1、 什么是flume
flume是由cloudera软件公司产出的可分布式日志收集系统,后与2009年被捐赠了apache软件基金会,为hadoop相关组件之一。尤其近几年随着flume的不断被完善以及升级版本的逐一推出,特别是flume-ng;同时flume内部的各种组件不断丰富,用户在开发的过程中使用的便利性得到很大的改善,现已成为apache top项目之一.
Apache Flume 是一个从可以收集例如日志,事件等数据资源,并将这些数量庞大的数据从各项数据资源中集中起来存储的工具/服务,或者数集中机制。flume具有高可用,分布式,配置工具,其设计的原理也是基于将数据流,如日志数据从各种网站服务器上汇集起来存储到HDFS,HBase等集中存储器中。其结构如下图所示:
![9be1b2baa8b4f481d29e79bf413d6cca.png](https://i-blog.csdnimg.cn/blog_migrate/4c44b2b230737147289d8428063a2e62.jpeg)
2、 Flume特性
- Flume是一个分布式、可靠、和高可用的海量日志采集、聚合和传输的系统。
- Flume可以采集文件,socket数据包、文件、文件夹、kafka等各种形式源数据,又可以将采集到的数据(下沉sink)输出到HDFS、hbase、hive、kafka等众多外部存储系统中
- 一般的采集需求,通过对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可以适用于大部分的日常数据采集场景
3、 Flume原理
对于每一个Agent来说,它就是一共独立的守护进程(JVM),它从客户端接收数据,如下图所示flume的基本模型:
![785ddc77e008f3aab25c905ab8eff6e1.png](https://i-blog.csdnimg.cn/blog_migrate/f3f261a789c1d8749f81f396f61956fa.png)
- )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agent所连接起来形成
- )每一个agent相当于一个数据(被封装成Event对象)传递员,内部有三个组件:
-
- Source:采集组件,用于跟数据源对接,以获取数据
- Sink:下沉组件,用于往下一级agent传递数据或者往最终存储系统传递数据
- Channel:传输通道组件,用于从source将数据传递到sink
-
![46a632b06bd713f1e1d0371cce9338b9.png](https://i-blog.csdnimg.cn/blog_migrate/2429446ddb69eaf6dfbf477eac881968.jpeg)
3. )Event定义
一行文本内容会被反序列化成一个event(序列化是将对象状态转换为可保持或传输的格式的过程,与序列化相对的是反序列化,这两个过程结合起来,可以轻松的存储和传输数据),event默认最大为2048字节(可修改),超过,则会切割,剩下的会被放到下一个event中,默认编码是UTF-8。
4)Flume采集结构图
简单结构(单个agent采集数据):
![7145ae9ad43b4cba3cdd4b6d4a1c04c0.png](https://i-blog.csdnimg.cn/blog_migrate/a081be9034763d6c022ce0fd06cbf70b.jpeg)
复杂结构(多级agent串联):
![bfbbeaa127ec803066163917b12e1da2.png](https://i-blog.csdnimg.cn/blog_migrate/975a58353a6f294211cf85811598c07f.jpeg)