Hadoop - 【10】- Flume【1】--概述

一、概述

Flume是一个高效的，高可靠的，分布式的海量日志采集、聚合和传输的软件。

Flume的核心是把数据从数据源（source）收集过来， 再将收集到的数据送到指定的目的地（sink）。为了保证输送的过程一定会成功，在送到目的地（sink）之前，会先缓存数据（channel），待数据真正到达目的地（sinl）之后，flume在删除自己缓存的数据。

Flume支持定制各类数据发送方，用于收集各类型数据；同时， Flume支持定制各种数据接收方，用于最终存储数据。一般的采集需求，通过对flume的简单配置即可实现。针对特殊场景也具备良好的自定义拓展能力。因此，flume可以适合大部分的日常数据采集场景。

二、运行机制

Flume系统中核心的角色是agent，agent本身是一个java进程，一般运行在日志收集节点上。

每一个agent相当于一个数据传输员，内部有三个组件：

• Source:采集源，用于跟数据源对接，以获取数据；
• Sink:下沉地，采集数据的传送目的，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:agent的内部的数据传输通道，用于从source将数据传递到sink。

在整个数据的传输的过程中，流动的是event，它是Flume内部数据传输的最基本单元。event将传输的数据进行封装。如果是文本文件，通常是一行记录，event也是事务的基本单位。event从source，流向channel，再到sink，本身是一个字节数组，并携带headers（头信息）信息。event代表一个数据最小完整单元，从外部数据源来，向外部的目的地去。

一个完整的event包括:event headers, event body, event 信息， 其中国event信息就是flume收集到的日志记录。

三、Flume采集系统结构图

简单结构（单个agent采集数据）

复杂结构（多级agent之间串联）