1）大数据之Flume（概述）

概述：

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，简单灵活。
• 为什么选择flume：
  
  Flume最主要的作用就是：实时读取服务器本地磁盘的数据，写入到HDFS。

组成架构

• Flume的组成架构图(简单)：
  
• Flume的组成架构图(详细)：
  
• Flume架构中的组件：
  • Agent：
    • Agent是一个JVM进程，它以事件的形式将数据从源头传输到目的地，是Flume传输的基本数据单位
  • 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。
  • 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，它可以同时处理几个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是位于内存中的队列，速度快，若机器宕机则丢失数据
      • File Channel将所有事件写入磁盘，速度慢，但不会丢失数据
  • Sink：
    • Sink不断地轮询Channel中的时间，并批量地移除它们，并将这些事件批量地写入存储或索引系统，或者被发送到另一个Flume Agent。
    • Sink是完全事务性的。在Sink批量删除Channel数据之前，每个Sink用Channel启动一个事物，一旦批量数据完成写入存储或索引系统，或者被发送到另一个Flume Agent，Sink就利用Channel提交事物，Channel会在事物在提交完之后会在自己的内部缓冲区删除事件。
    • Sink组间的目的地包括：HDFS、logger 、avro、thrift、ipc、file、Hbase等

拓扑结构

FlumeAgent内部原理

如图：