FlumeFlume介绍

  • 前言
    在一个完整的离线大数据处理系统中，除了hdfs+mapreduce+hive组成分析系统的核心之外，还需要数据采集、结果数据导出、任务调度等不可或缺的辅助系统，而这些辅助工具在hadoop生态体系中都有便捷的开源框架，如图所示：

日志采集框架Flume

概述

  • Flume是一个分布式、可靠、和高可用的海量日志采集、聚合和传输的系统。
  • Flume可以采集文件，socket数据包、文件、文件夹、kafka等各种形式源数据，又可以将采集到的数据(下沉sink)输出到HDFS、hbase、hive、kafka等众多外部存储系统中。
  • 一般的采集需求，通过对flume的简单配置即可实现。
  • Flume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。
    宏观角度来看类似生活中的 扫码枪、吸尘器吸头。

运行机制

  • 1、Flume分布式系统中最核心的角色是agent，flume采集系统就是由一个个agent所连接起来形成
  • 2、每一个agent相当于一个数据传递员，内部有三个组件：
    • a)Source：采集组件，用于跟数据源对接，以获取数据
    • b)Channel：传输通道组件，用于从source将数据传递到sink
    • c)Sink：下沉(输出)组件，用于往下一级agent传递数据或者往最终存储系统传递数据

      Source 到 Channel 到 Sink之间传递数据的形式是Event事件；Event事件是一个数据流单元。

Flume采集系统结构图

1、简单结构
单个agent采集数据

2.、复杂结构
多级agent之间串联

FlumeFlume介绍

  • 前言
    在一个完整的离线大数据处理系统中，除了hdfs+mapreduce+hive组成分析系统的核心之外，还需要数据采集、结果数据导出、任务调度等不可或缺的辅助系统，而这些辅助工具在hadoop生态体系中都有便捷的开源框架，如图所示：

日志采集框架Flume

概述

  • Flume是一个分布式、可靠、和高可用的海量日志采集、聚合和传输的系统。
  • Flume可以采集文件，socket数据包、文件、文件夹、kafka等各种形式源数据，又可以将采集到的数据(下沉sink)输出到HDFS、hbase、hive、kafka等众多外部存储系统中。
  • 一般的采集需求，通过对flume的简单配置即可实现。
  • Flume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。
    宏观角度来看类似生活中的 扫码枪、吸尘器吸头。

运行机制

  • 1、Flume分布式系统中最核心的角色是agent，flume采集系统就是由一个个agent所连接起来形成
  • 2、每一个agent相当于一个数据传递员，内部有三个组件：
    • a)Source：采集组件，用于跟数据源对接，以获取数据
    • b)Channel：传输通道组件，用于从source将数据传递到sink
    • c)Sink：下沉(输出)组件，用于往下一级agent传递数据或者往最终存储系统传递数据

      Source 到 Channel 到 Sink之间传递数据的形式是Event事件；Event事件是一个数据流单元。

Flume采集系统结构图

1、简单结构
单个agent采集数据

2.、复杂结构
多级agent之间串联