分布式日志收集系统- Cloudera Flume 介绍

    Flume是Cloudera提供的日志收集系统，具有分布式、高可靠、高可用性等特点,对海量日志采集、聚合和传输, Flume支持在日志系统中定制各类数据发送方， 同时，Flume提供对数据进行简单处理，并写到各种数据接受方的能力.

 Flume 部署结构

  flume架构简单，可靠，灵活, 数据流(data flow）是flume中最主要的抽象,data flow描述了数据从产生，传输、处理并最终写入目的地的一条路径, 数据流由一系列逻辑节点组成，它们能对接受到的事件(EVENT)进行传输，聚合等操作(在上图中，实线描述了data flow)
   Agent: 用于采集数据，agent是flume中产生数据流的地方，同时，agent会将产生的数据流传输到collector。
  Collector: 用于接受数据，对数据进行聚合，往往会产生一个更大的流。

逻辑节点
   逻辑节点是一个非常灵活的抽象, 每一个逻辑节点都有两个组件组成(source 和 sink),source告诉逻辑节点从哪里去收集数据，sink告诉逻辑节点将数据发送到什么地方.在source与sink之间可以添加一些装饰器， 用于对经过的数据(event)做简单处理

 

逻辑节点与物理节点
   理解逻辑节点和物理节点之间的区别很重要，物理节点对应于一台机器上的单独的一个JVM进程, 通常一台物理机器对应一个物理节点, 物理节点可以作为逻辑节点的容器， 一个物理节点可以映射出多个逻辑节点，这些逻辑节点链接成一起， 形成数据流

flume 设计目标 【Reliability,Scalability,Manageability,Extensibility】
  Reliability：Flume提供3中数据可靠性选项，包括End-to-end, Store on failure和Best effort, 其中End-to-end使用了磁盘日志和接受端Ack的方式,保证Flume接受到的数据会最终到达目的.Store on failure在目的不可用的时候，数据会保持在本地硬盘。和End-to-end不同的是，如果是进程出现问题，Store on failure可能会丢失部分数据.Best effort不做任何QoS保证。
  Scalability：Flume的3大组件：collector、master和storage tier都是可伸缩的。需要注意的是，Flume中对事件的处理不需要带状态，它的Scalability可以很容易实现
  Manageability：Flume利用ZooKeeper和gossip，保证配置数据的一致性、高可用。同时，多Master，保证Master可以管理大量的节点.
  Extensibility：基于Java，用户可以为Flume添加各种新的功能，如通过继承Source，用户可以实现自己的数据接入方式，实现Sink的子类，用户可以将数据写往特定目标，同时，通过SinkDecorator，用户可以对数据进行预处理。