八、大数据之Flume-01

八、大数据之Flume-01

概述

1、Flume定义

​ Flume是Cloudera提供的一个高可用，高可靠的，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主要的作用就是：实时读取服务器本地磁盘的数据，将数据写入到HDFS。

2、Flume组成架构

​ Flume组成架构图如下：

（1）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，是Flume数据传输的基本单元。

​ Agent主要有3个部分组成，Source、Channel、Sink。

（2）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、thift、exec、jms、spooling、directory、netcat、sequence、generator、syslog、http、legacy。

（3）Channal

​ 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。Chnnal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。

​ Menory Channel是内存中的队列。Menory Channel 在不需要关心数据丢失情况下使用。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。因此在程序关闭或者宕机的情况下不会丢失数据。

（4）Sink

​ Sink不断地轮询Channel中地事件且批量地一处他们，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是完全事务性的。在从Channel批量删除诗句之前，每个Sink 用Channel启动一个事务。批量事件一旦成功写出到存储系统或者下一个Flume Agent，Sink就利用Channel提交事务。事务一旦被提交，该Channel从自己的内部缓冲区删除事件。

​ Sink组件的目的地包括hdfs、logger、avro、thrift、ipc、file、null、HBase、solr、自定义。

（5）Event

​ 传输单元，Flume数据传输的基本单元，以事件的形式将数据从源头送至目的地。

3、Flume拓扑结构

​ Flume的拓扑结构图如下：

​ 图 1 Flume Agent连接

​ 图 2 source，多channel、sink

​ 图 3 Flume负载均衡

​ 图 4 Flume Agent聚合

4、Flume Agent内部原理