大数据之flume

角色

图示

Source

用于采集数据，Source是产生数据流的地方，同时Source会将产生的数据流传输到Channel，这个有点类似于Java IO部分的Channel

Channel

用于桥接Sources和Sinks，类似于一个队列

Sink

从Channel收集数据，将数据写到目标源(可以是下一个Source，也可以是HDFS或者HBase)

event

传输单元，Flume数据传输的基本单元，以事件的形式将数据从源头送至目的地

部署及使用

文件配置

案例

大数据之flume

简介

特点

1) Flume提供一个分布式的，可靠的，对大数据量的日志进行高效收集、聚集、移动的服务，Flume只能在Unix环境下运行

2)Flume基于流式架构，容错性强，也很灵活简单

3)Flume、Kafka用来实时进行数据收集，Spark、Flink用来实时处理数据，impala用来实时查询。

flume流式处理

处理流程图

Put事务流程

Doput:将批量数据写入临时缓冲区putlist

Docommit:检查channel内存队列是否足够合并

channel

Memory Channel

File Channel

Take事务

Dotake:先将数据取到临时缓冲区takelist

Sink源

传输过程

source监控某个文件或数据流，数据源产生新的数据，拿到该数据后，将数据封装在一个Event中，并put到channel后commit提交，channel队列先进先出，sink去channel队列中拉取数据，然后写入到HDFS中