首先所有核心组件都会实现org.apache.flume.lifecycle.LifecycleAware接口：
Java代码
public interface LifecycleAware { public void start(); public void stop(); public LifecycleState getLifecycleState(); } start方法在整个Flume启动时或者初始化组件时都会调用start方法进行组件初始化，架件分Flume组件出现异常停止时会调用stop，构源getLifecycleState返回组件的码分生命周期状态，有IDLE,析核心组析 START, STOP, ERROR四个状态。
如果开发的架件分组件需要配置，如设置一些属性;可以实现org.apache.flume.conf.Configurable接口：
Java代码
public interface Configurable { public void configure(Context context); } Flume在启动组件之前会调用configure来初始化组件一些配置。构源
1、码分Source
Source用于采集日志数据，析核心组析有两种实现方式：轮训拉取和事件驱动机制;Source接口如下：
Java代码
public interface Source extends LifecycleAware,架件分 NamedComponent { public void setChannelProcessor(ChannelProcessor channelProcessor); public ChannelProcessor getChannelProcessor(); } Source接口首先继承了LifecycleAware接口，然后只提供了ChannelProcessor的构源setter和getter接口，也就是码分说它的的所有逻辑的实现应该在LifecycleAware接口的start和stop中实现;ChannelProcessor之前介绍过用来进行日志流的过滤和Channel的选择及调度。
而Source是析核心组析通过SourceFactory工厂创建，默认提供了DefaultSourceFactory，架件分其首先通过Enum类型org.apache.flume.conf.source.SourceType查找默认实现，构源如exec，码分则找到org.apache.flume.source.ExecSource实现，如果找不到直接Class.forName(className)创建。
Source提供了两种机制： PollableSource(轮训拉取)和EventDrivenSource(事件驱动)：
PollableSource默认提供了如下实现：
比如JMSSource实现使用javax.jms.MessageConsumer.receive(pollTimeout)主动去拉取消息。
EventDrivenSource默认提供了如下实现：
比如NetcatSource、HttpSource就是事件驱动，即被动等待;比如HttpSource就是内部启动了一个内嵌的网站模板Jetty启动了一个Servlet容器，通过FlumeHTTPServlet去接收消息。
Flume提供了SourceRunner用来启动Source的流转：
Java代码
public class EventDrivenSourceRunner extends SourceRunner { private LifecycleState lifecycleState; public EventDrivenSourceRunner() { lifecycleState = LifecycleState.IDLE; //启动之前是空闲状态 } @Override public void start() { Source source = getSource(); //获取Source ChannelProcessor cp = source.getChannelProcessor(); //Channel处理器 cp.initialize(); //初始化Channel处理器 source.start(); //启动Source lifecycleState = LifecycleState.START; //本组件状态改成启动状态 } @Override public void stop() { Source source = getSource(); //先停Source source.stop(); ChannelProcessor cp = source.getChannelProcessor(); cp.close();//再停Channel处理器 lifecycleState = LifecycleState.STOP; //本组件状态改成停止状态 } } 从本组件也可以看出：1、首先要初始化ChannelProcessor，其实现时初始化过滤器链;2、接着启动Source并更改本组件的状态。
Java代码
public class PollableSourceRunner extends SourceRunner { @Override public void start() { PollableSource source = (PollableSource) getSource(); ChannelProcessor cp = source.getChannelProcessor(); cp.initialize(); source.start(); runner = new PollingRunner(); runner.source = source; runner.counterGroup = counterGroup; runner.shouldStop = shouldStop; runnerThread = new Thread(runner); runnerThread.setName(getClass().getSimpleName() + "-" + source.getClass().getSimpleName() + "-" + source.getName()); runnerThread.start(); lifecycleState = LifecycleState.START; } } 而PollingRunner首先初始化组件，但是又启动了一个线程PollingRunner，其作用就是轮训拉取数据：
Java代码
@Override public void run() { while (!shouldStop.get()) { //如果没有停止，则一直在死循环运行 counterGroup.incrementAndGet("runner.polls"); try { //调用PollableSource的process方法进行轮训拉取，然后判断是否遇到了失败补偿 if (source.process().equals(PollableSource.Status.BACKOFF)) { / counterGroup.incrementAndGet("runner.backoffs"); //失败补偿时暂停线程处理，等待超时时间之后重试 Thread.sleep(Math.min( counterGroup.incrementAndGet("runner.backoffs.consecutive") * source.getBackOffSleepIncrement(), source.getMaxBackOffSleepInterval())); } else { counterGroup.set("runner.backoffs.consecutive", 0L); } } catch (InterruptedException e) { } } } } } Flume在启动时会判断Source是PollableSource还是EventDrivenSource来选择使用PollableSourceRunner还是EventDrivenSourceRunner。
比如HttpSource实现，其通过FlumeHTTPServlet接收消息然后：
Java代码
List<Event> events = Collections.emptyList(); //create empty list //首先从请求中获取Event events = handler.getEvents(request); //然后交给ChannelProcessor进行处理 getChannelProcessor().processEventBatch(events); 到此基本的Source流程就介绍完了，其作用就是监听日志，采集，然后交给ChannelProcessor进行处理。
2、Channel
Channel用于连接Source和Sink，Source生产日志发送到Channel，Sink从Channel消费日志;也就是服务器租用说通过Channel实现了Source和Sink的解耦，可以实现多对多的关联，和Source、Sink的异步化。
之前Source采集到日志后会交给ChannelProcessor处理，那么接下来我们先从ChannelProcessor入手，其依赖三个组件：
Java代码
private final ChannelSelector selector; //Channel选择器 private final InterceptorChain interceptorChain; //拦截器链 private ExecutorService execService; //用于实现可选Channel的ExecutorService，默认是单线程实现 接下来看下其是如何处理Event的：
Java代码
public void processEvent(Event event) { event = interceptorChain.intercept(event); //首先进行拦截器链过滤 if (event == null) { return; } List<Event> events = new ArrayList<Event>(1); events.add(event); //通过Channel选择器获取必须成功处理的Channel，然后事务中执行 List<Channel> requiredChannels = selector.getRequiredChannels(event); for (Channel reqChannel : requiredChannels) { executeChannelTransaction(reqChannel, events, false); } //通过Channel选择器获取可选的Channel，这些Channel失败是可以忽略，不影响其他Channel的处理 List<Channel> optionalChannels = selector.getOptionalChannels(event); for (Channel optChannel : optionalChannels) { execService.submit(new OptionalChannelTransactionRunnable(optChannel, events)); } } 另外内部还提供了批处理实现方法processEventBatch;对于内部事务实现的话可以参考executeChannelTransaction方法，整体事务机制类似于JDBC：
Java代码
private static void executeChannelTransaction(Channel channel, List<Event> batch, boolean isOptional) { //1、获取Channel上的事务 Transaction tx = channel.getTransaction(); Preconditions.checkNotNull(tx, "Transaction object must not be null"); try { //2、开启事务 tx.begin(); //3、在Channel上执行批量put操作 for (Event event : batch) { channel.put(event); } //4、成功后提交事务 tx.commit(); } catch (Throwable t) { //5、异常后回滚事务 tx.rollback(); if (t instanceof Error) { LOG.error("Error while writing to channel: " + channel, t); throw (Error) t; } else if(!isOptional) { //如果是可选的Channel，异常忽略 throw new ChannelException("Unable to put batch on required " + "channel: " + channel, t); } } finally { //***关闭事务 tx.close(); } } Interceptor用于过滤Event，源码库即传入一个Event然后进行过滤加工，然后返回一个新的Event，接口如下：
Java代码
public interface Interceptor { public void initialize(); public Event intercept(Event event); public List<Event> intercept(List<Event> events); public void close(); } 可以看到其提供了initialize和close方法用于启动和关闭;intercept方法用于过滤或加工Event。比如HostInterceptor拦截器用于获取本机IP然后默认添加到Event的字段为host的Header中。
接下来就是ChannelSelector选择器了，其通过如下方式创建：
Java代码
//获取ChannelSelector配置，比如agent.sources.s1.selector.type = replicating ChannelSelectorConfiguration selectorConfig = config.getSelectorConfiguration(); //使用Source关联的Channel创建，比如agent.sources.s1.channels = c1 c2 ChannelSelector selector = ChannelSelectorFactory.create(sourceChannels, selectorConfig); ChannelSelector默认提供了两种实现：复制和多路复用：
默认实现是复制选择器ReplicatingChannelSelector，即把接收到的消息复制到每一个Channel;多路复用选择器MultiplexingChannelSelector会根据Event Header中的参数进行选择，以此来选择使用哪个Channel。
而Channel是Event中转的地方，Source发布Event到Channel，Sink消费Channel的Event;Channel接口提供了如下接口用来实现Event流转：
Java代码
public interface Channel extends LifecycleAware, NamedComponent { public void put(Event event) throws ChannelException; public Event take() throws ChannelException; public Transaction getTransaction(); } put用于发布Event，take用于消费Event，getTransaction用于事务支持。默认提供了如下Channel的实现：
对于Channel的实现我们后续单独章节介绍。
3、Sink
Sink从Channel消费Event，然后进行转移到收集/聚合层或存储层。Sink接口如下所示：
Java代码
public interface Sink extends LifecycleAware, NamedComponent { public void setChannel(Channel channel); public Channel getChannel(); public Status process() throws EventDeliveryException; public static enum Status { READY, BACKOFF } } 类似于Source，其首先继承了LifecycleAware，然后提供了Channel的getter/setter方法，并提供了process方法进行消费，此方法会返回消费的状态，READY或BACKOFF。
Sink也是通过SinkFactory工厂来创建，其也提供了DefaultSinkFactory默认工厂，比如传入hdfs，会先查找Enum org.apache.flume.conf.sink.SinkType，然后找到相应的默认处理类org.apache.flume.sink.hdfs.HDFSEventSink，如果没找到默认处理类，直接通过Class.forName(className)进行反射创建。
我们知道Sink还提供了分组功能，用于把多个Sink聚合为一组进行使用，内部提供了SinkGroup用来完成这个事情。此时问题来了，如何去调度多个Sink，其内部使用了SinkProcessor来完成这个事情，默认提供了故障转移和负载均衡两个策略。
首先SinkGroup就是聚合多个Sink为一组，然后将多个Sink传给SinkProcessorFactory进行创建SinkProcessor，而策略是根据配置文件中配置的如agent.sinkgroups.g1.processor.type = load_balance来选择的。
SinkProcessor提供了如下实现：
DefaultSinkProcessor：默认实现，用于单个Sink的场景使用。
FailoverSinkProcessor：故障转移实现：
Java代码
public Status process() throws EventDeliveryException { Long now = System.currentTimeMillis(); //1、首先检查失败队列的头部的Sink是否已经过了失败补偿等待时间了 while(!failedSinks.isEmpty() && failedSinks.peek().getRefresh() < now) { //2、如果可以使用了，则从失败Sink队列获取队列***个Sink FailedSink cur = failedSinks.poll(); Status s; try { s = cur.getSink().process(); //3、使用此Sink进行处理 if (s == Status.READY) { //4、如果处理成功 liveSinks.put(cur.getPriority(), cur.getSink()); //4.1、放回存活Sink队列 activeSink = liveSinks.get(liveSinks.lastKey()); } else { failedSinks.add(cur); //4.2、如果此时不是READY，即BACKOFF期间，再次放回失败队列 } return s; } catch (Exception e) { cur.incFails(); //5、如果遇到异常了，则增加失败次数，并放回失败队列 failedSinks.add(cur); } } Status ret = null; while(activeSink != null) { //6、此时失败队列中没有Sink能处理了，那么需要使用存活Sink队列进行处理 try { ret = activeSink.process(); return ret; } catch (Exception e) { //7、处理失败进行转移到失败队列 activeSink = moveActiveToDeadAndGetNext(); } } throw new EventDeliveryException("All sinks failed to process, " + "nothing left to failover to"); } 失败队列是一个优先级队列，使用refresh属性排序，而refresh是通过如下机制计算的：
Java代码
refresh = System.currentTimeMillis() + Math.min(maxPenalty, (1 << sequentialFailures) * FAILURE_PENALTY); 其中maxPenalty是***等待时间，默认30s，而(1 << sequentialFailures) * FAILURE_PENALTY)用于实现指数级等待时间递增， FAILURE_PENALTY是1s。
LoadBalanceSinkProcessor：用于实现Sink的负载均衡，其通过SinkSelector进行实现，类似于ChannelSelector。LoadBalanceSinkProcessor在启动时会根据配置，如agent.sinkgroups.g1.processor.selector = random进行选择，默认提供了两种选择器：
LoadBalanceSinkProcessor使用如下机制进行负载均衡：
Java代码
public Status process() throws EventDeliveryException { Status status = null; //1、使用选择器创建相应的迭代器，也就是用来选择Sink的迭代器 Iterator<Sink> sinkIterator = selector.createSinkIterator(); while (sinkIterator.hasNext()) { Sink sink = sinkIterator.next(); try { //2、选择器迭代Sink进行处理，如果成功直接break掉这次处理，此次负载均衡就算完成了 status = sink.process(); break; } catch (Exception ex) { //3、失败后会通知选择器，采取相应的失败退避补偿算法进行处理 selector.informSinkFailed(sink); LOGGER.warn("Sink failed to consume event. " + "Attempting next sink if available.", ex); } } if (status == null) { throw new EventDeliveryException("All configured sinks have failed"); } return status; } 如上的核心就是怎么创建迭代器，如何进行失败退避补偿处理，首先我们看下RoundRobinSinkSelector实现，其内部是通过通用的RoundRobinOrderSelector选择器实现：
Java代码
public Iterator<T> createIterator() { //1、获取存活的Sink索引， List<Integer> activeIndices = getIndexList(); int size = activeIndices.size(); //2、如果上次记录的下一个存活Sink的位置超过了size，那么从队列头重新开始计数 if (nextHead >= size) { nextHead = 0; } //3、获取本次使用的起始位置 int begin = nextHead++; if (nextHead == activeIndices.size()) { nextHead = 0; } //4、从该位置开始迭代，其实现类似于环形队列，比如整个队列是5，起始位置是3，则按照 3、4、0、1、2的顺序进行轮训，实现了轮训算法 int[] indexOrder = new int[size]; for (int i = 0; i < size; i++) { indexOrder[i] = activeIndices.get((begin + i) % size); } //indexOrder是迭代顺序，getObjects返回相关的Sinks； return new SpecificOrderIterator<T>(indexOrder, getObjects()); } getIndexList实现如下：
Java代码
protected List<Integer> getIndexList() { long now = System.currentTimeMillis(); List<Integer> indexList = new ArrayList<Integer>(); int i = 0; for (T obj : stateMap.keySet()) { if (!isShouldBackOff() || stateMap.get(obj).restoreTime < now) { indexList.add(i); } i++; } return indexList; } isShouldBackOff()表示是否开启退避算法支持，如果不开启，则认为每个Sink都是存活的，每次都会重试，通过agent.sinkgroups.g1.processor.backoff = true配置开启，默认false;restoreTime和之前介绍的refresh一样，是退避补偿等待时间，算法类似，就不多介绍了。
那么什么时候调用Sink进行消费呢?其类似于SourceRunner，Sink提供了SinkRunner进行轮训拉取处理，SinkRunner会轮训调度SinkProcessor消费Channel的消息，然后调用Sink进行转移。SinkProcessor之前介绍过，其负责消息复制/路由。
SinkRunner实现如下：
Java代码
public void start() { SinkProcessor policy = getPolicy(); policy.start(); runner = new PollingRunner(); runner.policy = policy; runner.counterGroup = counterGroup; runner.shouldStop = new AtomicBoolean(); runnerThread = new Thread(runner); runnerThread.setName("SinkRunner-PollingRunner-" + policy.getClass().getSimpleName()); runnerThread.start(); lifecycleState = LifecycleState.START; } 即获取SinkProcessor然后启动它，接着启动轮训线程去处理。PollingRunner线程负责轮训消息，核心实现如下：
Java代码
public void run() { while (!shouldStop.get()) { //如果没有停止 try { if (policy.process().equals(Sink.Status.BACKOFF)) { //如果处理失败了，进行退避补偿处理 counterGroup.incrementAndGet("runner.backoffs"); Thread.sleep(Math.min( counterGroup.incrementAndGet("runner.backoffs.consecutive") * backoffSleepIncrement, maxBackoffSleep)); //暂停退避补偿设定的超时时间 } else { counterGroup.set("runner.backoffs.consecutive", 0L); } } catch (Exception e) { try { Thread.sleep(maxBackoffSleep); //如果遇到异常则等待***退避时间 } catch (InterruptedException ex) { Thread.currentThread().interrupt(); } } } } 整体实现类似于PollableSourceRunner实现，整体处理都是交给SinkProcessor完成的。SinkProcessor会轮训Sink的process方法进行处理;此处以LoggerSink为例：
Java代码
@Override public Status process() throws EventDeliveryException { Status result = Status.READY; Channel channel = getChannel(); //1、获取事务 Transaction transaction = channel.getTransaction(); Event event = null; try { //2、开启事务 transaction.begin(); //3、从Channel获取Event event = channel.take(); if (event != null) { if (logger.isInfoEnabled()) { logger.info("Event: " + EventHelper.dumpEvent(event, maxBytesToLog)); } } else { //4、如果Channel中没有Event，则默认进入故障补偿机制，即防止死循环造成CPU负载高 result = Status.BACKOFF; } //5、成功后提交事务 transaction.commit(); } catch (Exception ex) { //6、失败后回滚事务 transaction.rollback(); throw new EventDeliveryException("Failed to log event: " + event, ex); } finally { //7、关闭事务 transaction.close(); } return result; } Sink中一些实现是支持批处理的，比如RollingFileSink：
Java代码
//1、开启事务 //2、批处理 for (int i = 0; i < batchSize; i++) { event = channel.take(); if (event != null) { sinkCounter.incrementEventDrainAttemptCount(); eventAttemptCounter++; serializer.write(event); } } //3、提交/回滚事务、关闭事务 定义一个批处理大小然后在事务中执行批处理。
【本文是专栏作者张开涛的原创文章，作者微信公众号：开涛的博客，id:kaitao-1234567】