1、Flume组成，Put事务，Take事务

1）taildir source

（1）断点续传、多目录

    （2）哪个flume版本产生的？Apache1.7、CDH1.6

（3）没有断点续传功能时怎么做的？ 自定义

（4）taildir挂了怎么办？

     不会丢数：断点续传

     重复数据：

（5）怎么处理重复数据？

     不处理：生产环境通常不处理，因为会影响传输效率

     处理

         自身：在taildirsource里面增加自定义事务

         找兄弟：下一级处理（hive dwd sparkstreaming flink布隆）、去重手段（groupby、开窗取窗口第一条、redis）

（6）taildir source 是否支持递归遍历文件夹读取文件？

     不支持。  自定义  递归遍历文件夹 +读取文件

2）file channel /memory channel/kafka channel  

（1）file channel

          数据存储于磁盘，优势：可靠性高；劣势：传输速度低

          默认容量：100万event

注意：FileChannel可以通过配置dataDirs指向多个路径，每个路径对应不同的硬盘，增大Flume吞吐量。

（2）memory channel

          数据存储于内存，优势：传输速度快；劣势：可靠性差

          默认容量：100个event

（3）kafka channel

          数据存储于Kafka，基于磁盘；

          优势：可靠性高；

          传输速度快 kafka channel》memory channel+kafka sink  原因省去了sink阶段

（4）kafka channel哪个版本产生的？

          flume1.6 版本产生=》并没有火；因为有bug

          topic-start 数据内容

          topic-event 数据内容    ture  和false 很遗憾，都不起作用。

          增加了额外清洗的工作量。

          flume1.7解决了这个问题，开始火了。

（5）生产环境如何选择

          如果下一级是kafka，优先选择kafka channel

          如果是金融、对钱要求准确的公司，选择file channel

          如果就是普通的日志，通常可以选择memory channel

          每天丢几百万数据   pb级   亿万富翁，掉1块钱会捡？

3）HDFS sink    

     （1）时间(1小时-2小时) or 大小128m、event个数（0禁止）

具体参数：hdfs.rollInterval=3600，hdfs.rollSize=134217728，hdfs.rollCount =0

4）事务

Source到Channel是Put事务

Channel到Sink是Take事务

2、Flume拦截器

1）拦截器注意事项

项目中自定义了：ETL拦截器。

采用两个拦截器的优缺点：优点，模块化开发和可移植性；缺点，性能会低一些

2）自定义拦截器步骤

（1）实现 Interceptor

（2）重写四个方法

• initialize 初始化
• public Event intercept(Event event) 处理单个Event
• public List<Event> intercept(List<Event> events) 处理多个Event，在这个方法中调用Event intercept(Event event)
• close 方法

（3）静态内部类，实现Interceptor.Builder

3）拦截器可以不用吗？

     可以不用；需要在下一级hive的dwd层和sparksteaming里面处理

     优势：只处理一次，轻度处理；劣势：影响性能，不适合做实时推荐这种对实时要求比较高的场景。

3、Flume Channel选择器

 4、Flume监控器

1）采用Ganglia监控器，监控到flume尝试提交的次数远远大于最终成功的次数，说明flume运行比较差。

2）解决办法？

（1）自身：增加内存flume-env.sh   4-6g

-Xmx与-Xms最好设置一致，减少内存抖动带来的性能影响，如果设置不一致容易导致频繁fullgc。

（2）找朋友：增加服务器台数

搞活动 618  =》增加服务器=》用完在退出

日志服务器配置：8-16g内存、磁盘8T

5、Flume采集数据会丢失吗（防止数据丢失的机制）

如果是FileChannel不会，Channel存储可以存储在File中，数据传输自身有事务。

如果是MemoryChannel有可能丢。