Zookeeper_Flume_Kafka面试题

Zookeeper相关总结
1.3.1 选举机制
    半数机制：2n+1；      10台服务器：3台；    20台服务器：5台；    100台服务器：11台
台数并不是越多越好。  太多选举时间过长影响性能。
1.3.2 常用命令
    ls、get、create
1.4 Flume相关总结
1.4.1 Flume组成，Put事务，Take事务
    Taildir Source：断点续传、多目录。Flume1.6以前需要自己自定义Source记录每次读取文件位置，实现断点续传。
    File Channel：数据存储在磁盘，宕机数据可保存。但传输速率慢。适合对数据传输可靠性要求高的场景，如，金融行业。
    Memory Channel：数据存储在内存，宕机数据丢失。传输快。适合对数据传输可靠性要求不高的场景，如，普通日志数据。
    Kafka Channel：减少了Flume的Sink阶段，提高了传输效率。           
    Source到Channel是Put事务
    Channel到Sink是Take事务
1.4.2 Flume拦截器
    （1）拦截器注意事项
        项目中自定义了：ETL拦截器和区分类型拦截器。
采用两个拦截器的优缺点：优点，模块化开发和可移植性；缺点，性能会低一些
    （2）自定义拦截器步骤
a）实现 Interceptor
b）重写四个方法
initialize 初始化
public Event intercept(Event event) 处理单个Event
public List<Event> intercept(List<Event> events) 处理多个Event，在这个方法中调用Event intercept(Event event)
close 方法
c）静态内部类，实现Interceptor.Builder
1.4.3 Flume Channel选择器
 
1.4.4 Flume监控器
Ganglia
1.4.5 Flume采集数据会丢失吗?（防止数据丢失的机制）
不会，Channel存储可以存储在File中，数据传输自身有事务。
1.4.6 Flume内存
开发中在flume-env.sh中设置JVM heap为4G或更高，部署在单独的服务器上（4核8线程16G内存）
-Xmx与-Xms最好设置一致，减少内存抖动带来的性能影响，如果设置不一致容易导致频繁fullgc。
-Xms表示JVM Heap(堆内存)最小尺寸，初始分配；-Xmx 表示JVM Heap(堆内存)最大允许的尺寸，按需分配。如果不设置一致，容易在初始化时，由于内存不够，频繁触发fullgc。
1.4.7 FileChannel优化
通过配置dataDirs指向多个路径，每个路径对应不同的硬盘，增大Flume吞吐量。
官方说明如下：
Comma separated list of directories for storing log files.