概述：

Apache Flume是一個分布式、可用的系統，用於從許多不同的sources有效的收集並移動大量日誌數據用於集中存儲數據。

架構及數據流動模型：

flume實際上就是一個Agent。Agent裏面包含三大組件：Source、Channel、Sink。

Flume agent流動的數據單位為一個Event。一個Flume agent 是一個JVM進程，維持允許Events從一個外部source流動到一個外部目的地的組件。

Events被外部source（例如web server）發送到Source，被發送的Events要有特定的格式。例如，AvroSource可以用來接受來自客戶端的Avro Events或者其他Flume agent。當Source接受Event時，Source存儲Event進一個或多個Channels。該Channel是一個活的存儲，保存Event直到它被Sink消費。Sink把Event從Channel中移除並把Event放進外部存儲庫，如HDFS。Source和Sink在Agent裏面是異步運行的。

Client--開發自定義組件：

Client在events的來源地操作，並把獲取到的events發送到Flume agent。Client通常在它們消耗數據的應用過程操作。Flume一般支持Avro，log4j，syslog，和Http POST（帶有JSON body）作為途徑方式去從轉換來自外部Source的數據。在上圖中的web server就相當於一個Client。

在條件無法滿足的情況下，可以創建一個自定義機制發送數據給Flume。有兩種實現方式：第一種是創建自定義client與Flume已存在的sources，如AvroSource或者SyslogTcpSource，聯系交流。這裏client需要把數據轉換成Flume Sources能夠識別的信息。另外一種是去編寫自定義Flume Source，它能直接與你已存在的使用IPC或者RPC協議的client應用交流，然後轉換client數據為Flume Events用於發送。

RPC client 接口

Flume的RpcClient接口的實現封裝了flume支持的RPC機制。用戶的應用可以簡單的調用Flume Client SDK的append(Event)或者appendBatch(List<Event>)去發送數據，而不用擔心底層消息交換的細節。用戶提供要求的Event的方式有兩種，一種是可以通過直接實現Event接口，如SimpleEvent類，二是通過使用EventBuilder的withBody()方法。

RPC clients - Avro和Thrift

Avro是默認的RPC協議，NettyAvroRpcClient和ThriftRpcClient實現RpcClient接口。client需要創建帶有host和port的目標Flume agent，然後可以使用RpcClient發送數據到agent。

Flume Client (Avro Client)配置解析

① 分別給Channels、Sources、Sinks命名為c1、r1、k1；

②標明channels c1的類型，為memory內存存儲；

③註明sources r1需要連接的channels為c1，然後標明sources r1的類型為avro，即client為avroClient類型，發送到source的數據格式為avro；其次把client的host和port寫明；

④註明sinks k1需要連接的channels為c1，然後表明sinks類型為loggger存儲方式。

事務接口：

事務接口是Flume可靠性的基礎。全部的主要組件（如Sources，Sinks和Channels）必須使用Flume事務；

事務是在Channle實現過程中實現的。每一個Source和Sink連接到的Channel，其必須包含Transaction對象。Sources使用ChannelProcessor去管理Transactions，Sinks通過其配置的Channel管理Transactions。把event放進Channel或者從Channel移除event的操作是在一個活的Transaction中完成的。

Sink：

Sink的目的是把Events從Channel移除並把它們發送到下一個Flume Agent或者在外部存儲庫存儲它們。一個Sink恰好連接一個Channels，在Flume配置文件中配置。有個SinkRunner實例連接每一個配置的Sink，當Flume框架調用SinkRunner.start()，一個新線程被創建去驅動Sink(使用SinkRunner.PollingRunner作為線程的Runnable)。這個線程管理Sink的生命周期。該Sink需要實現start()和stop()方法，這些方法是LifecycleAware的接口。Sink.start()方法應該初始化Sink和帶它到一個能使Event前進到下一個目的地的狀態。Sink.process()方法應該執行把Event從Channel移除並使它前進的核心進程。Sink.stop()方法應該執行必要的清除（如釋放資源）

Source：

Source的目的是接收來自外部Client的數據和把它存儲在配置好的Channels。Source可以通過它本身的ChannelProcessor得到一個實例，用來處理一個Event，並在Channel本地transaction提交。類似於SinkRunner.PollingRunner Runnable，有PollingRunner Runnable在一個新線程中執行，當Flume框架調用PollableSourceRunner.start()，該線程會被創建。每一個配置的PollableSource與它本來的運行一個PollingRunnable的線程關聯。該線程管理PollableSource的生命周期，例如starting和stopping。一個PollableSource實現必須實現strat()和stop()方法，它們在LifecycleAware接口中聲明。PollableSource運行調用Source的process()方法。process()方法應該檢查新的數據並把它以Flume Events的形式存儲在Channel中。註意這裏有兩種Sources。PollableSource已經被提及啦。另一種是EventDrivenSource。EventDrivenSource，不同於PollableSource，必須有它自己的調用機制去識別新數據並把新數據存在Channel。EventDrivenSources不是由它們本身的線程驅動的。

Channel：

暫無

flume1.8 開發指南學習感悟