日志数据采集 -- Flume

1. 前言

  • 在一个完整的离线大数据处理系统中,除了hdfs+mapreduce+hive组成分析系统的核心之外,还需要数据采集、结果数据导出、任务调度等不可或缺的辅助系统,
    而这些辅助工具在hadoop生态体系中都有便捷的开源框架,如图所示:

    日志数据采集 -- Flume

2. Flume基本介绍

1. 概述

  • Flume是一个分布式、可靠、和高可用的海量日志采集、聚合和传输的系统。
  • Flume可以采集文件,socket数据包、文件、文件夹、kafka等各种形式源数据,又可以将采集到的数据(下沉sink)输出到HDFS、hbase、hive、kafka等众多外部存储系统中
  • 一般的采集需求,通过对flume的简单配置即可实现
  • Flume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

2. 运行机制

  • Flume分布式系统中最核心的角色是agent,flume采集系统就是由一个个agent所连接起来形成的

  • 每一个agent相当于一个数据传递员,内部有三个组件:

    • Source:采集组件,用于跟数据源对接,以获取数据
    • Sink:下沉组件,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:传输通道组件,用于从source将数据传递到sink

    日志数据采集 -- Flume

3. Flume采集系统结构图

1. 简单结构
  • 单个agent采集数据

    日志数据采集 -- Flume

2. 复杂结构
  • 两个agent之间串联

    日志数据采集 -- Flume

  • 多级agent之间串联

    日志数据采集 -- Flume

  • 多级channel

    日志数据采集 -- Flume

日志数据采集 -- Flume

上一篇:css三大特性


下一篇:log4net C# log4net 使用