大数据之Flume技术 （1）基本概述以及基本架构

Flume概述

一、 Flume定义

 Flume是Cloudera提供的一个高可用的，高可靠（failover）的，分布式的海量日志采集、聚合和传输的系统。Flume基于流式架构，灵活简单。

 Flume一般运用于读取服务器磁盘里的数据并写入到HDFS当中；

二、 Flume基本架构

Flume组成架构如下图所示：

Agent

 Agent是一个JVM进程，它以事件的形式将数据从源头送至目的。

 Agent主要有3个部分组成，Source、Channel、Sink。

Source

 Source是负责接收数据到Flume Agent的组件。Source组件可以处理各种类型、各种格式的日志数据，包括avro、thrift、exec、jms、spooling directory、netcat、sequence generator、syslog、http、legacy。

Sink

 Sink不断地轮询Channel中的事件且批量地移除它们，并将这些事件批量写入到存储或索引系统、或者被发送到另一个Flume Agent。
Sink组件目的地包括hdfs、logger、avro、thrift、ipc、file、HBase、solr、自定义。

Channel

 Channel是位于Source和Sink之间的缓冲区。因此，Channel允许Source和Sink运作在不同的速率上。Channel是线程安全的，可以同时处理几个Source的写入操作和几个Sink的读取操作。

 Flume自带两种Channel：Memory Channel和File Channel。

 Memory Channel是内存中的队列。Memory Channel在不需要关心数据丢失的情景下适用。如果需要关心数据丢失，那么Memory Channel就不应该使用，因为程序死亡、机器宕机或者重启都会导致数据丢失。

 File Channel将所有事件写到磁盘。因此在程序关闭或机器宕机的情况下不会丢失数据。

Event

 传输单元，Flume数据传输的基本单元，以Event的形式将数据从源头送至目的地。Event由Header和Body两部分组成，Header用来存放该event的一些属性，为K-V结构，Body用来存放该条数据，形式为字节数组。