Flume基本架构

Flume基本架构：

 

Flume三大组件：

Event与Agent

Event：将收集到的每一条日志封装成一个Event对象 - 在Flume中流动的是Event。Event的格式采用了json格式来定义的，这个json串中包含了2个部分：Header和Body。

Header用来存放该event的一些属性，为K-V结构，Body用来存放该条数据，形式为字节数组。

Agent： Flume中的组件是以Agent形式来出现的。Agent包含三个部分：Source、Channel和Sink

1. Source

Source是负责接收数据到Flume Agent的组件。Source组件可以处理各种类型、各种格式的日志数据，包括avro、 exec、spooling directory、netcat、http、sequence generator、syslog、legacy、jms、thrift。

常用Source类型：

avro（Avro 端口类型，可实现多级流动）、exec（命令类型）、spooling directory（文件类型）、netcat（指定端口类型）、http（HTTP请求类型）

2. Sink

Sink不断地轮询Channel中的事件且批量地移除它们，并将这些事件批量写入到存储或索引系统、或者被发送到另一个Flume Agent。

Sink组件目的地包括hdfs、logger、avro、thrift、ipc、file、HBase、solr、自定义。

Sink不断地轮询Channel中的事件且批量地移除它们，并将这些事件批量写入到存储或索引系统、或者被发送到另一个Flume Agent。

常用Sink类型：

Logger Sink（日志类型）、File_roll Sink（文件类型）、HDFS Sink（hdfs类型）、Avro Sink（将源数据序列化后写到节点上，可实现多级流动）

3. Channel

Channel是位于Source和Sink之间的缓冲区。因此，Channel允许Source和Sink运作在不同的速率上。Channel是线程安全的（多个线程访问同一个程序时，程序仍然能按照预期的行为去执行，可以通过加锁的方式来实现），可以同时处理几个Source的写入操作和几个Sink的读取操作。

Flume自带两种Channel：Memory Channel和File Channel以及Kafka Channel。

Memory Channel是内存中的队列。Memory Channel在不需要关心数据丢失的情景下适用。如果需要关心数据丢失，那么Memory Channel就不应该使用，因为程序死亡、机器宕机或者重启都会导致数据丢失。

File Channel将所有事件写到磁盘。因此在程序关闭或机器宕机的情况下不会丢失数据。