具体说明 Flume介绍、安装和配置

社论：

本文总结“Hadoop生态系统”中的当中一员——Apache Flume

写在前面二：

所用软件说明：

一、什么是Apache Flume

官网：Flume is a distributed, reliable, and availableservicefor efficientlycollecting, aggregating, and moving large amounts of log data.
It has a simple and flexible architecture based on streaming data flows. It is robust and fault tolerant with tunable reliability mechanisms and many failover and recovery mechanisms. It uses a simple extensible data model that allows for online analytic application.

1、flume是一个分布式的日志收集系统，具有高可靠、高可用、事务管理、失败重新启动等功能。数据处理速度快，全然能够用于生产环境。

经常使用的分布式日志收集系统：

Apache Flume、

Facebook Scribe、

Apache Chukwa

2、flume的核心是agent。

agent是一个java进程，执行在日志收集端，通过agent接收日志。然后暂存起来，再发送到目的地。

3、agent里面包括3个核心组件：source、channel、sink。

3.1、source组件是专用于收集日志的。能够处理各种类型各种格式的日志数据,包含avro、thrift、exec、jms、spooling directory、netcat、 sequence generator、syslog、http、legacy、自己定义。source组件把数据收集来以后。暂时存放在channel中。

3.2、channel组件是在agent中专用于暂时存储数据的，能够存放在memory、jdbc、file、自己定义。

channel中的数据仅仅有在sink发送成功之后才会被删除。

3.3、sink组件是用于把数据发送到目的地的组件，目的地包含hdfs、logger、avro、thrift、ipc、file、null、hbase、solr、自己定义。

4、在整个传输数据过程中。流动的是event。事务保证是在event级别。

5、flume能够支持多级flume的agent，支持扇入(fan-in)、扇出(fan-out)。

Flume简单处理示意图