在企业级的平台系统当中，对于日志的收集和分析，一方面对于运维优化有着相应的作用，另一方面日志数据，作为大数据的一种形式，也蕴含着诸多价值。今天的大数据开发学习分享，我们就主要来讲讲，Flume分布式日志系统。
Flume出自Cloudera公司，现如今已经是Apache的顶级项目。市面上与Flume相似的日志收集系统还有Facebook Scribe、Apache Chuwka等。但是在大数据平台系统当中，Flume的应用程度还是占据主流市场的。
Flume OG和Flume NG
提到Flume，也许有人听过两个版本，一个是Flume OG，一个是Flume NG。
Flume初始的发行版本目前被统称为Flume OG（Original Generation），属于Cloudera。
而2011年10月22日，Cloudera完成了Flume-728，对Flume进行了里程碑式的改动：重构核心组件、核心配置及代码架构，重构后的版本统称为Flume NG（Next Generation）。
Flume NG的架构
Flume采用了分层架构，分别为Agent、Collector和Storage。其中，Agent和Collector均由Source和Sink两部分组成，Source是数据来源，Sink是数据去向。
Flume使用了两个组件：Master和Node。Node根据在Master Shell或Web中的动态配置，决定其是作为Agent还是作为Collector。
Agent的作用是将数据源的数据发送给Collector。
Collector的作用是将多个Agent的数据汇总后，加载到Storage中。它的Source和Sink与Agent类似。
Storage是存储系统，可以是一个普通File，也可以是HDFS、Hive、HBase、分布式存储等。
Master负责管理、协调Agent和Collector的配置信息，是Flume集群的控制器。
注：Flume框架对Hadoop和ZooKeeper的依赖只存在于JAR包上，并不要求Flume启动时必须将Hadoop和ZooKeeper服务同时启动。
Flume核心概念
1.Agent：使用JVM运行Flume。每台机器运行一个agent，但是可以在一个agent中包含多个sources和sinks。
2.Client：生产数据，运行在一个独立的线程。
3.Source：从Client收集数据，传递给Channel。
4.Sink：从Channel收集数据，运行在一个独立线程。
5.Channel：连接sources和sinks，这个有点像一个队列。
6.Events：可以是日志记录、avro对象等。
Flume以agent为最小的独立运行单位。一个agent就是一个JVM。单agent由Source、Sink和Channel三大组件构成。
值得注意的是，Flume提供了大量内置的Source、Channel和Sink类型。不同类型的Source，Channel和Sink可以自由组合。组合方式基于用户设置的配置文件，非常灵活。
比如：Channel可以把事件暂存在内存里，也可以持久化到本地硬盘上。Sink可以把日志写入HDFS，HBase，甚至是另外一个Source等等。Flume支持用户建立多级流，也就是说，多个agent可以协同工作，并且支持Fan-in、Fan-out、Contextual Routing、Backup Routes。
关于大数据开发学习，Flume分布式日志系统，以上就为大家做了简单的介绍了。Flume组件在大数据技术生态当中占据重要位置，因而在大数据学习当中，也需要给以足够的重视。
