Apache Flume
1. 概述
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。
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(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。
2. 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。
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。
3. Flume采集系统结构图
3.1. 简单结构
单个agent采集数据
3.2. 复杂结构
多级agent之间串联
- flume启动Could not find or load main class org.apache.flume.node.Application
- 【Hadoop】最新版本Apache Flume 1.7实践(未完结,待定)
- 基于Apache Flume Datahub插件将日志数据同步上云
- Apache Flume 分布式日志收集系统学习
- 分布式日志收集系统Apache Flume的设计介绍
- Apache Flume - HDFSSink
- Apache-flume-1.6.0安装配置
- org/apache/flume/tools/GetJavaProperty
- 1.Apache Flume 简介
- 用Maven编译Apache flume-ng 1.5.0源码及问题解决
- Apache Flume – Architecture of Flume NG
- 用Maven编译Apache flume-ng 1.5.0源码及问题解决
- FLUME启动报错ERROR - org.apache.flume.source.SpoolDirectorySource$SpoolDirectoryRunnable.run(SpoolDirect
- 分布式日志收集系统Apache Flume的设计介绍
- 分布式日志收集系统Apache Flume的设计详细介绍
- Apache Flume 日志收集案例
- Apache Flume---Its main goal is to deliver data from applications to Apache Hadoop's HDFS
- apache flume单机安装、运行
- Error: Could not find or load main class org.apache.flume.tools.GetJavaProperty
- flume启动No appenders could be found for logger (org.apache.flume.lifecycle.LifecycleSupervisor)