Flume之选择器:复制和多路复用(比喻化理解

Flume 的选择器决定了Source 如何将数据分发到多个 Channel 。这就像 "快递员如何分配包裹到不同的运输通道",有两种策略:复制多路复用

一、复制(Replicating Selector):每个 Channel 都送一份

核心逻辑

将同一个 Event(数据)复制到所有配置的 Channel,就像 "一个快递员同时给多个收件人发相同的包裹"。

应用场景
  • 需要将数据同时写入多个目的地(如同时备份到 HDFS 和 Kafka)。
  • 示例:监控系统日志,同时存储到 HDFS(长期归档)和 Elasticsearch(实时搜索)。
配置示例
复制代码
# Source配置
a1.sources = r1
a1.channels = c1 c2  # 配置两个Channel

# 选择器类型:复制(默认)
a1.sources.r1.selector.type = replicating

二、多路复用(Multiplexing Selector):按规则分配

核心逻辑

根据 Event 的Header 值 (类似包裹上的 "地址标签"),将数据路由到不同的 Channel,就像 "快递员按收件地址分区域派送"。

应用场景
  • 根据数据类型拆分(如将错误日志和访问日志分到不同 Channel)。
  • 示例:电商订单数据,按支付方式(微信 / 支付宝)分流到不同 Kafka Topic。
配置示例
复制代码
# Source配置
a1.sources = r1
a1.channels = c1 c2  # 配置两个Channel

# 选择器类型:多路复用
a1.sources.r1.selector.type = multiplexing

# 按Header中的"type"字段路由
a1.sources.r1.selector.header = type
a1.sources.r1.selector.mapping.error = c1  # type=error的Event走c1
a1.sources.r1.selector.mapping.access = c2  # type=access的Event走c2
a1.sources.r1.selector.default = c2  # 未匹配的默认走c2

三、对比与记忆技巧

维度 复制(Replicating) 多路复用(Multiplexing)
数据流向 一个 Event 复制到所有 Channel 一个 Event 只走一个 Channel(按规则选)
比喻 快递员给每个客户都发相同的包裹 快递员按地址分区派送包裹
配置关键词 replicating(默认,无需显式配置) multiplexing + header + mapping
典型场景 数据备份、多目的地存储 数据分类、分流处理

四、一句话总结

  • 复制:"一份数据,所有管道都走一遍"(适合备份);
  • 多路复用:"不同数据走不同管道"(适合分类)。

如果还是容易混淆,可以想象:

  • 复制像 "群发消息"(所有人都收到相同内容);
  • 多路复用像 "智能分拣"(根据包裹标签选择不同运输路线)。
相关推荐
吱吱企业安全通讯软件6 分钟前
吱吱企业通讯软件保证内部通讯安全,搭建数字安全体系
大数据·网络·人工智能·安全·信息与通信·吱吱办公通讯
云手机掌柜11 分钟前
Tumblr长文运营:亚矩阵云手机助力多账号轮询与关键词布局系统
大数据·服务器·tcp/ip·矩阵·流量运营·虚幻·云手机
拓端研究室3 小时前
专题:2025全球消费趋势与中国市场洞察报告|附300+份报告PDF、原数据表汇总下载
大数据·信息可视化·pdf
阿里云大数据AI技术5 小时前
MaxCompute聚簇优化推荐功能发布,单日节省2PB Shuffle、7000+CU!
大数据
Lx3528 小时前
Hadoop小文件处理难题:合并与优化的最佳实践
大数据·hadoop
激昂网络9 小时前
android kernel代码 common-android13-5.15 下载 编译
android·大数据·elasticsearch
绝缘体19 小时前
折扣大牌点餐api接口对接适合本地生活吗?
大数据·网络·搜索引擎·pygame
君不见,青丝成雪9 小时前
浅看架构理论(二)
大数据·架构
武子康10 小时前
大数据-74 Kafka 核心机制揭秘:副本同步、控制器选举与可靠性保障
大数据·后端·kafka