共计 1608 个字符，预计需要花费 5 分钟才能阅读完成。
这篇文章主要为大家展示了“Flume 整体架构是怎么样的”，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让丸趣 TV 小编带领大家一起研究并学习一下“Flume 整体架构是怎么样的”这篇文章吧。
1、Flume 介绍
Flume 是 cloudera 公司开源的一款分布式、可靠地进行大量日志数据采集、聚合和并转移到存储中；通过事务机制提供了可靠的消息传输支持，自带负载均衡机制来支撑水平扩展；并且提供了一些默认组件供直接使用。
Flume 目前常见的应用场景：日志 — Flume— 实时计算（如 Kafka+Storm）、日志 — Flume— 离线计算（如 HDFS、HBase）、日志 — Flume— ElasticSearch。
2、整体架构
Flume 主要分为三个组件：Source、Channel、Sink；数据流如下图所示：
1、Source 负责日志流入，比如从文件、网络、Kafka 等数据源流入数据，数据流入的方式有两种轮训拉取和事件驱动；
2、Channel 负责数据聚合 / 暂存，比如暂存到内存、本地文件、数据库、Kafka 等，日志数据不会在管道停留很长时间，很快会被 Sink 消费掉；
3、Sink 负责数据转移到存储，比如从 Channel 拿到日志后直接存储到 HDFS、HBase、Kafka、ElasticSearch 等，然后再有如 Hadoop、Storm、ElasticSearch 之类的进行数据分析或查询。
一个 Agent 会同时存在这三个组件，Source 和 Sink 都是异步执行的，相互之间不会影响。
假设我们有采集并索引 Nginx 访问日志，我们可以按照如下方式部署：
1、Source 采集的日志会传入 ChannelProcessor 组件，其首先通过 Interceptor 进行日志过滤，如果接触过 Servlet 的话这个概念是类似的，可以参考《Servlet3.1 规范翻译——过滤器 》；过滤器可以过滤掉日志，也可以修改日志内容；
2、过滤完成后接下来会交给 ChannelSelector 进行处理，默认提供了两种选择器：复制或多路复用选择器；复制即把一个日志复制到多个 Channel；而多路复用会根据配置的选择器条件，把符合条件的路由到相应的 Channel；在写多个 Channel 时可能存在存在失败的情况，对于失败的处理有两种：稍后重试或者忽略。重试一般采用指数级时间进行重试。
我们之前说过 Source 生产日志给 Channel、Sink 从 Channel 消费日志；它俩完全是异步的，因此 Sink 只需要监听自己关系的 Channel 变化即可。
到此我们可以对 Source 日志进行过滤 / 修改，把一个消息复制 / 路由到多个 Channel，对于 Sink 的话也应该存在写失败的情况，Flume 默认提供了如下策略：
Failover 策略是给多个 Sink 定义优先级，假设其中一个失败了，则路由到下一个优先级的 Sink；Sink 只要抛出一次异常就会被认为是失败了，则从存活 Sink 中移除，然后指数级时间等待重试，默认是等待 1s 开始重试，最大等待重试时间是 30s。
Flume 也提供了负载均衡策略：
1、首先是日志采集层，该层的 Agent 和应用部署在同一台机器上，负责采集如 Nginx 访问日志；然后通过 RPC 将日志流入到收集 / 聚合层；在这一层应该快速的采集到日志然后流入到收集 / 聚合层；
2、收集 / 聚合层进行日志的收集或聚合，并且可以进行容错处理，如故障转移或负载均衡，以提升可靠性；另外可以在该层开启文件 Channel，做数据缓冲区；
3、收集 / 聚合层对数据进行过滤或修改然后进行存储或处理；比如存储到 HDFS，或者流入 Kafka 然后通过 Storm 对数据进行实时处理。
以上是“Flume 整体架构是怎么样的”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注丸趣 TV 行业资讯频道！
