flume基本介绍

flume是一个日志收集的框架，配置简单，在大数据很多场景下都有应用，api也很简单，可以移步到官方文档中查看，但是在flume的应用中，发现有两个弊端，①配置只支持配置文件的方式，无法嵌入逻辑，如采集某个字段，将日志进行逐条过滤等；②偶尔出现丢失数据的情况，尤其是在对接kafka的场景下；针对第一种，可以采用logstash的技术，可以完成写逻辑，过滤等需求；

在一个完整的大数据处理系统中，除了hdfs+mapreduce+hive组成分析系统的核心之外，还需要数据采集、结果数据导出、任务调度等不可或缺的辅助系统，而这些辅助工具在hadoop生态体系中都有便捷的开源框架，如图所示：

1. 日志采集框架Flume

1.1 Flume介绍

1.1.1 概述

Flume是一个分布式、可靠、和高可用的海量日志采集、聚合和传输的系统。

Flume可以采集文件，socket数据包等各种形式源数据，又可以将采集到的数据输出到HDFS、hbase、hive、kafka等众多外部存储系统中

一般的采集需求，通过对flume的简单配置即可实现

Flume针对特殊场景也具备良好的自定义扩展能力，因此，flume可以适用于大部分的日常数据采集场景

 

1.1.2 运行机制

1、 Flume分布式系统中最核心的角色是agent，flume采集系统就是由一个个agent所连接起来形成

2、 每一个agent相当于一个数据传递员，内部有三个组件：

a) Source：采集源，用于跟数据源对接，以获取数据

b) Sink：下沉地，采集数据的传送目的，用于往下一级agent传递数据或者往最终存储系统传递数据

c) Channel：angent内部的数据传输通道，用于从source将数据传递到sink

1.1.4 Flume采集系统结构图

 

1. 简单结构

单个agent采集数据

2. 复杂结构

多级agent之间串联

简单介绍就到这里，请关注后续文章：flume的简单配置