1.2 Flume概述

1.2.1 业务现状分析

  • WebServer/ApplicationServer分散在各个机器上
  • 向大数据平台Hadoop进行统计分析
  • 日志如何收集到Hadoop平台上
  • 日志如何收集到Hadoop平台上
  • 解决方案及存在的问题

f2

1.2.2 概述

概念

Flume is a distributed, reliable, and available service for efficiently collecting, aggregating, and moving large amounts of log data。

Flume 是 Cloudera 提供的一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的软件。

Flume 的核心是把数据从数据源(source)收集过来，再将收集到的数据送到指定的目的地(sink)。为了保证输送的过程一定成功，在送到目的地(sink)之前，会先缓存数据(channel),待数据真正到达目的地(sink)后，flume 在删除自己缓存的数据。

Flume 支持定制各类数据发送方，用于收集各类型数据；同时，Flume 支持定制各种数据接受方，用于最终存储数据。一般的采集需求，通过对 flume 的简单配置即可实现。针对特殊场景也具备良好的自定义扩展能力。因此，flume 可以适用于大部分的日常数据采集场景。

设计目标

  • 可靠性

  • 扩展性

  • 管理性

同类产品对比

  • Flume：Cloudera/Apache Java *
  • Scribe：Facebook C/C++ 不再维护 对于负载均衡效果不佳
  • Chukwa：Yahoo/Apache Java 不再维护 负载均衡，容错效果不佳
  • Fluentd：和flume类似，Ruby
  • Logstash：ELK(ElasticSearch,Logstash,Kibana) *

Flume发展史

当前 Flume 有两个版本。Flume 0.9X 版本的统称 Flume OG（original generation），Flume1.X 版本的统称 Flume NG(Flume-728)（next generation）。由于 Flume NG 经过核心组件、核心配置以及代码架构重构，与 Flume OG 有很大不同，使用时请注意区分。改动的另一原因是将 Flume 纳入 apache 旗下，Cloudera Flume 改名为 Apache Flume。

2012.7 1.0

2015.5 1.6 *

~ 1.7

1.2.3 运行机制

Flume 系统中核心的角色是 agent，agent 本身是一个 Java 进程，一般运行在日志收集节点。

1540347254561

每一个 agent 相当于一个数据传递员，内部有三个组件：

Source：采集源，用于跟数据源对接，以获取数据；

Sink：下沉地，采集数据的传送目的，用于往下一级 agent 传递数据或者往

最终存储系统传递数据；

Channel：agent 内部的数据传输通道，用于从 source 将数据传递到 sink；在整个数据的传输的过程中，流动的是 event，它是 Flume 内部数据传输的最基本单元。event 将传输的数据进行封装。如果是文本文件，通常是一行记录， event 也是事务的基本单位。event 从 source，流向 channel，再到 sink，本身为一个字节数组，并可携带 headers(头信息)信息。event 代表着一个数据的最小完整单元，从外部数据源来，向外部的目的地去。

一个完整的 event 包括：event headers、event body、event 信息，其中 event 信息就是 flume 收集到的日记记录。

flume的工作过程：先指定Source将数据进行采集，输出到Channel，Channel相当于内存存储，当Channel存储到一定值时，将数据写入到Sink中

Flume的可配置子组件

Source

  • Avro Source 序列化数据源

  • ThriftSource 序列化数据源

  • Exec Source 执行Linux命令行的数据源

  • NETCAT Source 通过指定端口，ip监控的数据源

  • Kafka Source 直接对接Kafka的数据源

  • 自定义Source

Channel

  • Memory Channel
  • File Channel
  • Kafka Channel
  • JDBC Channel

Sink

  • HDFS Sink 写入到HDFS

  • Hive Sink 写入到Hive

  • Avro Sink 写入到序列化

  • HBase Sinks 写入到HBase

    • HBase Sink 同步写入到HBase
    • Async HBase Sink 异步写入到Hbase

results matching ""

    No results matching ""