1 概述&背景

1.1 概述

Flume is a distributed, reliable, and available service for efficiently collecting, aggregating, and moving large amounts of log data. It has a simple and flexible architecture based on streaming data flows. It is robust and fault tolerant with tunable reliability mechanisms and many failover and recovery mechanisms. It uses a simple extensible data model that allows for online analytic application.

Flume是一种分布式，可靠且可用的服务，用于有效地收集，聚合和移动大量日志数据。它具有基于流数据流的简单灵活的体系结构。它具有可调整的可靠性机制以及许多故障转移和恢复机制，具有强大的功能和容错能力。它使用一个简单的可扩展数据模型，允许在线分析应用程序。

1.2 背景

需求1：采集本地服务器日志文件上传到HDFS（数据源-本地服务器日志   目标存储系统：HDFS）

方案：编写代码读取本地服务器日志文件，通过HDFS客户端上传文件到HDFS

扩展需求2：采集Kafka集群数据（HBASE数据，MySQL数据等等），上传到HDFS(Kafka集群，HBASE，MySql等等)

方案：需要重新编写代码，针对不同的数据源,目标存储系统对接不同的客户端。

问题描述：1.现实中数据源的来源类型很多，目标存储系统类型很多。2.数据采集对接各种各样的数据源，各种各样的目标存储系统。如果换一个数据源或者目标存储系统，需要重新编写代码，非常麻烦。在这个背景下，Cloudera公司封装了一个框架Flume-提供一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统。

2 工作机制

1.可以启动Flume的agent程序进行数据采集

2.每个agent程序中包含三大组件：

    source

    channel

     sink

3.agent程序可以根据需要在多台机器上启动

缓冲数据Channel产生背景：

由于产生数据的速度不确定，一般由业务系统产生。例如某个时间段，用户量很多的时候，产生的数据很快，在某个时间段用户量很少的时候，产生数据的速度很慢，业务系统产生数据有波动，会导致数据读写不匹配，从而在读与写之间加了一个缓存数据（内存，本地文件系统）。

常见的实现类已经存在库里了，只需要写配置文件即可。