日志采集框架Flume技术

一、Flume简介

（1） Flume提供一个分布式的，可靠的，对大数据量的日志进行高效收集、聚集、移动的服务，Flume只能在Unix环境下运行。

（2）Flume基于流式架构，容错性强，也很灵活简单。

（3）Flume结合Kafka用来实时进行数据收集，Spark、Storm用来实时处理数据，impala用来实时查询。

Flume详解官网：flume.apache.org

        Flume is a distributed, reliable, and available service for efficiently collecting, aggregating, and moving large amounts of log data. It has a simple and flexible architecture based on streaming data flows. It is robust and fault tolerant with tunable reliability mechanisms and many failover and recovery mechanisms. It uses a simple extensible data model that allows for online analytic application.

        Flume是一种分布式、可靠且可用的服务，用于高效地收集、聚合和移动大量日志数据。它具有基于流数据流的简单灵活的体系结构。它具有健壮性和容错性，具有可调的可靠性机制和许多故障切换和恢复机制。它使用一个简单的可扩展数据模型，允许在线分析应用程序。

二、Flume软件采集数据的实现流程

        source会将数据源中的数据封装成为一个又一个的event。所以source、channel、sink之间流动的并不是源数据，而是event。event是传输单元，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。

Flume四大角色：source、channel、sink、event。其中channel避免数据量过大而破坏sink。

三、Flume传输过程

        source监控某个文件或数据流，数据源产生新的数据，拿到该数据后，将数据封装在一个Event中，并put到channel后commit提交，channel队列先进先出（保证数据的顺序性），sink去channel队列中拉取数据，然后写入到目的地中。

        在同一时刻，可以启动多个flume程序，每一个flume进程称之为一个agent，在每一个agent中都有source 、channel、sink 、event。