01_日志采集框架Flume简介及其运行机制

离线辅助系统概览：

1.概述：

　　在一个完整的大数据处理系统中，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：

　　

1.1 Flume介绍：

　　Flume是一个分布式、可靠、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数据包等各种形式源数据，又可以将采集到的数据输出到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。

1.2 Flume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，内部有三个组件：

　　　　a) Source：采集源，用于跟数据源对接，以获取数据;

　　　　b) Sink：下沉采集数据的传送目的，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：angent内部的数据传输通道，用于从source将数据传递到sink

　　3. 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;

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：多个agent采集数据