[Flume] 02 -flume-ng、核心概念、Source/Channel/Sink类型

水深无声 2022-01-27 13:41 354阅读 0赞

Flume 1.6.0

关键词：  
flume-ng、核心概念、Source/Channel/Sink类型

# 0、Flume-og和Flume-ng分别是什么鬼？ #

> Cloudera：由于Hadoop（开源）深受客户欢迎，很多公司就推出了各自版本的Hadoop，也有一些公司围绕Hadoop开发产品。而Cloudera是Hadoop生态系统中，规模最大、知名度最高的公司。它出售基于Hadoop的软件、也发布自家版本的Hadoop产品（如 Cloudera Hadoop，简称 CDH），帮助订阅客户管理数据。

Cloudera开发的分布式日志收集系统Flume，可以实时地将分布在不同节点、机器上的日志收集到存储系统中。

*  Flume的初始发行版本统称为`Flume-og`（original generation），属于Cloudera；

随着Flume功能扩展，Flume-og代码工程臃肿、核心组件设计不合理、核心配置不标准等缺点，尤其是Flume-og的最后一个发行版本0.94.0日志传输不稳定现象严重。为了解决这些问题，Cloudera对Flume进行了里程碑式的改动：重构核心组件、核心配置、代码架构。

*  重构后的版本统称为`Flume-ng`（next generation），也就是说，之后的版本都可以叫`Flume-ng`。也就是 `Flume 1.x版本`

同时，Apache将Flume纳入旗下，也叫Apache Flume。  
注意：ng是完全不兼容og的，ng更像是一个轻量的小工具，非常简单，容易适应各种方式日志收集，并支持failover和负载均衡。

**Flume-ng架构图：**  
![在这里插入图片描述][20190527121112347.png]

总结：它们都只是一个称呼，重点是现在用`Flume-ng`。

# 1、flume-ng压缩包（不是源码）结构 #

源码可查看[GitHub-Apache Flume][]

[root@master apache-flume-1.6.0-bin]# pwd
    /usr/local/src/apache-flume-1.6.0-bin
    [root@master apache-flume-1.6.0-bin]# tree -Ld 1
    .
    ├── bin
    │   ├── flume-ng ----flume-ng启动shell脚本
    │   ├── flume-ng.cmd
    │   └── flume-ng.ps1
    ├── conf -----配置文件
    │   ├── flume-avro.conf
    │   ├── flume-conf.properties.template
    │   ├── flume-env.ps1.template
    │   ├── flume-env.sh
    │   ├── flume-env.sh.template
    │   ├── flume-exec.conf
    │   ├── flume-netcat.conf
    │   └── log4j.properties
    ├── docs ------文档
    ├── lib ------各种jar包
    └── tools
    
    5 directories

# 2、几个核心概念 #

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODI1NjQ3NA_size_16_color_FFFFFF_t_70]

*  Event：一个数据单元，带有一个可选的消息头。是Flume数据传输的基本单元
 *  Flow：Event从源点到达目的点的迁移的抽象
 *  Client：操作位于源点处的Event，将其发送到Agent
 *  Agent：一个独立的Flume进程，包含组件Source、Channel、Sink
    
     *  Source：用来消费传递到该组件的Event
     *  Channel：中转Event的一个临时存储，保存有Source组件传递过来的Event
     *  Sink：从Channel中读取并移除Event，将Event传递到Flow Pipeline中的下一个Agent（如果有的话）
     *  Interceptor：Source读取event发送到Sink时，在event header中加入一些有用信息、或对event的内容进行过滤，完成初步的数据清洗

# 4、Source/Channel/Sink-数据类型 #

<table> 
 <thead> 
  <tr> 
   <th><b><font>source类型</font></b></th> 
   <th>说明</th> 
   <th><b><font>channel类型</font></b></th> 
   <th>说明</th> 
   <th><b><font>sink类型</font></b></th> 
   <th>说明</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>Avro Source</td> 
   <td>支持Avro协议（实际上是Avro RPC），内置支持</td> 
   <td>Memory Channel</td> 
   <td>Event数据存储在内存中</td> 
   <td>HDFS Sink</td> 
   <td>数据写入HDFS</td> 
  </tr> 
  <tr> 
   <td>Thrift Source</td> 
   <td>支持Thrift协议，内置支持</td> 
   <td>JDBC Channel</td> 
   <td>Event数据存储在持久化存储中，当前Flume Channel内置支持Derby</td> 
   <td>Logger Sink</td> 
   <td>数据写入日志文件</td> 
  </tr> 
  <tr> 
   <td>Exec Source</td> 
   <td>基于Unix的command在标准输出上生产数据，如tail -f</td> 
   <td>File Channel</td> 
   <td>Event数据存储在磁盘文件中</td> 
   <td>Avro Sink</td> 
   <td>数据被转换成Avro Event，然后发送到配置的RPC端口上</td> 
  </tr> 
  <tr> 
   <td>JMS Source</td> 
   <td>从JMS系统（消息、主题）中读取数据</td> 
   <td>Spillable Memory Channel</td> 
   <td>Event数据存储在内存中和磁盘上，当内存队列满了，会持久化到磁盘文件</td> 
   <td>Thrift Sink</td> 
   <td>数据被转换成Thrift Event，然后发送到配置的RPC端口上</td> 
  </tr> 
  <tr> 
   <td>Spooling Directory Source</td> 
   <td>监控指定目录内数据变更</td> 
   <td>Pseudo Transaction Channel</td> 
   <td>测试用途</td> 
   <td>IRC Sink</td> 
   <td>数据在IRC上进行回放</td> 
  </tr> 
  <tr> 
   <td>Twitter 1% firehose Source</td> 
   <td>通过API持续下载Twitter数据，试验性质</td> 
   <td>Custom Channel</td> 
   <td>自定义Channel实现</td> 
   <td>File Roll Sink</td> 
   <td>存储数据到本地文件系统</td> 
  </tr> 
  <tr> 
   <td>Netcat Source</td> 
   <td>监控某个端口，将流经端口的每一个文本行数据作为Event输入</td> 
   <td></td> 
   <td></td> 
   <td>Null Sink</td> 
   <td>丢弃到所有数据</td> 
  </tr> 
  <tr> 
   <td>Sequence Generator Source</td> 
   <td>序列生成器数据源，生产序列数据</td> 
   <td></td> 
   <td></td> 
   <td>HBase Sink</td> 
   <td>数据写入HBase数据库</td> 
  </tr> 
  <tr> 
   <td>Syslog Sources</td> 
   <td>读取syslog数据，产生Event，支持UDP和TCP两种协议</td> 
   <td></td> 
   <td></td> 
   <td>Morphline Solr Sink</td> 
   <td>数据发送到Solr搜索服务器（集群）</td> 
  </tr> 
  <tr> 
   <td>HTTP Source</td> 
   <td>基于HTTP POST或GET方式的数据源，支持JSON、BLOB表示形式</td> 
   <td></td> 
   <td></td> 
   <td>ElasticSearch Sink</td> 
   <td>数据发送到Elastic Search搜索服务器（集群）</td> 
  </tr> 
  <tr> 
   <td>Legacy Sources</td> 
   <td>兼容老的Flume og中Source（0.9.x版本）</td> 
   <td></td> 
   <td></td> 
   <td>Kite Dataset Sink</td> 
   <td>写数据到Kite Dataset，试验性质的</td> 
  </tr> 
  <tr> 
   <td>Kafka Source</td> 
   <td>读取Kafka数据</td> 
   <td></td> 
   <td></td> 
   <td>Custom Sink</td> 
   <td>自定义Sink实现</td> 
  </tr> 
 </tbody> 
</table>

[Apache Flume 官网][Apache Flume]  
[Apache Flume GitHub][GitHub-Apache Flume]

[20190527121112347.png]: /images/20220127/d0fe1b9817f845a9b37e0dbf3495e992.png
[GitHub-Apache Flume]: https://github.com/apache/flume
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODI1NjQ3NA_size_16_color_FFFFFF_t_70]: /images/20220127/cd16b0cf63ae498cb513487fb7792db3.png
[Apache Flume]: http://flume.apache.org/