1 Flume简介
Flume是Cloudera提供的一个高可用的,高可靠的,分布式的海量日志采集、聚合和传输的系统,Flume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。
当前Flume有两个版本,Flume0.9x版本之前的统称为Flume OG (Flume original generation),Flume1.x版本被统称为Flume NG (Flume next generation)。
2 Flume OG
2.1 Flume OG的设计目标
(1)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丢失。Flume提供了三种级别的可靠性保障,从强到弱依次为: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)。
(2)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。其中,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。
(3)可管理性:所有Agent和Collector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上查看每个数据源或者数据流执行情况,且可以对每个数据源配置和动态加载。Flume提供了web和shell scrip command两种形式对数据源进行管理。
(4)功能可扩展性:用户可以根据需要添加自己的Agent、Collector或者Storage。此外,Flume自带了很多组件,包括各种Agent(file,syslog等),Collector和Storeage(file、HDFS等)
2.2 Flume OG架构 ![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/4217484de69900f1aab74229eb5978d4.png)
(1)Agent
Agent用于采集数据,Agent是Flume中产生数据流的地方,同时Agent会产生的数据流传输到Collector。通常由source和sink两部分组成:
① source用于获取数据,可从文本文件、syslog和HTTP等获取数据;
② sink将source获得的数据进一步传输给后面的Collector。
(2)Collector
Collector用于对数据进行聚合(数据收集器),往往会产生一个更大的数据流,然后加载到storage(存储)中,比如HDFS和HBase等。
引入Collector的原因: