-
Flume概述
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可以采集文件,socket数据等各种形式源数据,又可以将采集到的数据输出到HDFS、hbase、hive、kafka
等众多外部存储系统中
一般的采集需求,通过flume的简单配置即可实现
Flume针对特殊场景也具备良好的自定义扩展能力,因此,flume适用于大部分的日常数据采集场景
- Flume运行机制
Flume分布式系统中最核心的角色是agent,flume采集系统就是由一个个angent所连接起来形成
每一个agent相当于一个数据传递员,内部有三个组件:
source:采集源,用于跟数据对接,以获取数据
sink:下沉地,采集数据的传送目的,用于往下一级angent传送数据或者往最终存储系统传递数据
channel:angebt内部的数据传输通道,用于从source将数据传递到sink
Source 到 Channel 到 Sink之间传递数据的形式是Event事件;Event事件是一个数据流单元。表示一条数据
在这里我们要说一下,日常采集工具不仅仅只有flume一个,还有很多,目前最常用的是flume,还有一个工具经常被提及–》logstash ,属于ELK的一个组件,它内部就没有类似channel这种组件。
这个channel相当于一个缓冲,有它的好处,我们就可以规划一次发多少条数据,多长时间发一次数据,每次发生的数据的字节数。