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，并提供插件機制，可通過定制組件進行擴展。

Apache Flume

Flume部署由一個或多個使用拓撲配置的代理組成。Flume代理是一個JVM進程，它承載Flume拓撲的基本構(gòu)建塊，即源、通道和接收器。Flume客戶機將事件發(fā)送到源，然后將它們成批地放在名為channel的臨時緩沖區(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，并且每個代理都有多個源、通道和接收器。

Flume是一個分布式系統(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，它有攔截器來對通道中的數(shù)據(jù)執(zhí)行簡單的轉(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)存通道有一個缺點，即當(dāng)代理節(jié)點關(guān)閉時，數(shù)據(jù)將丟失。文件通道將以增加延遲為代價提供持久性。即使如此，由于數(shù)據(jù)沒有復(fù)制到其他節(jié)點，因此文件通道僅與底層磁盤一樣的可靠性。Flume通過多跳/扇入扇出流提供了可伸縮性。對于高可用性(HA)，可以水平擴展代理。

Apache Kafka

Kafka是一種分布式高吞吐量消息總線，可將數(shù)據(jù)生成者與消費者分開。消息按主題組織，主題分為多個分區(qū)，分區(qū)在群集中的節(jié)點之間復(fù)制(稱為代理)。與Flume相比，Kafka具有更好的可擴展性和消息持久性。 Kafka現(xiàn)在有兩種樣式：一種是“經(jīng)典”生產(chǎn)者/消費者模型，另一種是新的Kafka-Connect，它為外部數(shù)據(jù)存儲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，它可以用于簡單的流處理，而不需要單獨的集群，如apache spark或apacheFlink。

由于消息被持久化在磁盤上，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。也就是說，無論是使用Kafka客戶端還是通過Connect API，生產(chǎn)者/來源和消費者/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，為了能夠進行通信，Kafka的生產(chǎn)者和消費者必須就協(xié)議、格式和架構(gòu)達成一致，這在某些情況下可能會有問題。

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在集群中運行，并提供實時控制，以便您可以輕松地管理任何源和任何目標之間的數(shù)據(jù)移動。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過程并實時進行更改。在撰寫本文時，它有近200個隨時可用的處理器(包括Flume和Kafka處理器)，可以進行拖放、配置和立即投入使用。NiFi的一些關(guān)鍵特性是優(yōu)先級排隊、數(shù)據(jù)跟蹤和每個連接的背壓閾值配置。

雖然NiFi用于創(chuàng)建容錯生產(chǎn)管道，但它不會復(fù)制像Kafka這樣的數(shù)據(jù)。如果節(jié)點發(fā)生故障，則可以將流定向到另一個節(jié)點，但排隊等待故障節(jié)點的數(shù)據(jù)必須等待節(jié)點恢復(fù)。 NiFi不是一個成熟的ETL工具，不適合復(fù)雜的計算和事件處理(CEP)。要做到這一點，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功能并增加處理更多場景的靈活性。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)過實戰(zhàn)考驗的資源和接收器，通過Kafka通道的Flume事件將在Kafka代理中進行存儲和復(fù)制，以實現(xiàn)彈性。

組合工具可能看起來很浪費，因為它似乎在功能上重疊。例如，NiFi和Kafka都提供代理商來連接生產(chǎn)者和消費者。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，同時解決Kafka無法解決的數(shù)據(jù)流挑戰(zhàn)。

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