使用Flume NG构建数据收集系统(第一部分 Flume介绍) 转载
转载自：http://blog.csdn.net/xiaochawan/article/details/8986489好文章，留下备忘。
Flume是什么
[*]收集、聚合事件流数据的分布式框架
[*]通常用于log数据
[*]采用ad-hoc方案，明显优点如下：
[*]可靠的、可伸缩、可管理、可定制、高性能
[*]声明式配置，可以动态更新配置
[*]提供上下文路由功能
[*]支持负载均衡和故障转移
[*]功能丰富
[*]完全的可扩展
核心概念
[*]Event
[*]Client
[*]Agent
[*]Sources、Channels、Sinks
[*]其他组件：Interceptors、Channel Selectors、Sink Processor
核心概念：Event
Event是Flume数据传输的基本单元。flume以事件的形式将数据从源头传送到最终的目的。Event由可选的hearders和载有数据的一个byte array构成。
[*]载有的数据对flume是不透明的
[*]Headers是容纳了key-value字符串对的无序集合，key在集合内是唯一的。
[*]Headers可以在上下文路由中使用扩展
view plaincopy
[*]public interface Event {
[*] public Map<String, String> getHeaders();
[*] public void setHeaders(Map<String, String> headers);
[*] public byte[] getBody();
[*] public void setBody(byte[] body);
[*]}
核心概念：Client
Clinet是一个将原始log包装成events并且发送它们到一个或多个agent的实体。
[*]例如
[*]Flume log4j Appender
[*]可以使用Client SDK (org.apache.flume.api)定制特定的Client
[*]目的是从数据源系统中解耦Flume
[*]在flume的拓扑结构中不是必须的
核心概念：Agent
一个Agent包含Sources, Channels, Sinks和其他组件，它利用这些组件将events从一个节点传输到另一个节点或最终目的。
[*]agent是flume流的基础部分。
[*]flume为这些组件提供了配置、生命周期管理、监控支持。
核心概念：Source
Source负责接收events或通过特殊机制产生events，并将events批量的放到一个或多个Channels。有event驱动和轮询2种类型的Source
[*]不同类型的Source:
[*]和众所周知的系统集成的Sources: Syslog, Netcat
[*]自动生成事件的Sources: Exec, SEQ
[*]用于Agent和Agent之间通信的IPC Sources: Avro
[*]Source必须至少和一个channel关联
核心概念：Channel
Channel位于Source和Sink之间，用于缓存进来的events，当Sink成功的将events发送到下一跳的channel或最终目的，events从Channel移除。
[*]不同的Channels提供的持久化水平也是不一样的:
[*]Memory Channel: volatile
[*]File Channel: 基于WAL（预写式日志Write-Ahead Logging）实现
[*]JDBC Channel: 基于嵌入Database实现
[*]Channels支持事务
[*]提供较弱的顺序保证
[*]可以和任何数量的Source和Sink工作
核心概念：Sink
Sink负责将events传输到下一跳或最终目的，成功完成后将events从channel移除。
[*]不同类型的Sinks:
[*]存储events到最终目的的终端Sink. 比如: HDFS, HBase
[*]自动消耗的Sinks. 比如: Null Sink
[*]用于Agent间通信的IPC sink: Avro
[*]必须作用与一个确切的channel
Flow可靠性
[*]可靠性基于:
[*]Agent间事务的交换
[*]Flow中，Channel的持久特性
[*]可用性:
[*]内建的Load balancing支持
[*]内建的Failover支持
核心概念：Interceptor
用于Source的一组Interceptor，按照预设的顺序在必要地方装饰和过滤events。
[*]内建的Interceptors允许增加event的headers比如：时间戳、主机名、静态标记等等
[*]定制的interceptors可以通过内省event payload（读取原始日志），在必要的地方创建一个特定的headers。
核心概念：Channel Selector
Channel Selector允许Source基于预设的标准，从所有Channel中，选择一个或多个Channel
[*]内建的Channel Selectors:
[*]复制Replicating: event被复制到相关的channel
[*]复用Multiplexing: 基于hearder，event被路由到特定的channel
核心概念：Sink Processor
多个Sink可以构成一个Sink Group。一个Sink Processor负责从一个指定的Sink Group中激活一个Sink。Sink Processor可以通过组中所有Sink实现负载均衡；也可以在一个Sink失败时转移到另一个。
[*]Flume通过Sink Processor实现负载均衡（Load Balancing）和故障转移（failover）
[*]内建的Sink Processors:
[*]Load Balancing Sink Processor – 使用RANDOM, ROUND_ROBIN或定制的选择算法
[*]Failover Sink Processor
[*]Default Sink Processor（单Sink）
[*]所有的Sink都是采取轮询（polling）的方式从Channel上获取events。这个动作是通过Sink Runner激活的
[*]Sink Processor充当Sink的一个代理
总结
页:
[1]