Flume-事务机制，Flume Agent内部原理

Flume事务机制

Source到Channel为-Put事务-流程
doPut：将批数据先写入临时缓冲区 putList
doCommit：检查 channel 内存队列是否足够合并
doRollback：channel 内存队列空间不足，回滚数据

Channel到Sink为-Take事务-流程
doTake：将数据取到临时缓冲区 takeList，并将数据发送到 HDFS
doCommit：如果数据全部发送成功，则清除临时缓冲区 takeList
doRollback：数据发送过程中如果出现异常，rollback 将临时缓冲区 takeList 中的数据归还给 channel 内存队列

数据丢失问题？

根据Flume的架构原理，采用FileChannel的Flume是不可能丢失数据的，因为其内部有完善的事务机制（ACID）。

put 和 take 这两个事务是独立的，并且这两个环节都不可能丢失数据，唯一可能丢失数据的是 Channel 采用 MemoryChannel：

• [1 ] 在 Agent 宕机时候导致数据在内存中丢失
• [2 ] Channel 存储数据已满，导致 Source 不再写入数据，造成未写入的数据丢失

注：Flume不会丢失数据，但是可能会造成数据重复，例如数据已经由Sink发出，但是没有接收到响应，Sink会再次发送数据，导致数据重复

Flume Agent内部原理

重要组件：

1）Channel Selector

Channel Selector 的作用就是选出 Event 将要被发往哪个 Channel。其共有两种类型，分别是Replicating（复制）和Multiplexing（多路复用）。

Replicating Channel Selector：会将同一个Event发往所有与其绑定的Channel中。默认属性可以省略定义

Multiplexing Channel Selector：会根据相应的原则（根据 Event 的 header中 key对应的value值不同），将不同的Event发往不同的Channel。

2）Sink Processor

Sink Processor：是将一个 flume-agent 中的多个 sink 定义到一个Sinkgroups 组中，使组内多 sink 之间实现 故障转移 或 负载均衡。
共有三种类型：DefaultSinkProcessor、LoadBalancingSinkProcessor和FailoverSinkProcessor

DefaultSinkProcessor：对应的是单个的Sink，

LoadBalancingSinkProcessor 和 FailoverSinkProcessor：对应的是Sink Group

• Load Balancing Sink Processor ：可以实现负载均衡的功能，可以配置同属一个组的多个 sink 之间负载平衡的能力，支持通过round_robin（轮询）或 random（随机）参数来实现事件的分发，默认情况下使用 round_robin，也可以自定义分发机制，通常是多个sink绑定在同一个channel上
  

• Failover Sink Processor ：可以实现故障转移的功能，通过配置维护了多个 sink 组成的优先级列表，需要为所有的sink分配优先级，所有的优先级数字必须是唯一的，数字越大表示优先获取channel数据，搭配 Replicating Channel Selector 使用