大數(shù)據(jù)流處理：Flume、Kafka和NiFi的區(qū)別【大數(shù)據(jù)培訓(xùn)】

本次，為大家簡(jiǎn)要介紹三種Apache流式處理工具：Flume、Kafka和Nifi。這三款產(chǎn)品性能優(yōu)異，可橫向伸縮，并提供插件機(jī)制，可通過(guò)定制組件進(jìn)行擴(kuò)展。

Apache Flume

Flume部署由一個(gè)或多個(gè)使用拓?fù)渑渲玫拇斫M成。Flume代理是一個(gè)JVM進(jìn)程，它承載Flume拓?fù)涞幕緲?gòu)建塊，即源、通道和接收器。Flume客戶機(jī)將事件發(fā)送到源，然后將它們成批地放在名為channel的臨時(shí)緩沖區(qū)中，數(shù)據(jù)從該緩沖區(qū)流向連接到數(shù)據(jù)最終目的地的接收器。接收器也可以是其他Flume代理程序的后續(xù)數(shù)據(jù)源。代理可以鏈接，并且每個(gè)代理都有多個(gè)源、通道和接收器。

Flume是一個(gè)分布式系統(tǒng)，可用于收集、聚合流事件并將其傳輸?shù)紿adoop中。它有許多內(nèi)置的源、通道和接收器，例如Kafka通道和Avro接收器。Flume是基于配置的，它有攔截器來(lái)對(duì)通道中的數(shù)據(jù)執(zhí)行簡(jiǎn)單的轉(zhuǎn)換。

如果不小心，使用Flume很容易丟失數(shù)據(jù)。例如，為高吞吐量選擇內(nèi)存通道有一個(gè)缺點(diǎn)，即當(dāng)代理節(jié)點(diǎn)關(guān)閉時(shí)，數(shù)據(jù)將丟失。文件通道將以增加延遲為代價(jià)提供持久性。即使如此，由于數(shù)據(jù)沒(méi)有復(fù)制到其他節(jié)點(diǎn)，因此文件通道僅與底層磁盤(pán)一樣的可靠性。Flume通過(guò)多跳/扇入扇出流提供了可伸縮性。對(duì)于高可用性(HA)，可以水平擴(kuò)展代理。

Apache Kafka

Kafka是一種分布式高吞吐量消息總線，可將數(shù)據(jù)生成者與消費(fèi)者分開(kāi)。消息按主題組織，主題分為多個(gè)分區(qū)，分區(qū)在群集中的節(jié)點(diǎn)之間復(fù)制(稱為代理)。與Flume相比，Kafka具有更好的可擴(kuò)展性和消息持久性。 Kafka現(xiàn)在有兩種樣式：一種是“經(jīng)典”生產(chǎn)者/消費(fèi)者模型，另一種是新的Kafka-Connect，它為外部數(shù)據(jù)存儲(chǔ)提供可配置的連接器(源/接收器)。

kafka可以用于大型軟件系統(tǒng)組件之間的事件處理和集成，此外，kafka附帶kafka流，它可以用于簡(jiǎn)單的流處理，而不需要單獨(dú)的集群，如apache spark或apacheFlink。

由于消息被持久化在磁盤(pán)上，并且在集群中被復(fù)制，因此數(shù)據(jù)丟失情況不像Flume那樣常見(jiàn)。也就是說(shuō)，無(wú)論是使用Kafka客戶端還是通過(guò)Connect API，生產(chǎn)者/來(lái)源和消費(fèi)者/接收器通常都需要自定義編碼。與Flume一樣，消息大小也有限制。最后，為了能夠進(jìn)行通信，Kafka的生產(chǎn)者和消費(fèi)者必須就協(xié)議、格式和架構(gòu)達(dá)成一致，這在某些情況下可能會(huì)有問(wèn)題。

Apache NiFi

與Flume和Kafka不同，NIFI可以處理任何大小的消息。在基于Web的拖放用戶界面后面，NIFI在集群中運(yùn)行，并提供實(shí)時(shí)控制，以便您可以輕松地管理任何源和任何目標(biāo)之間的數(shù)據(jù)移動(dòng)。它支持不同格式、模式、協(xié)議、速度和大小的分散和分布式源。

NiFi可以用于具有嚴(yán)格安全性和合規(guī)性要求的關(guān)鍵任務(wù)數(shù)據(jù)流中，在那里我們可以可視化整個(gè)過(guò)程并實(shí)時(shí)進(jìn)行更改。在撰寫(xiě)本文時(shí)，它有近200個(gè)隨時(shí)可用的處理器(包括Flume和Kafka處理器)，可以進(jìn)行拖放、配置和立即投入使用。NiFi的一些關(guān)鍵特性是優(yōu)先級(jí)排隊(duì)、數(shù)據(jù)跟蹤和每個(gè)連接的背壓閾值配置。

雖然NiFi用于創(chuàng)建容錯(cuò)生產(chǎn)管道，但它不會(huì)復(fù)制像Kafka這樣的數(shù)據(jù)。如果節(jié)點(diǎn)發(fā)生故障，則可以將流定向到另一個(gè)節(jié)點(diǎn)，但排隊(duì)等待故障節(jié)點(diǎn)的數(shù)據(jù)必須等待節(jié)點(diǎn)恢復(fù)。 NiFi不是一個(gè)成熟的ETL工具，不適合復(fù)雜的計(jì)算和事件處理(CEP)。要做到這一點(diǎn)，它應(yīng)該連接到流式框架，如Apache Flink，Spark Streaming或Storm。

組合方式滿足更多的需求

沒(méi)有任何一款工具符合我們所有的要求。組合以更好的方式執(zhí)行不同操作的工具可以增強(qiáng)功能并增加處理更多場(chǎng)景的靈活性。例如: 根據(jù)需求，NiFi和Flume可以充當(dāng)Kafka生產(chǎn)商或消費(fèi)者。

Flume-Kafka集成非常受歡迎，它有自己的名字：Flafka。Flafka包括Kafka源，Kafka通道和Kafka池。結(jié)合Flume和Kafka，Kafka可以避免自定義編碼并利用Flume經(jīng)過(guò)實(shí)戰(zhàn)考驗(yàn)的資源和接收器，通過(guò)Kafka通道的Flume事件將在Kafka代理中進(jìn)行存儲(chǔ)和復(fù)制，以實(shí)現(xiàn)彈性。

組合工具可能看起來(lái)很浪費(fèi)，因?yàn)樗坪踉诠δ苌现丿B。例如，NiFi和Kafka都提供代理商來(lái)連接生產(chǎn)者和消費(fèi)者。但是，它們的表現(xiàn)不同：在NiFi中，大多數(shù)數(shù)據(jù)流邏輯不在生產(chǎn)者/消費(fèi)者中，而是在代理中，允許集中控制。 NiFi是為了做一件重要的事情而構(gòu)建的：數(shù)據(jù)流管理。通過(guò)兩種工具的結(jié)合，NiFi可以充分利用Kafka可靠的流數(shù)據(jù)存儲(chǔ)，同時(shí)解決Kafka無(wú)法解決的數(shù)據(jù)流挑戰(zhàn)。

本文來(lái)自：黑馬程序員大數(shù)據(jù)學(xué)院 cloud.itheima.com