Flume簡介
Flume 是一個cloudera提供的 高可用高可靠，分佈式的海量日誌收集聚合傳輸系統。原名是 Flume OG (original generation)，但隨着 FLume 功能的擴展，Flume OG 代碼工程臃腫、核心組件設計不合理、核心配置不標準等缺點暴露出來，尤其是在 Flume OG 的最後一個發行版本 0.94.0 中，日誌傳輸不穩定的現象尤爲嚴重，爲了解決這些問題，2011 年 10 月 22 號，cloudera 完成了 Flume-728，對 Flume 進行了里程碑式的改動：重構核心組件、核心配置以及代碼架構，重構後的版本統稱爲 Flume NG（next generation，改動的另一原因是將 Flume 納入 apache 旗下，cloudera Flume 改名爲 Apache Flume）。
FLUME NG
1、NG 只有一種角色的節點：代理節點（agent）。
2、agent 節點的組成也發生了變化。Flume NG 的 agent 由 source、sink、Channel 組成。
flume ng 節點組成圖:
多 Agent 並聯下的架構圖:
Flume 的特性
flume 支持在日誌系統中定製各類數據發送方，用於收集數據；同時支持對數據進行簡單處理，並寫到各種數據接受方(比如文本、HDFS、Hbase等)的能力 。
flume 的數據流由事件(Event)貫穿始終。事件是 Flume 的基本數據單位，它攜帶日誌數據並且攜帶有頭信息，這些 Event 由 Agent 外部的 Source 生成，當 Source 捕獲事件後會進行特定的格式化，然後 Source 會把事件推入(單個或多個) Channel 中。可以把 Channel 看作是一個緩衝區，它將保存事件直到 Sink 處理完該事件。
Sink 負責持久化日誌或者把事件推向另一個 Source。
Flume 具備高可靠性
當節點出現故障時，日誌能夠被傳送到其他節點上而不會丟失。Flume提供了三種級別的可靠性保障，從強到弱依次分別爲：
1、end-to-end：收到數據agent首先將event寫到磁盤上，當數據傳送成功後，再刪除；如果數據發送失敗，可以重新發送。
2、Store on failure：這也是scribe採用的策略，當數據接收方crash崩潰時，將數據寫到本地，待恢復後，繼續發送。
3、Best effort：數據發送到接收方後，不會進行確認。
Flume 架構組成和核心概念
client: 生產數據的地方，運行在一個獨立的線程。
event: 生產的數據，可以是日誌記錄、 avro 對象等，如果是文本文件通常是一行記錄。
agent: flume 核心組件，flume 以 Agent 爲最小的獨立運行單位。一個 agent 就是一個 jvm， agent 又是由 source， channel， sink 等構建而成。
agent 由 source， channel， sink 等構建而成：
3.1 Source：從 Client 收集數據，傳遞給 Channel
不同的 source，可以接受不同的數據格式，比如監視外部源–目錄池(spooling directory)數據源，可以監控指定文件夾中的新文件變化，如果目錄中有文件產生，就會立刻讀取其內容。source 組件可以處理各種格式的日誌數據，eg:avro Sources、thrift Sources、exec、jms、spooling directory、netcat、sequence generator、syslog、http、legacy、自定義。
Avro Source：支持Avro協議（實際上是Avro RPC），內置支持|
Thrift Source：支持Thrift協議，內置支持
Exec Source：基於Unix的command在標準輸出上生產數據
JMS Source：從JMS系統（消息、主題）中讀取數據
Spooling Directory Source：監控指定目錄內數據變更
Twitter 1% firehose Source：通過API持續下載Twitter數據，試驗性質
Netcat Source：監控某個端口，將流經端口的每一個文本行數據作爲Event輸入
Sequence Generator Source：序列生成器數據源，生產序列數據
Syslog Sources：讀取syslog數據，產生Event，支持UDP和TCP兩種協議
HTTP Source：基於HTTP POST或GET方式的數據源，支持JSON、BLOB表示形式
Legacy Sources：兼容老的Flume OG中Source（0.9.x版本）
詳細參考官網：http://flume.apache.org/FlumeUserGuide.html#flume-sources
3.2、Channel：連接 sources 和 sinks
有點像一個隊列，是一個存儲池，接收 source 的輸出，直到有 sink 消費掉 channel 中的數據，channel 中的數據直到進入下一個 channel 或者進入 sink 纔會被刪除，當 sink 寫入失敗後，可以自動重啓，不會造成數據丟失。臨時存放的數據可以存放在memory Channel、jdbc Channel、file Channel、自定義。
Memory Channel：Event數據存儲在內存中
JDBC Channel：Event數據存儲在持久化存儲中，當前Flume Channel內置支持Derby
File Channel：Event數據存儲在磁盤文件中
Spillable Memory Channel：Event數據存儲在內存中和磁盤上，當內存隊列滿了，會持久化到磁盤文件
Pseudo Transaction Channel：測試用途
Custom Channel：自定義Channel實現
詳細參考官網：http://flume.apache.org/FlumeUserGuide.html#flume-channels
3.3、Sink：從Channel收集數據，運行在一個獨立線程
用於把數據發送到目的地的組件目的地包括 hdfs、logger、avro、thrift、ipc、file、null、hbase、solr、自定義。
詳細參考官網：http://flume.apache.org/FlumeUserGuide.html#flume-sinks
flume可以支持
1、多級 flume的 agent，(即多個 flume 可以連成串，上一個 flume 可以把數據寫到下一個 flume 上)
2、支持扇入(fan-in)：source 可以接受多個輸入
3、扇出(fan-out)：sink 可以輸出到多個目的地
3.4、其他幾個組件
Interceptor：作用於Source，按照預設的順序在必要地方裝飾和過濾events。
Channel Selector：允許Source基於預設的標準，從所有Channel中，選擇一個或多個Channel
Sink Processor：多個Sink可以構成一個Sink Group。Sink Processor可以通過組中所有Sink實現負載均衡；也可以在一個Sink失敗時轉移到另一個。
睿江雲官網鏈接：http://www.eflycloud.com/#register?salesID=6DGNUTUAV