Hadoop进级教程之-Flume架构原理

Apache Flume是一个分布式的、可靠和易用的日志收集系统，用于将大量日志数据从许多不同的源进行收集、聚合，最终移动到一个集中的数据中心进行存储。Flume的使用不仅仅限于日志数据聚合，由于数据源是可定制的，Flume可以用于传输大量数据，包括但不限于网络流量数据、社交媒体生成的数据、电子邮件消息和几乎所有可能的数据源。

架构原理

Flume中最小的独立运行单位是Agent，Agent是一个JVM进程，运行在日志收集节点（服务器节点），其包含三个组件——Source（源）、Channel（通道）和Sink（接收地）。数据可以从外部数据源流入到这些组件，然后再输出到目的地。一个Flume单节点架构如图

Flume中传输数据的基本单位是event（如果是文本文件，通常是一行记录），event包括event头（headers）和event体（body），event头是一些key-value键值对，存储在Map集合中，就好比HTTP的头信息，用于传递与体不同的额外信息。event体为一个字节数组，存储实际要传递的数据。event的结构如图

event从Source流向Channel，再流向Sink，最终输出到目的地。event的数据流向如图

Source用于消费外部数据源中的数据（event，例如Web系统产生的日志），一个外部数据源（如Web服务器）可以以Source识别的格式向Source发送数据。

Channel用于存储Source传入的数据，当这些数据被Sink消费后则会自动删除。

Sink用于消费Channel中的数据，然后将其存放进外部持久化的文件系统中（例如HDFS、HBase和Hive等）。

Flume可以在一个配置文件中指定一个或者多个Agent，每个Agent都需要指定Source、Channel和Sink三个组件以及他们的绑定关系，从而形成一个完整的数据流。

Source、Channel和Sink根据功能的不同有不同的类型，Source组件根据数据源的不同，常用类型与描述如表

Channel组件根据存储方式的不同，常用类型与描述如表

Sink组件根据输出目的地的不同，常用类型与描述如表

Flume除了可以单节点直接采集数据外，也提供了多节点共同采集数据的功能，多个Agent位于不同的服务器上，每个Agent的Avro Sink将数据输出到了另一台服务器上的同一个Avro Source进行汇总，最终将数据输出到了HDFS文件系统中

此外，Flume还支持将数据流多路复用到一个或多个目的地，如图

下节课我们讲集中实战，感谢继续关注