Flume架构、Flume工作原理、Flume应用场景

转自： https://blog.youkuaiyun.com/zjh_746140129/article/details/83832418

一、Flume概述
Flume是由 Cloudera 提供的一个分布式、高可靠、高可用的服务，用于分布式的海量日志的高效收集、聚合、移动系统。简单来说，Flume 就是一个针对日志数据进行采集和汇总的一个工具（把日志从A地方移动到B地方）

Flume 官网：http://flume.apache.org/ 

Flume 官方文档：http://flume.apache.org/FlumeUserGuide.html

Flume 特点：
(1)、可靠性：当节点出现故障时，日志能够被传送到其他节点上而不会丢失。Flume提供了三种级别的可靠性保障，从强到弱依次分别为：

①.end-to-end（收到数据agent首先将event写到磁盘上，当数据传送成功后，再删除；如果数据发送失败，可以重新发送）； 

②.Store on failure（这也是scribe采用的策略，当数据接收方crash时，将数据写到本地，待恢复后，继续发送）； 

③.Best effort（数据发送到接收方后，不会进行确认）。

(2)、可扩展性：Flume采用了三层架构，分别为agent，collector和storage，每一层均可以水平扩展所有agent和collector由master统一管理，这使得系统容易监控和维护，且master允许有多个（使用ZooKeeper进行管理和负载均衡），这就避免了单点故障问题。

(3)、可管理性 

①.所有agent和colletor由master统一管理，这使得系统便于维护。 

②.多master情况，Flume利用ZooKeeper和gossip，保证动态配置数据的一致性。 

③.用户可以在master上查看各个数据源或者数据流执行情况，且可以对各个数据源配置和动态加载。 

④.Flume提供了web 和shell script command两种形式对数据流进行管理。①

(4)、功能可扩展性 

①.用户可以根据需要添加自己的agent，collector或者storage。 

②.此外，Flume自带了很多组件，包括各种agent（file， syslog等），collector和storage（file，HDFS等）。

(5)、文档丰富，社区活跃 

Flume 是Apache下的一个顶级项目，已经成为 Hadoop 生态系统的标配，它的文档比较丰富，社区比较活跃，方便我们学习。

 

主要的核心概念：
Event：flume最基本的数据单元，带有一个可选的消息头（headers）。如果是文本，event通常是一行记录，event也是事务的基本单位。

Flow：Event从源点到达目的点的迁移的抽象。

Client：操作位于源点处的Event，将其发送到Flume Agent。

Agent：一个独立的Flume进程，包含组件Source、Channel、Sink。

Source：用来消费传递到该组件的Event，完成对数据的收集，分成transtion和event打入到channel之中。不同的 source，可以接受不同的数据格式。

Channel:主要提供一个队列的功能，对source提供中的数据进行简单缓存，作用是保证source到sink的数据传输过程一定能成功。

Sink：取出Channel中的数据，进行相应的存储文件系统、数据库等。

 

 

二、Flume架构
     

 

三、Flume工作原理
         Flume的核心就是一个agent，这个agent对外有两个进行交互的地方，一个是接受数据的输入——source，一个是数据的输出sink，sink负责将数据发送到外部指定的目的地。source接收到数据之后，将数据发送给channel，chanel作为一个数据缓冲区会临时存放这些数据，随后sink会将channel中的数据发送到指定的地方—-例如HDFS等，注意：只有在sink将channel中的数据成功发送出去之后，channel才会将临时数据进行删除，这种机制保证了数据传输的可靠性与安全性。

 

四、Flume应用场景
————————————————
版权声明：本文为优快云博主「zjh_746140129」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.youkuaiyun.com/zjh_746140129/article/details/83832418