大数据知识点总结(10)

　　37、Spark Streaming优劣

　　优势：

　　1、统一的开发接口

　　2、吞吐和容错

　　3、多种开发范式混用，Streaming + SQL, Streaming +MLlib

　　4、利用Spark内存pipeline计算

　　劣势：

　　微批处理模式，准实时

　　38、Flume是一个分布式的日志收集系统，具有高可靠、高可用、事务管理、失败重启等功能。数据处理速度快，完全可以用于生产环境。

　　39、Flume的核心是agent。Agent是一个java进程，运行在日志收集端，通过agent接收日志，然后暂存起来，再发送到目的地。

　　Agent里面包含3个核心组件：source、channel、sink。

　　Source组件是专用于收集日志的，可以处理各种类型各种格式的日志数据,包括avro、thrift、exec、jms、spoolingdirectory、netcat、sequencegenerator、syslog、http、legacy、自定义。source组件把数据收集来以后，临时存放在channel中。

　　Channel组件是在agent中专用于临时存储数据的，可以存放在memory、jdbc、file、自定义。channel中的数据只有在sink发送成功之后才会被删除。

　　Sink组件是用于把数据发送到目的地的组件，目的地包括hdfs、logger、avro、thrift、ipc、file、null、hbase、solr、自定义。

　　40、ApacheKafka是分布式发布-订阅消息系统。它最初由LinkedIn公司开发，之后成为Apache项目的一部分。Kafka是一种快速、可扩展的、设计内在就是分布式的，分区的和可复制的提交日志服务。

　　41、Apache Kafka与传统消息系统相比，有以下不同：

　　1、它被设计为一个分布式系统，易于向外扩展；

　　2、它同时为发布和订阅提供高吞吐量；

　　3、它支持多订阅者，当失败时能自动平衡消费者；

　　4、它将消息持久化到磁盘，因此可用于批量消费