標籤:讀取 pen pre clinet 儲存 分布 透明 soft targe
Flume 是什麼
Apache Flume是一個高可靠、高可用的分布式的海量日誌收集、彙總、傳輸系統。它可以從不同的日誌源採集資料並集中儲存。
Flume也算是Hadoop生態系統的一部分,源於Cloudera,目前是Apache基金會的頂級項目之一。Flume有兩條產品線,0.9.x版本和1.x版本。
官網:http://flume.appache.org/
- 收集、彙總事件流資料的分布式架構
- 通常用於log資料
- 採用ad-hoc方案,明顯優點如下:
- 可靠的、可伸縮、可管理、可定製、高效能
- 聲明式配置,可以動態更新配置
- 提供上下文路由功能
- 支援負載平衡和容錯移轉
- 功能豐富
- 完全的可擴充
核心概念
- Event
- Client
- Agent
- Sources、Channels、Sinks
- 其他組件:Interceptors、Channel Selectors、Sink Processor
核心概念:Event
Event是Flume資料轉送的基本單元。flume以事件的形式將資料從源頭傳送到最終的目的。Event由可選的hearders和載有資料的一個byte array構成。
- 載有的資料對flume是不透明的
- Headers是容納了key-value字串對的無序集合,key在集合內是唯一的。
- Headers可以在上下文路由中使用擴充
1 public interface Event { 2 public Map<String, String> getHeaders(); 3 public void setHeaders(Map<String, String> headers); 4 public byte[] getBody(); 5 public void setBody(byte[] body); 6 }
1 public interface Event { 2 public Map<String, String> getHeaders(); 3 public void setHeaders(Map<String, String> headers); 4 public byte[] getBody(); 5 public void setBody(byte[] body); 6 }
核心概念:Client
Clinet是一個將原始log封裝成events並且發送它們到一個或多個agent的實體。
- 例如目的是從資料來源系統中解耦Flume
- Flume log4j Appender
- 可以使用Client SDK (org.apache.flume.api)定製特定的Client
- 在flume的拓撲結構中不是必須的
核心概念:Agent
一個Agent包含Sources, Channels, Sinks和其他組件,它利用這些組件將events從一個節點傳輸到另一個節點或最終目的。
- agent是flume流的基礎部分。
- flume為這些組件提供了配置、生命週期管理、監控支援。
核心概念:Source
Source負責接收events或通過特殊機制產生events,並將events批量的放到一個或多個Channels。有event驅動和輪詢2種類型的Source
- 不同類型的Source:Source必須至少和一個channel關聯
- 和眾所周知的系統整合的Sources: Syslog, Netcat
- 自動建置事件的Sources: Exec, SEQ
- 用於Agent和Agent之間通訊的IPC Sources: Avro
核心概念:Channel
Channel位於Source和Sink之間,用於緩衝進來的events,當Sink成功的將events發送到下一跳的channel或最終目的,events從Channel移除。
- 不同的Channels提供的持久化水平也是不一樣的:Channels支援事務
- Memory Channel: volatile
- File Channel: 基於WAL(預寫式日誌Write-Ahead Logging)實現
- JDBC Channel: 基於嵌入Database實現
- 提供較弱的順序保證
- 可以和任何數量的Source和Sink工作
核心概念:Sink
Sink負責將events傳輸到下一跳或最終目的,成功完成後將events從channel移除。
- 不同類型的Sinks:必須作用與一個確切的channel
- 儲存events到最終目的的終端Sink. 比如: HDFS, HBase
- 自動消耗的Sinks. 比如: Null Sink
- 用於Agent間通訊的IPC sink: Avro
Flow可靠性
- 可靠性基於:
- Agent間事務的交換
- Flow中,Channel的持久特性
- 可用性:
- 內建的Load balancing支援
- 內建的Failover支援
核心概念:Interceptor
用於Source的一組Interceptor,按照預設的順序在必要地方裝飾和過濾events。
- 內建的Interceptors允許增加event的headers比如:時間戳記、主機名稱、靜態標記等等
- 定製的interceptors可以通過內省event payload(讀取原始日誌),在必要的地方建立一個特定的headers。
核心概念:Channel Selector
Channel Selector允許Source基於預設的標準,從所有Channel中,選擇一個或多個Channel
- 內建的Channel Selectors:
- 複製Replicating: event被複製到相關的channel
- 複用Multiplexing: 基於hearder,event被路由到特定的channel
核心概念:Sink Processor
多個Sink可以構成一個Sink Group。一個Sink Processor負責從一個指定的Sink Group中啟用一個Sink。Sink Processor可以通過組中所有Sink實現負載平衡;也可以在一個Sink失敗時轉移到另一個。
- Flume通過Sink Processor實現負載平衡(Load Balancing)和容錯移轉(failover)
- 內建的Sink Processors:所有的Sink都是採取輪詢(polling)的方式從Channel上擷取events。這個動作是通過Sink Runner啟用的
- Load Balancing Sink Processor – 使用RANDOM, ROUND_ROBIN或定製的選擇演算法
- Failover Sink Processor
- Default Sink Processor(單Sink)
- Sink Processor充當Sink的一個代理
總結
轉自:http://blog.csdn.net/szwangdf/article/details/33275351
Appache Flume 中文介紹(轉)