数据收集之flume与kafka

概念

Flume是实时日志收集系统，管道流方式，提供了很多的默认实现。

Kafka是可持久化的分布式消息队列。

对比

Kafka 是一个通用的系统，可以有许多生产者和消费者共享多个主题。相比之下，Flume是一个专用工具，被设计为旨在往HDFS,HBase发送数据。如果数据被多个系统消费，使用kafka；如果数据被设计给Hadoop使用，使用Flume。

使用Kafka意味着你准备好了编写你自己的生产者和消费者代码。如果已经存在的Flume Sources和Sinks满足你的需求，并且你更喜欢不需要任何开发的系统，请使用Flume。

Flume可以使用拦截器实时处理数据，这些对数据屏蔽或者过量是很有用的。Kafka需要外部的流处理系统才能做到。

Flume不支持副本事件，如果Flume代理的一个节点崩溃了，即使使用了可靠的文件管道方式，你也将丢失这些事件直到你恢复这些磁盘。如果你需要一个高可靠行的管道，那么使用Kafka是个更好的选择。

应用

Flume和Kafka可以结合起来使用，通常会使用Flume + Kafka的方式，如果为了利用Flume已有的写HDFS功能，也可以使用Kafka + Flume的方式。