Flume集成SparkStreaming的两种方式

SparkStreaming +Flume集成的push模式和poll模式

介绍:

官方文档:
http://spark.apache.org/docs/2.0.2/streaming-flume-integration.html

Apache Flume 是一种分布式可靠的收集、聚合、移动大量日志数据的服务.

Flume and Spark Streaming to receive(接收) data from Flume：
两种方法： push和poll

• 推模式(Flume push SparkStreaming)与拉模式（SparkStreaming poll Flume）比较 ：

  采用推模式：推模式的理解就是Flume作为缓存，存有数据。监听对应端口，如果服务可以链接，就将数据push过去。(简单，耦合要低)，缺点是SparkStreaming 程序没有启动的话，Flume端会报错，同时可能会导致Spark Streaming 程序来不及消费的情况。

  采用拉模式：拉模式就是自己定义一个sink，SparkStreaming自己去channel里面取数据，根据自身条件去获取数据，稳定性好。

一、Flume-push 推送式方法

1.flume配置

agent.sinks = avroSink
agent.sinks.avroSink.type = avro
agent.sinks.avroSink.channel = memoryChannel
agent.sinks.avroSink.hostname = <chose