第1节 flume：4、离线项目处理的整个架构图；5、flume的基本介绍；

第1节 flume：4、离线项目处理的整个架构图

辅助系统工具：flume，azkaban,sqoop。

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：

第1节 flume：5、flume的基本介绍；

1. 日志采集框架Flume

91.1 Flume介绍

1.1.1 概述

u  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。

u  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

u  一般的采集需求，通过对flume的简单配置即可实现

u  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

1.1.2 运行机制

1、  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

2、 每一个agent相当于一个数据传递员[M1：Source 到 Channel 到 Sink之间传递数据的形式是Event事件；Event事件是一个数据流单元。] ，内部有三个组件：

a)         Source：采集组件，用于跟数据源对接，以获取数据

b)         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

c)         Channel：传输通道组件，用于从source将数据传递到sink

1.1.3 Flume采集系统结构图

1. 简单结构

单个agent采集数据

2. 复杂结构

多级agent之间串联