Flume NG 架构

介绍

     Apache的Flume是一个分布式的，质量可靠，可有效地收集，汇总和来自许多不同来源的大量日志数据到集中的数据存储系统。目前，Flume是在Apache项目孵化。

架构

     数据流模型

     Flume事件被定义为一个数据流的单位,有一个字节的有效载荷和一个可选字符串属性。Flume Agent是一个（JVM进程，连接数据源及数据源的下一个目的地。

     Flume处理Web服务器的外部源的事件。外部源发送事件按照Flume源可以识别的格式。 例如：Avror的Flume 源，可以用来接收Avro的客户端或Flume代理。当Flume源接收到一个事件，它存储到一个或多个通道。通道是一个被动的存储，直到被Flume Sink处理。 JDBC的通道就是一个例子 - 它使用文件系统支持数据库。Sink从通道获得事件 ，放到像HDFS的外部库（通过Flume HDFS Sink）或转发到下Flume代理（下一跳）。在代理内部，Source与Sink异步传输通过通道。

     复杂流

     Flume到达最终目的地之前，允许用户建立多跳流活动，通过多个代理。它还允许扇入和扇出流量，内容路由和备份路由以防失败（故障转移）。

     可靠性

     在每个代理中都会存在事件，事件在通道中。事件在流中存在，然后传送到下一个代理或终端库（如HDFS）。只有在下一个代理通道或终端库存储才从通道中删除事件。这是一个单跳消息传递语义在Flume中提供端至端的流的可靠性。Flume使用事务的方式，以保证可靠的交付事件。源和Sink的封装在一个事务中存储/检索，分别放置在通道中。这将确保事件集可靠地传递从点到点。在一个多跳的流中，前一跳及源的下一跳的情况下都有其事物的运行，以确保数据的安全存储通道。

    可恢复

    事件存储在通道中，可以从失败中恢复。Flume支持持久的JDBC通道，这是一个关系数据库支持。还有一个内存通道，它只是存储在内存中的队列，这使得速度更快，但仍留在内存通道不能恢复。