)输出到HDFS、hbase、hive、kafka等众多外部存储系统中。
一般的采集需求，通过对flume的简单配置即可实现。
Flume针对特殊场景也具备良好的自定义扩展能力，可以适用于大部分的日常数据采集场景。

Flume的版本

主要有两个版本：Flume OG和Flume NG
Flume OG:0.9.x或cdh3以及更早的版本,由agent、collector、master等组件构成
Flume NG:1.x或cdh4以及之后的版本,由Agent、client等组件构成

Flume OG存在的问题:

 1. Flume OG代码工程臃肿

 2.核心组件设计不合理

 3.核心配置不标准

 4.日志传输不稳定

Flume NG的特点:

1.只有一种角色的节点:代理节点(Agent)

2.没有collector,master节点

3.去除了physical nodes,local nodes 的概念和相关内容

4.agent节点的组成发生了变化，脱离了zookeeper

Flume NG更像是一个轻量级的小工具，适应各种方式的日志收集，支持failover和负载均衡。

2 运行机制

1、Flume分布式系统中最核心的角色是agent，flume采集系统就是由一个个agent所连接起来形成。
2、每一个agent相当于一个数据传递员，内部主要有三大组件：
a、 Source：采集组件，用于跟数据源对接，以获取数据。不同的 source，可以接受不同的数据格式。
b、 Sink：下沉组件，用于往下一级agent传递数据或者往最终存储系统传递数据。sink 会消费 channel 中的数据，然后送给外部源或者其他 source。
c、 Channel：传输通道组件，也可以说成是一个存储池，用于从source将数据传递到sink。channel 中的数据直到进入到下一个channel中或者进入终端才会被删除。

3 Flume采集系统结构图

3.1 简单结构

简单结构主要是单个agent采集数据。

嗯，这里把上面的图再放一遍。。。都是官网的图啦~

3.2 复杂架构

复杂架构是由多级agent之间串联。根据需要，想怎么串就怎么串。也叫多级flume