flume java 安装部署_Flume概述及安装部署

最新推荐文章于 2024-08-10 15:27:47 发布

三金乐了

最新推荐文章于 2024-08-10 15:27:47 发布

阅读量173

点赞数

文章标签： flume java 安装部署

本文链接：https://blog.csdn.net/weixin_29608291/article/details/114602339

版权

本文介绍了Flume，一个用于收集、聚合和传输大量日志数据的分布式服务。Flume由Source、Channel和Sink组成，提供实时数据读取并写入HDFS。文中详细阐述了其基础架构，包括Agent的组件、Event的概念，以及安装部署的步骤，包括配置环境变量和入门案例，展示了如何监听端口并打印数据到控制台。

摘要由CSDN通过智能技术生成

一、Flume概述

1.1、Flume定义

Flume is a distributed, reliable, and available service for efficiently collecting, aggregating, and moving large amounts of log data.

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 基于流式架构，灵活简单。

Flume最主要的作用就是实时读取服务器本地磁盘的数据，将数据写入到HDFS。

1.2、Flume基础架构

1)Agent

Agent 是一个 JVM 进程，它以事件的形式将数据从源头送至目的。

Agent 主要有 3 个部分组成，Source、Channel、Sink。

2)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、thrift、exec、jms、spooling directory、netcat、sequence generator、syslog、http、legacy。

3)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。

4)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，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。

5)Event

传输单元，Flume 数据传输的基本单元，以 Event 的形式将数据从源头送至目的地。 Event 由 Header 和 Body 两部分组成，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。