前言

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：

1.1 Flume介绍

1.1.1 概述

• 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。
• 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。
• 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。

宏观角度来看类似生活中的扫码枪、吸尘器吸头。

总结 :

• flume：负责数据的收集，采集传输，并将数据存储在大数据生态系统。
• 数据采集：文件、文件夹、数据包，kafka.
• 数据存储：HDFS，hbase, hive, kafka
• XXX收集，采集，传输
• 例如：扫码枪，打卡机，收割机，吸尘器