Flume定义

Flume是一个高可用，高可靠，分布式的海量日志采集，聚合和传输的系统。Flume基于流式架构，灵活简单

主要作用

Flume最主要的作用就是，实时读取服务器本地磁盘的数据，将数据写入到HDFS

Flume基础架构中的组件

1.Agent

Agent是一个JVM进程，它以时间的形式将数据从源头送至目的 Agent主要3个部分组成，Source，Channel，Sink

2.Source

Source是负责接收数据到Flume Agent的组件。Source组件可以处理各种类型，各种格式的日志数据，包括avro，thrift，exec，jms，spooling directory，netcat，sequence，generator，syslog，http，legacy

3.Sink

Sink不断地轮询Channel中的事件且批量地移除它们，并将这些事件批量写入到存储或索引系统、或者被发送到另一个Flume Agent Sink组件目的地包括hdfs、logger、avro、thrift、ipc、file、HBase、solr、自定义

4.Channel

Channel是位于Source和Sink之间的缓冲区。因此，Channel允许Source和Sink运作在不同的速率上。Channel是线程安全的，可以同时处理几个Source的写入操作和几个Sink的读取操作。 Flume自带两种Channel：Memory Channel和File Channel。 Memory Channel是内存中的队列。Memory Channel在不需要关心数据丢失的情景下适用。如果需要关心数据丢失，那么Memory Channel就不应该使用，因为程序死亡、机器宕机或者重启都会导致数据丢失 File Channel将所有事件写到磁盘。因此在程序关闭或机器宕机的情况下不会丢失数据

5.Event

传输单元，Flume数据传输的基本单元，以Event的形式将数据从源头送至目的地。Event由Header和Body两部分组成，Header用来存放该event的一些属性，为K-V结构，Boday用来存放该条数据，形式为字节数组

Flume事务

Put事务流程 doPut:将批数据先写入临时缓冲区putList doCommit:检查channel内存队列是否够合并 doRollback:channel内存队列空间不足，回滚数据

Take事务 doTake:将数据取到临时缓冲区takeList，并将数据发送到HDFS doCommit:如果数据全部发送成功，则清除临时缓冲区takeList doRollback:数据发送过程中如果出现异常，rollback将临时缓冲区takeList中的数据归还给channel内存队列

Flume Agent内部原理

重要组件

1.ChannelSelector

ChannelSelector的作用就是选出Event将要被发往哪个Channel。其共有两种类型，分别是Replicating(复制)和Multiplexing(多路复用)。 ReplicatingSelector会将同一个Event发往所有的Channel，Multiplexing会根据相应的原则，将不同的Event发往不同的Channel

2.SinkProcessor

SinkProcessor共有三种类型，分别是DefaultSinkProcessor、LoadBalancingSinkProcessor和FailoverSinkProcessor DefaultSinkProcessor对应的是单个的Sink，LoadBalancingSinkProcessor和FailoverSinkProcessor对应的是Sink Group，LoadBalancingSinkProcessor可以实现负载均衡的功能，FailoverSinkProcessor可以错误恢复的功能