【Flume】知识总结

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支持在日志系统中定制各类数据发送方，用于收集数据；同时，Flume提供对数据进行简单处理，并写到各种数据接受方（可定制）的能力。

Source

*Source负责接收events或通过特殊机制产生events，并将events批量放到一个或多个Channels。有驱动和轮询2种类型的Source。

驱动型source:是外部主动发送数据给Flume，驱动Flume接受数据。
轮询source:是Flume周期性主动去获取数据。

*Source必须至少和一个channel关联。

Channel

*Channel位于Source和Sink之间， Channel的作用类似队列，用于临时缓存进来的events，当Sink成功地将events发送到下一跳的channel或最终目的，events从Channel移除。
不同的Channel提供的持久化水平也是不一样的:

Memory Channel:不会持久化 。
File Channel: 基于WAL（预写式日志Write-Ahead Log）实现。
JDBC Channel: 基于嵌入式Database实现。

*Channels支持事务，提供较弱的顺序保证，可以连接任何数量的Source和Sink。

memory channel：消息存放在内存中，提供高吞吐，但不提供可靠性；可能丢失数据。
file channel：对数据持久化；但是配置较为麻烦，需要配置数据目录和checkpoint目录；不同的file channel均需要配置一个checkpoint 目录。
jdbc channel：内置的derby数据库，对event进行了持久化，提供高可靠性；可以取代同样具有持久特性的file channel

Sink

*Sink负责将events传输到下一跳或最终目的，成功完成后将events从channel移除。
*必须作用于一个确切的channel。