三.Flume事务和内部原理

1.Flume 事务

Flume使用两个独立的事务分别负责从soucrce到channel，以及从channel到sink的事件传递。
在Source到Channel之间的叫put事务，在Channel到Sink之间的叫Take事务。
事务两个特性就是：成功了提交，失败了回滚。

1.1 put事务

从source到channel过程中，数据在flume中会被封装成Event对象，多个event被放到一个事务中，
然后把这个包含events的事务放到channel中。

• 1.事务开始的时候会调用一个doPut方法，doPut方法的会将这批数据batch data，也就是一批event放到putList中。

doPut传递的数据的大小可以通过参数bathchSize配置。
putList的大小则通过channel的参数transactionCapacity进行配置。

• 2 当数据成功存放到putList之后，调用doCommit()方法,putList中所有的event进入channel()中，

  • 1）成功则清空putList.

  • 2) 不成功的情况

    • 从putList传输到channel过程出问题，在doCommit提交之后，事务在向channel放的过程中，遇到问题。

    sink那边取数据速度要比Source这边放数据速度慢，导致channel中的数据积压，这个时候就会造成putList中的数据放不进去。
    这时会进行事务的回滚操作，调用doRollback方法，doRollback方法会做两个事情：

      - 1、清空putList中的数据； 
      - 2、抛出channelException异常。

    当source捕捉到doRollback抛出的异常，就会把刚才的一批数据重新采集一下，采集完之后重新走事务的流程。

    • 在数据采集的过程中也有可能出现问题，同样是调用doRollback方法来对事务进行回滚。

1.2 take事务

• 1.事务开始时，调用doTake方法,将channel中的event提取到(剪切)takeList中，
• 2.如果后面的sink是HDFS Sink，同时在写入HDFS的IO缓冲流中放一份event。

• 3.当takeList中存放的Event达到约定数量(batchSize) ，就会调用doCommit方法：

  • 成功执行情况下:

    • 如果是HDFS Sink，那么手动调用IO流的flush方法，将IO流缓冲区的数据写入到HDFS磁盘中，同时清空takeList中的数据

  • 失败情况下:

    • 1.网络延迟等原因导致传输数据失败，

    调用doRollback方法来进行回滚，takeList中还有备份数据，所以将takeList中的数据原封不动地还给channel，这时候就完成了事务的回滚。

    • 2.如果takeList数据有一部分传输成功了，剩下的因为网络延迟传输失败了。

    同样会调用doRollback方法来进行回滚，它会把整个takeList中的数据返回给channel，然后继续进行数据的读写。
    如此一来，再次进行事务时候，就会存在数据重复的可能。

2.Flume内部原理

• 1）. Source采集数据

EventBuilder.withBody(body)将数据封装成Event对象，
getChannelProcessor().processEvent(event)将数据交给Channel Processor
通过源码可以看到，以avro source为例

 public Void append(AvroFlumeOGEvent evt) throws AvroRemoteException
  {
    .....

    Event event = EventBuilder.withBody(evt.getBody().array(), headers); // 将数据封装成Event对象，
    try {
      getChannelProcessor().processEvent(event); // 将数据交给Channel Processor
      this.counterGroup.incrementAndGet("rpc.events");
    } catch (ChannelException ex) {
      return null;
    }

    this.counterGroup.incrementAndGet("rpc.successful");
    return null;
  }

• 2）Channel Processor将Event事件传递给拦截器链interceptorChain.intercept(event)，然后将数据返回给Channel Processor。
• 3）Channel Processor将拦截过滤之后的Event事件传递给Channel选择器(Channel Selector))，Channel Selector返回给Channel Processor写入event事件的Channel列表

其中Channel Selectors有两种类型：
  - 1.Replicating Channel Selector : 将source过来的events发往所有的channel（相当于复制多份，默认使用的channel selector）
  - 2.Multiplexing Channel Selector：可以指定source发过来的events发往的channel

• 4）Channel Processor根据Channel选择器的选择结果，将Event事件写入相应的Channel

看下channel Processor源码
首先构造器中直接定义了selector和拦截器interceptorChain

  public ChannelProcessor(ChannelSelector selector)
  {
    this.selector = selector;
    this.interceptorChain = new InterceptorChain();
  }
 

然后在processEvent和processEventBatch(List<Event> events)

 public void processEvent(Event event)
  {
    event = this.interceptorChain.intercept(event); // 提交到拦截器链
    if (event == null) {
      return;
    }

    List requiredChannels = this.selector.getRequiredChannels(event); // 提交到channel 选择器
    for (Iterator localIterator = requiredChannels.iterator(); localIterator.hasNext(); ) { reqChannel = (Channel)localIterator.next();
      Transaction tx = reqChannel.getTransaction();
      Preconditions.checkNotNull(tx, "Transaction object must not be null");
      try {
        tx.begin();
        reqChannel.put(event);
        tx.commit();
      } catch (Throwable t) {
        tx.rollback();
        if ((t instanceof Error)) {
          LOG.error("Error while writing to required channel: " + reqChannel, t);
          throw ((Error)t);
        }if ((t instanceof ChannelException)) {
          throw ((ChannelException)t);
        }
        throw new ChannelException("Unable to put event on required channel: " + reqChannel, t);
      }
      finally
      {
        if (tx != null)
          tx.close();
      }
    }
    Channel reqChannel;
    List optionalChannels = this.selector.getOptionalChannels(event); 
    for (Channel optChannel : optionalChannels) {
      Transaction tx = null;
      try {
        tx = optChannel.getTransaction();
        tx.begin();

        optChannel.put(event); // 将event事件写入channel

        tx.commit();
      } catch (Throwable t) {
        tx.rollback();
        LOG.error("Unable to put event on optional channel: " + optChannel, t);
        if ((t instanceof Error))
          throw ((Error)t);
      }
      finally {
        if (tx != null)
          tx.close();
      }
    }
  }
}

。

• 5）SinkProcessor启动sink，sink在channel中去轮询，取出channel中的event事件。
  SinkProcessor有三种，

  • DefaultSinkProcessor(默认的，内部无任何逻辑，只是单纯的调用sink)、
  • LoadBalancingSinkProcessor(负载均衡)、
  • FaioverSinkProcessor(容灾恢复)