Flume定义
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 基于流式架构,灵活简单
注意:Flume一般只处理文本文件,对于音频等二进制文件处理会报错
Flume最主要的作用就是,实时读取服务器本地磁盘的数据,将数据写入到HDFS
Flume基础架构
Agent
Agent 是一个 JVM 进程,它以事件的形式将数据从源头送至目的,执行依次Flume任务就是启动一次Agent事件
Agent 主要有 3 个部分组成,Source、Channel、Sink
Source
Source 是负责接收数据到 Flume Agent 的组件。Source 组件可以处理各种类型、各种格式的日志数据,包括 avro、thrift、exec、jms、spooling directory、netcat、taildir、sequence generator、syslog、http、legacy
Sink
Sink 不断地轮询 Channel 中的事件且批量地移除它们,并将这些事件批量写入到存储或索引系统、或者被发送到另一个 Flume Agent
Sink 组件目的地包括 hdfs、logger、avro、thrift、ipc、file、HBase、solr、自定义
Channel
Channel 是位于 Source 和 Sink 之间的缓冲区。因此,Channel 允许 Source 和 Sink 运作在不同的速率上。Channel 是线程安全的,可以同时处理几个 Source 的写入操作和几个
Sink 的读取操作
Flume 自带两种 Channel:Memory Channel 和 File Channel
Memory Channel 是内存中的队列。Memory Channel 在不需要关心数据丢失的情景下适用。如果需要关心数据丢失,那么 Memory Channel 就不应该使用,因为程序死亡、机器宕机或者重启都会导致数据丢失
File Channel 将所有事件写到磁盘。因此在程序关闭或机器宕机的情况下不会丢失数据
Event
传输单元,Flume 数据传输的基本单元,以 Event 的形式将数据从源头送至目的地
Event 由 Header 和 Body 两部分组成,Header 用来存放该 event 的一些属性,为K-V 结构
Body 用来存放该条数据,形式为字节数组