Appache Flume 中文介紹（轉）

Flume 是什麼

       Apache Flume是一個高可靠、高可用的分佈式的海量日誌收集、聚合、傳輸系統。它能夠從不一樣的日誌源採集數據並集中存儲。

Flume也算是Hadoop生態系統的一部分，源於Cloudera，目前是Apache基金會的頂級項目之一。Flume有兩條產品線，0.9.x版本和1.x版本。

官網:http://flume.appache.org/

• 收集、聚合事件流數據的分佈式框架
• 一般用於log數據
• 採用ad-hoc方案，明顯優勢以下：
  • 可靠的、可伸縮、可管理、可定製、高性能
  • 聲明式配置，能夠動態更新配置
  • 提供上下文路由功能
  • 支持負載均衡和故障轉移
  • 功能豐富
  • 徹底的可擴展

核心概念

• Event
• Client
• Agent
  • Sources、Channels、Sinks
  • 其餘組件：Interceptors、Channel Selectors、Sink Processor

核心概念：Event

Event是Flume數據傳輸的基本單元。flume以事件的形式將數據從源頭傳送到最終的目的。Event由可選的hearders和載有數據的一個byte array構成。

• 載有的數據對flume是不透明的
• Headers是容納了key-value字符串對的無序集合，key在集合內是惟一的。
• Headers能夠在上下文路由中使用擴展

1   public interface Event { 2         public Map<String, String> getHeaders(); 3         public void setHeaders(Map<String, String> headers); 4         public byte[] getBody(); 5         public void setBody(byte[] body); 6     }  

 

1     public interface Event { 2         public Map<String, String> getHeaders(); 3         public void setHeaders(Map<String, String> headers); 4         public byte[] getBody(); 5         public void setBody(byte[] body); 6     }  

核心概念：Client

Clinet是一個將原始log包裝成events而且發送它們到一個或多個agent的實體。

• 例如目的是從數據源系統中解耦Flume
  • Flume log4j Appender
  • 可使用Client SDK (org.apache.flume.api)定製特定的Client
• 在flume的拓撲結構中不是必須的

核心概念：Agent

一個Agent包含Sources, Channels, Sinks和其餘組件，它利用這些組件將events從一個節點傳輸到另外一個節點或最終目的。

• agent是flume流的基礎部分。
• flume爲這些組件提供了配置、生命週期管理、監控支持。

核心概念：Source

Source負責接收events或經過特殊機制產生events，並將events批量的放到一個或多個Channels。有event驅動和輪詢2種類型的Source

• 不一樣類型的Source:Source必須至少和一個channel關聯
  • 和衆所周知的系統集成的Sources: Syslog, Netcat
  • 自動生成事件的Sources: Exec, SEQ
  • 用於Agent和Agent之間通訊的IPC Sources: Avro

核心概念：Channel

Channel位於Source和Sink之間，用於緩存進來的events，當Sink成功的將events發送到下一跳的channel或最終目的，events從Channel移除。

• 不一樣的Channels提供的持久化水平也是不同的:Channels支持事務
  • Memory Channel: volatile
  • File Channel: 基於WAL（預寫式日誌Write-Ahead Logging）實現
  • JDBC Channel: 基於嵌入Database實現
• 提供較弱的順序保證
• 能夠和任何數量的Source和Sink工做

核心概念：Sink

Sink負責將events傳輸到下一跳或最終目的，成功完成後將events從channel移除。

• 不一樣類型的Sinks:必須做用與一個確切的channel
  • 存儲events到最終目的的終端Sink. 好比: HDFS, HBase
  • 自動消耗的Sinks. 好比: Null Sink
  • 用於Agent間通訊的IPC sink: Avro

Flow可靠性

                      

               

• 可靠性基於:
  • Agent間事務的交換
  • Flow中，Channel的持久特性
• 可用性:
  • 內建的Load balancing支持
  • 內建的Failover支持

核心概念：Interceptor

用於Source的一組Interceptor，按照預設的順序在必要地方裝飾和過濾events。

• 內建的Interceptors容許增長event的headers好比：時間戳、主機名、靜態標記等等
• 定製的interceptors能夠經過內省event payload（讀取原始日誌），在必要的地方建立一個特定的headers。

核心概念：Channel Selector

Channel Selector容許Source基於預設的標準，從全部Channel中，選擇一個或多個Channel

• 內建的Channel Selectors:
  • 複製Replicating: event被複制到相關的channel
  • 複用Multiplexing: 基於hearder，event被路由到特定的channel

核心概念：Sink Processor

多個Sink能夠構成一個Sink Group。一個Sink Processor負責從一個指定的Sink Group中激活一個Sink。Sink Processor能夠經過組中全部Sink實現負載均衡；也能夠在一個Sink失敗時轉移到另外一個。

• Flume經過Sink Processor實現負載均衡（Load Balancing）和故障轉移（failover）
• 內建的Sink Processors:全部的Sink都是採起輪詢（polling）的方式從Channel上獲取events。這個動做是經過Sink Runner激活的
  • Load Balancing Sink Processor – 使用RANDOM, ROUND_ROBIN或定製的選擇算法
  • Failover Sink Processor 
  • Default Sink Processor（單Sink）
• Sink Processor充當Sink的一個代理
  
  
  

總結

轉自：http://blog.csdn.net/szwangdf/article/details/33275351