Flume的概念、组成架构及工作机制

     1.Flume概念

        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。

     2.Flume组成架构

         2.1Agent

          Agent是一个JVM进程，它以事件的形式将数据从源头送至目的，是Flume数据传输的基本单元。

         Agent主要有3个部分组成，Source、Channel、Sink。

        2.2 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、sequence generator、syslog、http、legacy。

​​​​​​​       2.3 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。

​​​​​​​       2.4 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是完全事务性的。在从Channel批量删除数据之前，每个Sink用Channel启动一个事务。批量事件一旦成功写出到存储系统或下一个Flume Agent，Sink就利用Channel提交事务。事务一旦被提交，该Channel从自己的内部缓冲区删除事件。

Sink组件目的地包括hdfs、logger、avro、thrift、ipc、file、null、HBase、solr、自定义。

​​​​​​​        2.5 Event

传输单元，Flume数据传输的基本单元，以事件的形式将数据从源头送至目的地。

     3. Flume的工作机制

可以启动多个flume的agent程序进行采集，每个agent程序包括以下组件:

Source:代表各种实现类的实现，及数据源的实现。

Channel：通道。

Sink：目标实现，可以输出多种数据源，比如文件系统、Mysql、Kafka、Hbase