flume 几个比较有用的source、sink和decorator

1. Source catalog:

1.console[("format")] 控制台输出，可以带输出内容格式的参数

console(“raw”)
console(“json”)

2.text("filename"[, format])一次读取文件内容，每一个换行做为一个事件。

3.tail("filename"[, startFromEnd=false]{,delim="regex", delimMode="exclude|prev|next"})

读取文件尾部内容跟linux上tail类似。

Filename：读取的文件名，

StartFromEnd 每次重读时，是否重头开始读。默认false每次重头开始重读，

Delim 是分割参数，

DelimMode分隔符数据属于哪一部分的指定。

4、tailDir("dirname"[,fileregex=".*"[, startFromEnd=false[,recurseDepth=0]]]{,delim="regex",delimMode="exclude|prev|next"})

对一个目录下面有改动文件的事件发送

Dirname：目录名

Fileregex：文件名正则表达式匹配，需要符合java中正则表达式规则

StartFromeEnd 跟tail中的参数一样。

RecurseDepth ：指定目录下是否递归对其子目录中文件的监控。指定递归层数。

其他剩余参数跟tail中一致。

2. Sinks catalog

CollectorTier Event Sinks

1． collectorSink("fsdir","fsfileprefix"[, rollmillis[, format]])

收集发送过来的事件。

Fsdir:目录，

Fsfileprefix：文件前缀，

Rollmillis：对于hdfs来就是文件的打开是关闭这段时间

Format是输出文件格式

AgentTier Event Sinks

1. agentSink[("machine"[,port])]

将事件发送到指定机器的指定端口，默认方式是End-to-End,等效于agentE2ESink

2. agentE2ESink[("machine"[,port])]

先讲event内容写入文件防止在缓冲丢失和点对点确认的数据传输

Machine: collectorSource的ip，

Port: collectorSource的端口

3、agentDFOSink[("machine"[,port])]

当连接断开时，会把event写到本地，并且会不断重试发送event给对方，把之前未发送成功的event再次发送。

4、agentBESink[("machine"[,port])]

BestEffort Agent sink,最有效率的agent sink，顾名思义，就是只管发送，不管有没有发送成功。就可能存在丢失event的情况存在。

5. agentE2EChain("m1[:_p1_]"[, "m2[:_p2_]"[,…]])

有多个collector可供选择发送。如果第一丢失连接了，就会向第二发送event，以此类推。并且会不定期回来查看原来没反应的collector是否已经恢复了，如果恢复了，就会跟原来的节点交互了。发送机制跟agentE2ESink一样

agentDFOChain和agentBEChain与5类似，另外：autoE2EChain，autoDFOChain，autoBEChain，自动的会想master要可以连接的collector

3. 装饰器catalog

writeAhead 在sink发送前先写入文件后，在本地缓冲机制，可让接收和发送分别在不同的线程中进行。

ackedWriteAhead[(maxmillis)]

diskFailover[(maxmillis)]：如果event发送失败，就在本地磁盘缓存，然后每隔maxmillis 时间去重试。

ackInjector： 注入ack确认操作。

ackChecker：计算发送组的checksum值，插入到ackInjector中

lazyOpen:只在调用append的时候，才会做真正的open，closed操作

format("pattern")：改变输出格式，具体格式有pattern参数指定。对于需要做checksum的events来说由于改变了数据格式将导致checksum的值也会改变。从而导致消息的丢失。这个装饰器一般用在对消息可靠性要求不是很高，或者reports中。

batch(n,maxlatency)： 缓存n个events 然后统一发送。如果等待时间操作maxlatency，即使未有n个events也会发送。

unbatch：对于上面被batch操作过的events，同步unbatch来拆分开。

gzip：将events事件序列化后压缩

gunzip：对gzip压缩过的events，解压

intervalSampler(n) 每隔n个events 发送一次，算是一个优化手段，特别是通过网络传输时。

probSampler(p)：通过概率p来做决定是否将events接着往下发送

reservoirSampler(k)：对接收到events根据发送时的顺序重新来组织。

delay(ms) 对要发送的events内容延迟ms

choke[(choke-id)]:限制发送速度

value("attr","value"{,escape=true|false})，可以在日志上加一个新的属性，相当于是打tag

split("regex",idx,"attr")，可以对日志进行split，取某个字段，然后设置到attr的tag上

参考自：http://hi.baidu.com/izouying/blog/item/18e6a2d3b0df91c4a8ec9a2b.html