Flume框架初识

1、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基于流式框架，灵活简单。

主要作用：实时读取服务器本地磁盘的数据，将数据写入HDFS。

2、架构

Web Server数据源，Channel管道缓冲，Source采集，Sink输出。

3、Agent

Agent是一个JVM进程，它以事件的形式将数据从源头送到目的地。三大核心组件：Source、Channel、Sink。

3.1、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、syslog、http、legacy等。

3.2、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。

3.3、Channel

Channel是位于Source和Sink之间地缓冲区，因此，Channel允许Source和Sink运作在不同地速率上。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。(kafka也可做缓冲)

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。因此在程序关闭或者机器宕机的情况下不会丢失数据。

3.4、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。

如果不做拓展分支，头信息里可不放东西；Header只是用于区别，方便数据进入不同的Channel。Body里是数据本身。