一、Flume是什么

        Flume是Cloudera提供的一个高可用的，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。

        简单来说，flume是一个分布式的实时数据采集系统。flume最主要的作用就是，实时读取服务器本地磁盘中的数据，上传到hdfs。

        flume的核心是，搞清楚采集，收集，读取的数据从哪里来，配置合适类型的source；根据数据目的地，配置合适的sink；在送到目的地之前，会先缓存数据(channel),待数据真正到达目的地后，flume再删除己缓存的数据。

 

 

 

二、Flume架构

 

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。

        启动agent之后，进程名称：Application

        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、thrift、exec（execute）、jms、spooling directory、netcat(读取端口数据)、sequence generator、syslog、http、legacy。

3 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。

4 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批量删除数据之前，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。