flume数据采集_Flume概述

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：

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：

1. ）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
2. ）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：
   1. 1. Source：采集组件，用于跟数据源对接，以获取数据
      2. 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
      3. Channel：传输通道组件，用于从source将数据传递到sink

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）：

复杂结构（多级agent串联）：