Flume-概述，基础架构，组件介绍

Flume概述

Apache Flume is a distributed, reliable, and available system for efficiently collecting, aggregating and moving large amounts of log data from many different sources to a centralized data store.

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。（实时日志传输）

Flume基础架构

Agent

Agent是一个JVM进程，它以事件（Event）的形式将数据从源头送至目的。

Agent主要有3个部分组成，Source、Channel、Sink。

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 是一个map集合类型，内部为 key-value 形式，用来存放该 event 的一些属性，主要用来区分不同的事件。
Body 用来存放该条数据，形式为字节数组。

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。

Sink

Sink：是负责输出数据，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 是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。