Flume基础知识

什么是Flume

个人理解是个 分布式的日志传输工具

Flume的组件

Agent

• agent就是一个启动的flumejvm进程，负责数据流的传输
• agent可以定义多个组件，常用的是source，channel，sink

source

source负责数据源的对接，根据数据源的类型不同，需要使用不同类型的source

• 监控某个端口数据：netcat source
• 监控某个目录，一旦有新文件就上传：spooling directory source
• 监控某个目录日志的变化：tairdir source
• 对接上一个agent：avro source

sink

sink负责将数据写入到指定的输出位置，根据输出目的地的不同，需要使用不同的sink。一个sink只能去一个channel取数据。

• 使用loooger记录到文件或者控制台：logger sink
• 将数据写入到HDFS：HDFS sink
• 将数据写入HBase： HBase sink
• 将数据写入到文件中：File sink
• 将数据写入到下一个agent：Avro sink

channel

是source和sink的连接，负责缓冲event，source将数据放入到channel，sink主动从channel取，当sink成功从channel取出数据后，channel的event会被删除。
flume中有三种 channel，分别为Memory Channel、File Channel以及Kafka。根据字面意思，memmory 模式中event保存在内存中，但是会丢失数据。file模式event是存储在硬盘中，可靠但是速度慢 。

event

event是flume数据传输的基本单位，由map和byte[]组成。

channel selector

一个source需要向多个channel写入数据时，需要使用channel selector选择合适的channel，常用两个类型

• replication：复制的选择器，所有channel都写入一样的数据
• multiplexing：根据event的信息和配置的参数进行匹配，匹配成功放到指定的channe

sinkprocessor

多个sink组成一个sink组，每个sink只能指定一个channel，当多个sink对应相同的channel时，需要配置sinkprocessor决定event分配给哪一个sink