flume学习一：flume基础知识

一．Flume使用的前提：

Flume使用 java编写，其需要运行在 Java1.6或更高版本之上。

二．Flume的定义：

Flume是一个分布式、可靠、高效可用的海量日志采集、聚合和传输系统，支持在系统中定制各类数据发送方，用于搜集数据；同时，flume提供对数据进行加单处理，并写到各种数据接受方（可定制）的能力。

核心一句话：将数据从数据源收集过来，再送到目的地。为了保证输送一定成功，在送到目的地之前，会先缓冲数据，待数据真正到的目的地后，删除自己缓冲的数据。

三．组件及作用：

1.source：从client端收集数据，传递个channel。直接读取：文件source的有两种方式：

ExecuteSource:以运行linux命令的方式，持续的输出最新的数据，如tail –f 文件名指令，在这种方式下取的文件名必须是指定的。

SpoolSource：检测配置的目录下新增的文件，并将文件中的数据读取出来。

2.channel：缓冲数据，连接sources和sinks，有点像队列。类型有MemoryChannel，JDBC Channel，FileChannel等。

3. sink：从channel收集数据，运行一个独立线程。可以向文件系统、数据库、hadoop存储数据。

在日志数据较少时，可以将数据存储在文件系统中，并且设定一定的时间间隔保存数据。

在日志数据较多时，可以将相应的日志存储到hadoop中，便于日后进行相应的数据分析。

组件名称功能介绍

四．Flume的整体构成图

源将事件写到一个多或者多个通道中。

接收器只从一个通道接收事件。

代理可能会有多个源、通道与接收器

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目的地。

一个Event由MapHeaders和byte[] body组成，其中Headers保存了Event的属性，body保存了Event的内容。

。

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。

Channel位于sources和sinks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。

Sink：负责将events传输到吓一跳或最终目的，成功完成后将events从channel移除。

五．常见错误：

Could not configure sink sink1 due to:No channel configured for sink: sink1
org.apache.flume.conf.ConfigurationException: No channel configured for sink:sink1

则仔细查看配置文件，一个source可以对应多个channel，所以是channels，agent.sources.source1.channels = channel1，

但是一个sink对应一个channel，所以是channel，agent.sinks.sink1.channel =channel1，请注意。

六．常见各组件支持的类型：

Flume Source 支持的类型：

Flume Channel支持的类型：

Flume Sink支持的类型

七各种组件的特性：

(1)可靠性

当节点出现故障时，日志能够被传送到其他节点上而不会丢失。Flume提供了三种级别的可靠性保障，从强到弱依次分别为：end-to-end（收到数据agent首先将event写到磁盘上，当数据传送成功后，再删除；如果数据发送失败，可以重新发送。），Store on failure（这也是scribe采用的策略，当数据接收方crash时，将数据写到本地，待恢复后，继续发送），Best effort（数据发送到接收方后，不会进行确认）。

(2)可扩展性

Flume采用了三层架构，分别为agent，collector和storage，每一层均可以水平扩展。其中，所有agent和collector由master统一管理，这使得系统容易监控和维护，且master允许有多个（使用ZooKeeper进行管理和负载均衡），这就避免了单点故障问题。

(3)可管理性

所有agent和colletor由master统一管理，这使得系统便于维护。多master情况，Flume利用ZooKeeper和gossip，保证动态配置数据的一致性。用户可以在master上查看各个数据源或者数据流执行情况，且可以对各个数据源配置和动态加载。Flume提供了web和shell scriptcommand两种形式对数据流进行管理。

(4)功能可扩展性

用户可以根据需要添加自己的agent，collector或者storage。此外，Flume自带了很多组件，包括各种agent（file， syslog等），collector和storage（file，HDFS等）。