[TOC] # 简介 在一个完整的大数据处理系统中，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：  # 概述 * Flume是Cloudera提供的一个分布式、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、文件夹等各种形式源数据，又可以将采集到的数据输出到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 当前Flume有两个版本： * Flume 0.9X版本的统称Flume-og * Flume1.X版本的统称Flume-ng 由于Flume-ng经过重大重构，与Flume-og有很大不同，使用时请注意区分 # 运行机制 1. Flume分布式系统中最核心的角色是agent，flume采集系统就是由一个个agent所连接起来形成 2. 每一个agent相当于一个数据传递员(Source 到 Channel 到 Sink之间传递数据的形式是Event事件；Event事件是一个数据流单元)，内部有三个组件： * Source：采集源，用于跟数据源对接，以获取数据 * Sink：下沉地，采集数据的传送目的，用于往下一级agent传递数据或者往最终存储系统传递数据 * Channel：angent内部的数据传输通道，用于从source将数据传递到sink  # Flume采集系统结构图 ## 简单结构 单个agent采集数据  ## 复杂结构 多级agent之间串联 1. 第一种：2个agent串联  2. 多个agent的采集的数据进行汇总  3. 采集的数据可以下层到不同的系统中