【hadoop生态之Flume】概念【笔记+代码】
发布时间：2024-07-08 18:01
一、Flume简介
-
Flume提供一个分布式的，可靠的，对大数据量的日志进行高效收集、聚集、移动的服务，Flume只能在Unix环境下运行。
-
Flume基于流式架构，容错性强，也很灵活简单。
-
Flume、Kafka用来实时进行数据收集，Spark、Flink用来实时处理数据，impala用来实时查询。
二、Flume角色
2.1、Source
用于采集数据，Source是产生数据流的地方，同时Source会将产生的数据流传输到Channel，这个有点类似于Java IO部分的Channel。
2.2、Channel
用于桥接Sources和Sinks，类似于一个队列。
2.3、Sink
从Channel收集数据，将数据写到目标源(可以是下一个Source，也可以是HDFS或者HBase)。
2.4、Event
传输单元，Flume数据传输的基本单元，以事件的形式将数据从源头送至目的地。
三、Flume传输过程
source监控某个文件或数据流，数据源产生新的数据，拿到该数据后，将数据封装在一个Event中，并put到channel后commit提交，channel队列先进先出，sink去channel队列中拉取数据，然后写入到HDFS中。
相关推荐
Kubernetes集群部署，基于kubeadm的快速搭建k8s集群模式。
Python报错:ModuleNotFoundError的解决办法
MindSpore报错"TypeError: parse() missing 1 required positional."
米家、华为、飞利浦和智汀等智能家居技术有哪些示例，都有哪些优缺点
Runcat 让Mac跑代码程序更Happy（Mac系统监控软件推荐）
【自动驾驶模拟器AirSim快速入门 | 01】自动驾驶模拟器AirSim实战演练
【C++】C++核心编程部分-内存分区模型-引用-函数提高-类与对象-文件操作