大数据开发面试题【Flume篇】

79、介绍下Flume以及架构

是一个开源的日志系统，是一个分布式。可靠性和高可用的海量日志聚合系统，支持在系统中定制各类数据发送方，用于收集数据
Agent：是一个jvm进程，他以时间的形式将数据从源头送至目的地、Agent 主要有 3 个部分组成，Source、Channel、Sink。
Source：负责接收数据到flume的agent的组件，可以处理avro、thrift、exec、jms…一系列日志类型
Sink：sink不断轮询channel中的事件并且批量地移除他们，写入到存储系统或者另一个flume agent
channel：是位于source和sink之间的缓冲区，有基于文件的fliechannel和基于内存的memorychannel（一个安全但是慢，一个快但是不安全）
Event：是flume的基本传输单元，以event的形式将数据从源头送至目的地，event由header和body组成

80、Flume事务机制

flume的事务机制类似数据库的事务机制：要么都成功，要么都失败
一个事务负责从source到channel，另一个事务负责从channel到sink

81、Flume采集数据会丢失吗？

flume是不可能丢失数据的，内部由完善的事务机制，两个环节的事务性保证
flume不会丢失数据，但是可能造成数据的重复，
flume作为高容量并行采集系统次啊用的是at-least-once，造成每个source产生的事件至少到达sink一次，又可能会造成重复

82、flume的拦截器

是设置在source和channel之间，source接收到的事件event，拦截器可以进行转换或者删除