Flume框架（基础）

一、Flume在集群中扮演的角色

Flume、Kafka用来实时进行数据收集，Spark、Storm用来实时处理数据，impala用来实时查询。

二、Flume框架简介

1、Flume提供一个分布式的，可靠的，对大数据量的日志进行高效收集、聚集、移动的服务，Flume只能在Unix环境下运行。

2、Flume基于流式架构，容错性强，也很灵活简单，主要用于在线实时分析。

3、角色

1）Source

用于采集数据，Source是产生数据流的地方，同时Source会将产生的数据流传输到Channel，这个有点类似于Java IO部分的Channel

2）Channel

用于桥接Sources和Sinks，类似于一个队列。

3）Sink

从Channel收集数据，将数据写到目标源（可以是下一个Source，也可以是HDFS或者HBase）

4、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

5、传输过程

source监控某个文件，文件产生新的数据，拿到该数据后，将数据封装在一个Event中，并put到channel后commit提交，channel队列先进先出，sink去channel队列中拉取数据，然后写入到hdfs或者HBase中

三、安装配置FLume

配置Java的环境变量 flume-env.sh

四、Flume帮助命令

$ bin/flume-ng