【大数据之Flume】一、Flume定义及组成架构

1 Flume 定义

  Flume 是一个高可用的，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。
  Flume最主要的作用是实时读取服务器本地磁盘的数据，把数据写到HDFS。

2 Flume 组成架构

2.1 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，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、taildir、 sequence generator、syslog、http、legacy，用来对接不同数据源。

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。

2.5 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。