Kafka与Flume

  Kafka和Flume都是日志系统。Kafka是分布式消息中间件，自带存储，提供push和pull存取数据功能。Flume是管道流方式，分为agent（数据采集器）,collector（数据简单处理和写入）,storage（存储器）三部分，每一部分都是可以定制的。比如agent采用RPC（Thrift-RPC）、text（文件）等，storage指定用HDFS做。Kafka做日志缓存应该是更为合适的，但是 Flume的数据采集部分做的很好，可以定制很多数据源，减少开发量。目前比较流行Flume+Kafka模式。

• Kafka是一个非常通用的系统，可以有许多生产者和很多的消费者共享多个主题Topics。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。它对HDFS有特殊的优化，并且集成了Hadoop的安全特性。所以如果数据被多个系统消费的话，使用Kafka；如果数据被设计给Hadoop使用，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。
• Kafka和Flume都是可靠的系统，通过适当的配置能保证零数据丢失。然而，Flume不支持副本事件。于是，如果Flume代理的一个节点奔溃了，即使使用了可靠的文件管道方式，也将丢失这些事件直到恢复这些磁盘。如果需要一个高可靠行的管道，那么使用Kafka是个更好的选择。

问题：日志处理为什么要同时使用Flume和Kafka，是否可以只用Kafka 不使用Flume？
当时想到的就只用Flume的接口多，不管是输入接口(socket 和 文件)以及输出接口(Kafka/HDFS/HBase等)。考虑到现有系统业务发展，为了后面的灵活扩展，在系统设计时留有一定的扩展性感觉更重要。可能使用Flume+kafka架构相对只使用Kafka会多占用1-2台机器做Flume日志采集，但是为了方便以后日志数据处理方式的扩展，可以采用Flume+kafka架构。

　　Flume ：管道 ----个人认为比较适合有多个生产者场景，或者有写入Hbase、HDFS和Kafka需求的场景。
　　Kafka ：消息队列-----由于Kafka是Pull模式，因此适合有多个消费者的场景。