flume介绍:
flume源码地址:https://github.com/apache/flume/
- flume的核心角色是agent,agent是一个java进程。agent相当于一个快递员。
- agent包括source,channel,sink,channel是为了防止source到sink数据丢失
- 他们之间流动传输的最小单元是event,如果是文件则一行数据就是一个event
- 一个event包括event headers,event body,event,其中event body是二进制数据
- flume的鲁棒性太差,一旦报错就停止采集
- flume的启动入口是:org.apache.flume.node.Application
- flume关闭顺序为source,sink,channel
- 启动顺序channel,sink,source
flume的容错
为了防止数据丢失采用事务机制,首先写到channel里,等到sink完成,才算结束。如果失败会保存在channel里。
- File Channel 写到磁盘里
- 如果使用memoryChannel,进程挂掉保存在memory中的数据会丢失,在源码中可以看到使用LinkedBlockingDeque双向阻塞队列来保存的数据
配置采集文件夹flume下沉到hdfs:
具体的采集可以参照:http://flume.apache.org/releases/content/1.9.0/FlumeUserGuide.html#f