01-Flume概述

# Flume 概述
## 1 Flume 定义
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。

![flume应用示例](https://hexo-img.obs.cn-east-3.myhuaweicloud.com/img/202204140942798.jpg)

Flume最主要的作用就是，实时读取服务器本地磁盘的数据，将数据写入到HDFS。

## 2 Flume 基础架构
Flume 组成架构如图所示
![Flume 组成架构](https://hexo-img.obs.cn-east-3.myhuaweicloud.com/img/202204140942701.jpg)
下面我们来详细介绍一下 Flume 架构中的组件：

### 2.1 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。

Agent 主要有 3 个部分组成， Source、 Channel、 Sink。

### 2.2 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、 jms、 spooling directory、 netcat、 sequence、generator、 syslog、 http、 legacy。

### 2.3 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
或索引系统、或者被发送到另一个 Flume Agent。

Sink 组件目的地包括 hdfs、 logger、 avro、 thrift、 ipc、 file、 HBase、 solr、自定
义。

### 2.4 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 以及 Kafka 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。
### 2.5 Event
传输单元， Flume 数据传输的基本单元，以 Event 的形式将数据从源头送至目的地。Event 由 Header 和 Body 两部分组成， Header 用来存放该 event 的一些属性，为 K-V 结构，Body 用来存放该条数据，形式为字节数组。
![](https://hexo-img.obs.cn-east-3.myhuaweicloud.com/img/202204140942594.jpg)

大数据学习

导航

最近发表

友情链接