随着大数据越来越被重视，数据采集的挑战变的尤为突出。今天为大家介绍几款数据采集平台：Apache Flume、Fluentd、Logstash、Chukwa、Scribe、Splunk Forwarder。

大数据平台与数据采六个集

任何完整的大数据平台，一般包括以下的几个过程：

数据采集 数据存储 数据处理 数据展现(可视化，报表和监控)

其中，数据采集是所有数据系统必不可少的，随着大数据越来越被重视，数据采集的挑战也变的尤为突出。这其中包括：

数据源多种多样 数据量大大数，变化快 如何保证数据采集的可靠性的性能 如何避免重复数据 如何保证数据的质量

我们今天就来看看当前可用的六款数据采集的产品，重点关注它们是如何做到高可靠，高性能和高扩展。

01、Apache Flume

Flume 是Apache旗下的一款开源据采、高可靠、高扩展、容易管理、支持客户扩展的数据采集系统。

Flume使用JRuby来构建，所以依赖Java运行环境。

Flume最初是由Cloudera的工程师设计用于合并日志数据的系统，后来逐渐发展用于处理流数据事件。

几乎在大集工部分的情况下ELK作为一个栈是被同时使用的。所有当你的数据系统使用ElasticSearch的情况下，logstash是首选。

02、Chukwa

Apache Chukwa是apache旗下另一个开源的数据收集平台，它远没有其他几个有具架名。Chukwa基于Hadoop的HDFS和MapReduce来构建(显而易见，它用Java来实现)，提供扩展性和可靠性。Chukwa同时提供对数据的展示，分析和监视。很奇怪的是它的上一次github的更新事7年前。可见该项目构分应该已经不活跃了。

Chukwa的部署架构如下：

Chukwa的主要单元有：Agent，Collector，DataSink，ArchiveBuilder，Demux等等，看上去相当复杂。由于该项目已经不活跃，我们就不细看了。

03六个、Scribe

Scribe是Facebook开发的数据(日志)收集系统。已经多年不维护，同样的，就不多说了。

04、Splunk Forwarder

以上的所有系统都是开源的。在商业化的大数据平台产品中，Splunk提供完整的数大数据采金，数据存储，数据分析和处理，以及数据展现的能力。

Splunk是一个分布式的机器数据平台，主要有三个角色：

Search Head负责数据的搜索和处理，提供搜索时的信息抽取。 Indexer负责数据的存储和索引 Forwarder，据采负责数据的收集，清洗，变形，并发送给Indexer

Splunk内置了对Syslog，TCP/UDP，Spooling的支持，同时，用户可以通过开发Script Input和Modular Input的方式来获取特定的数据。在S集工plunk提供的软件仓库里有很多成熟的数据采集应用，例如AWS，数据库(DBConnect)等等，可以方便的从云或者是数据库中获取数据进入Splunk的数据平台做分析。

这里要注意的是，Search Head和Indexer都支持C具架luster的配置，也就是高可用，高扩展的，但是Splunk现在还没有针对Farwarder的Cluster的功能。也就是说如果有一台Farwarder的机器出了故障，数据收集也会随之中断，并不能把正在运行的数据采集任务Fail构分over到其它的Farwarder上。

总结

我们简单讨论了几种流行的数据收集平台，它们大都提供高可靠和高扩展的数据收集。大多平台都抽象出了输入，输出和中间的缓冲的架构。利用分布式的网络连接，大多数平台都能实现一定程度的扩展性和高可六个靠性。

其中Flume，Fluentd是两个被使用较多的产品。如果你用ElasticSearch，Logstash也许是首选，因为ELK栈提供了很好的集成。Chukwa和Scribe由于项目的不活跃，不推荐使用。

Splunk作为一个大数优秀的商业产品，它的数据采集还存在一定的限制，相信Splunk很快会开发出更好的数据收集的解决方案。

• ·OpenAI Codex 正式发布，提升开发者编程体验
• ·思科拟以7.3亿美元现金收购云通讯软件公司IMImobile
• ·Scale AI 起诉前员工与新雇主 Mercor:指控盗取百份机密文件牵涉核心客户争夺
• ·新的谷歌云服务旨在为网络带来零信任安全
• ·标签: 美宜佳 烟草专卖 假烟事件 广东3·15晚会
• ·标签: 浙江荣泰 云母复合材料 特斯拉 宁德时代
• ·人类战胜不了AI？我们会被机器取代吗？
• ·蚂蚁集团数据安全实践案例入选IDC最新报告
• ·标签: 速腾聚创 激光雷达 割草机器人 E平台
• ·标签: 高德打车 交通运输部 网约车监管 司机权益
• ·标签: 小米汽车 SU7 雷军 小米电池工厂
• ·壳牌中国与阿里云达成战略合作，数智化助力能源低碳转型
• ·标签: 大杨哥 三只羊大课堂 小白抖音创业蜕变营 万羊计划
• ·Snap紧跟Facebook步伐：研发下一代增强现实智能眼镜
• ·标签: 国家新闻出版署 国产网络游戏 游戏审批 2026年2月
• ·世界各地的优秀公司都在招聘的人工智能研究职位