flume的概述和运行机制

Flume 介绍

概述

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

运行机制

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相当于一个数据传递员，内部有三个组件：

   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

Flume 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