1 .背景?
flume是由cloudera軟件公司產(chǎn)出的可分布式日志收集系統(tǒng)漾月，后與2009年被捐贈了apache軟件基金會，為hadoop相關(guān)組件之一炭菌。尤其近幾年隨著flume的不斷被完善以及升級版本的逐一推出姆怪，特別是flume-ng;同時flume內(nèi)部的各種組件不斷豐富杯道，用戶在開發(fā)的過程中使用的便利性得到很大的改善，現(xiàn)已成為apache top項目之一.
2 .概述
1. ?什么是flume?
apache Flume 是一個從可以收集例如日志豹爹，事件等數(shù)據(jù)資源裆悄，并將這些數(shù)量龐大的數(shù)據(jù)從各項數(shù)據(jù)資源中集中起來存儲的工具/服務(wù)，或者數(shù)集中機制臂聋。flume具有高可用光稼，分布式崖技，配置工具，其設(shè)計的原理也是基于將數(shù)據(jù)流钟哥，如日志數(shù)據(jù)從各種網(wǎng)站服務(wù)器上匯集起來存儲到HDFS迎献，HBase等集中存儲器中。其結(jié)構(gòu)如下圖所示：
2.應(yīng)用場景
比如我們在做一個電子商務(wù)網(wǎng)站腻贰，然后我們想從消費用戶中訪問點特定的節(jié)點區(qū)域來分析消費者的行為或者購買意圖. 這樣我們就可以更加快速的將他想要的推送到界面上吁恍，實現(xiàn)這一點，我們需要將獲取到的她訪問的頁面以及點擊的產(chǎn)品數(shù)據(jù)等日志數(shù)據(jù)信息收集并移交給Hadoop平臺上去分析.而Flume正是幫我們做到這一點〔パ荩現(xiàn)在流行的內(nèi)容推送冀瓦，比如廣告定點投放以及新聞私人定制也是基于次，不過不一定是使用FLume,畢竟優(yōu)秀的產(chǎn)品很多写烤，比如facebook的Scribe翼闽，還有Apache新出的另一個明星項目chukwa，還有淘寶Time Tunnel洲炊。
3.Flume的優(yōu)勢
1. ?Flume可以將應(yīng)用產(chǎn)生的數(shù)據(jù)存儲到任何集中存儲器中感局，比如HDFS,HBase
2. ?當(dāng)收集數(shù)據(jù)的速度超過將寫入數(shù)據(jù)的時候，也就是當(dāng)收集信息遇到峰值時暂衡，這時候收集的信息非常大询微，甚至超過了系統(tǒng)的寫入數(shù)據(jù)能力，這時候狂巢，F(xiàn)lume會在數(shù)據(jù)生產(chǎn)者和數(shù)據(jù)收容器間做出調(diào)整撑毛，保證其能夠在兩者之間提供一共平穩(wěn)的數(shù)據(jù).
3. ? 提供上下文路由特征
4. ? Flume的管道是基于事務(wù)，保證了數(shù)據(jù)在傳送和接收時的一致性.
5. ? Flume是可靠的唧领，容錯性高的藻雌，可升級的，易管理的,并且可定制的斩个。
4. Flume具有的特征：
1. Flume可以高效率的將多個網(wǎng)站服務(wù)器中收集的日志信息存入HDFS/HBase中
2. 使用Flume胯杭，我們可以將從多個服務(wù)器中獲取的數(shù)據(jù)迅速的移交給Hadoop中
3. 除了日志信息，F(xiàn)lume同時也可以用來接入收集規(guī)模宏大的社交網(wǎng)絡(luò)節(jié)點事件數(shù)據(jù)萨驶，比如facebook,twitter,電商網(wǎng)站如亞馬遜歉摧，flipkart等
4. 支持各種接入資源數(shù)據(jù)的類型以及接出數(shù)據(jù)類型
5. 支持多路徑流量，多管道接入流量腔呜，多管道接出流量叁温，上下文路由等
6. 可以被水平擴展
3. Flume的結(jié)構(gòu)
1. flume的外部結(jié)構(gòu)：
如上圖所示，數(shù)據(jù)發(fā)生器（如：facebook,twitter）產(chǎn)生的數(shù)據(jù)被被單個的運行在數(shù)據(jù)發(fā)生器所在服務(wù)器上的agent所收集核畴，之后數(shù)據(jù)收容器從各個agent上匯集數(shù)據(jù)并將采集到的數(shù)據(jù)存入到HDFS或者HBase中
2. Flume 事件
事件作為Flume內(nèi)部數(shù)據(jù)傳輸?shù)淖罨締卧?它是由一個轉(zhuǎn)載數(shù)據(jù)的字節(jié)數(shù)組(該數(shù)據(jù)組是從數(shù)據(jù)源接入點傳入膝但，并傳輸給傳輸器，也就是HDFS/HBase)和一個可選頭部構(gòu)成.
典型的Flume 事件如下面結(jié)構(gòu)所示：
我們在將event在私人定制插件時比如：flume-hbase-sink插件是谤草，獲取的就是event然后對其解析跟束，并依據(jù)情況做過濾等莺奸，然后在傳輸給HBase或者HDFS.
3.Flume Agent
我們在了解了Flume的外部結(jié)構(gòu)之后,知道了Flume內(nèi)部有一個或者多個Agent,然而對于每一個Agent來說,它就是一共獨立的守護進程(JVM),它從客戶端哪兒接收收集,或者從其他的 Agent哪兒接收,然后迅速的將獲取的數(shù)據(jù)傳給下一個目的節(jié)點sink,或者agent.?如下圖所示flume的基本模型
Agent主要由:source,channel,sink三個組件組成.
Source:
從數(shù)據(jù)發(fā)生器接收數(shù)據(jù),并將接收的數(shù)據(jù)以Flume的event格式傳遞給一個或者多個通道channal,Flume提供多種數(shù)據(jù)接收的方式,比如Avro,Thrift,twitter1%等
Channel:
channal是一種短暫的存儲容器,它將從source處接收到的event格式的數(shù)據(jù)緩存起來,直到它們被sinks消費掉,它在source和sink間起著一共橋梁的作用,channal是一個完整的事務(wù),這一點保證了數(shù)據(jù)在收發(fā)的時候的一致性. 并且它可以和任意數(shù)量的source和sink鏈接. 支持的類型有: JDBC channel , File System channel , Memort channel等.
sink:
sink將數(shù)據(jù)存儲到集中存儲器比如Hbase和HDFS,它從channals消費數(shù)據(jù)(events)并將其傳遞給目標(biāo)地. 目標(biāo)地可能是另一個sink,也可能HDFS,HBase.
它的組合形式舉例:
以上介紹的flume的主要組件,下面介紹一下Flume插件:
1. Interceptors攔截器
用于source和channel之間,用來更改或者檢查Flume的events數(shù)據(jù)
2. 管道選擇器 channels Selectors
在多管道是被用來選擇使用那一條管道來傳遞數(shù)據(jù)(events).?管道選擇器又分為如下兩種:
默認管道選擇器: ?每一個管道傳遞的都是相同的events
多路復(fù)用通道選擇器: ?依據(jù)每一個event的頭部header的地址選擇管道.
3.sink線程
用于激活被選擇的sinks群中特定的sink,用于負載均衡.
----------------------------------------------------<完>-------------------------------------------------------
參考資料:
http://www.tutorialspoint.com/apache_flume/apache_flume_data_flow.htm
作者: gongxijun
請注明轉(zhuǎn)載自 http://www.cnblogs.com/gongxijun/p/5656778.html
