【Java】Appache Flume 中文介绍



Flume 是什么

       Apache Flume是一个高可靠、高可用的分布式的海量日志收集、聚合、传输系统。它能够从不同的日志源採集数据并集中存储。

Flume也算是Hadoop生态系统的一部分，源于Cloudera，眼下是Apache基金会的顶级项目之中的一个。Flume有两条产品线，0.9.x版本号和1.x版本号。

官网:http://flume.appache.org/

• 收集、聚合事件流数据的分布式框架
• 通经常使用于log数据
• 採用ad-hoc方案。明显长处例如以下：
  • 可靠的、可伸缩、可管理、可定制、高性能
  • 声明式配置，能够动态更新配置
  • 提供上下文路由功能
  • 支持负载均衡和故障转移
  • 功能丰富
  • 全然的可扩展

核心概念

• Event
• Client
• Agent
  • Sources、Channels、Sinks
  • 其它组件：Interceptors、Channel Selectors、Sink Processor

核心概念：Event

Event是Flume传输数据的基本单元。flume以事件的形式将数据从源头传送到终于的目的。Event由可选的hearders和载有数据的一个byte array构成。

• 载有的数据对flume是不透明的
• Headers是容纳了key-value字符串对的无序集合。key在集合内是唯一的。

• Headers能够在上下文路由中使用扩展

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. }  

public interface Event {
    public Map<String, String> getHeaders();
    public void setHeaders(Map<String, String> headers);
    public byte[] getBody();
    public void setBody(byte[] body);
}

核心概念：Client

Clinet是一个将原始log包装成events而且发送它们到一个或多个agent的实体。

• 比如
  • Flume log4j Appender
  • 能够使用Client SDK (org.apache.flume.api)定制特定的Client
• 目的是从数据源系统中解耦Flume
• 在flume的拓扑结构中不是必须的

核心概念：Agent

一个Agent包括Sources, Channels, Sinks和其它组件。它利用这些组件将events从一个节点传输到还有一个节点或终于目的。

• agent是flume流的基础部分。
• flume为这些组件提供了配置、生命周期管理、监控支持。

核心概念：Source

Source负责接收events或通过特殊机制产生events。并将events批量的放到一个或多个Channels。有event驱动和轮询2种类型的Source

• 不同类型的Source:
  • 和众所周知的系统集成的Sources: Syslog, Netcat
  • 自己主动生成事件的Sources: Exec, SEQ
  • 用于Agent和Agent之间通信的IPC Sources: Avro
• Source必须至少和一个channel关联

核心概念：Channel

Channel位于Source和Sink之间，用于缓存进来的events。当Sink成功的将events发送到下一跳的channel或终于目的，events从Channel移除。

• 不同的Channels提供的持久化水平也是不一样的:
  • Memory Channel: volatile
  • File Channel: 基于WAL（预写式日志Write-Ahead Logging）实现
  • JDBC Channel: 基于嵌入Database实现
• Channels支持事务
• 提供较弱的顺序保证
• 能够和不论什么数量的Source和Sink工作

核心概念：Sink

Sink负责将events传输到下一跳或终于目的。成功完毕后将events从channel移除。

• 不同类型的Sinks:
  • 存储events到终于目的的终端Sink. 比方: HDFS, HBase
  • 自己主动消耗的Sinks. 比方: Null Sink
  • 用于Agent间通信的IPC sink: Avro
• 必须作用与一个确切的channel

Flow可靠性

                      

               

• 可靠性基于:
  • Agent间事务的交换
  • Flow中，Channel的持久特性
• 可用性:
  • 内建的Load balancing支持
  • 内建的Failover支持

核心概念：Interceptor

用于Source的一组Interceptor，依照预设的顺序在必要地方装饰和过滤events。

• 内建的Interceptors同意添加event的headers比方：时间戳、主机名、静态标记等等
• 定制的interceptors能够通过内省event payload（读取原始日志）。在必要的地方创建一个特定的headers。

核心概念：Channel Selector

Channel Selector同意Source基于预设的标准，从全部Channel中，选择一个或多个Channel

• 内建的Channel Selectors:
  • 复制Replicating: event被拷贝到相关的channel
  • 复用Multiplexing: 基于hearder，event被路由到特定的channel

核心概念：Sink Processor

多个Sink能够构成一个Sink Group。一个Sink Processor负责从一个指定的Sink Group中激活一个Sink。

Sink Processor能够通过组中全部Sink实现负载均衡；也能够在一个Sink失败时转移到还有一个。

• Flume通过Sink Processor实现负载均衡（Load Balancing）和故障转移（failover）
• 内建的Sink Processors:
  • Load Balancing Sink Processor – 使用RANDOM, ROUND_ROBIN或定制的选择算法
  • Failover Sink Processor 
  • Default Sink Processor（单Sink）
• 全部的Sink都是採取轮询（polling）的方式从Channel上获取events。这个动作是通过Sink Runner激活的
• Sink Processor充当Sink的一个代理

总结