随着大数据时代的来临，人们对大数据的认识也越来越多，数据分析也越来越重要，数据采集就会变得尤其的突出。那么目前现在主要的数据采集系统内部的数据采集架构是怎样的，大家恐怕都不了解。今天点迈的小编就给大家普及普及四大主流数据采集平台架构。
1、Apache Flume
Flume 是Apache旗下的一款开源、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。
Flume设计成一个分布式的管道架构，可以看作在数据源和目的地之间有一个Agent的网络，支持数据路由。每一个agent都由Source，Channel和Sink组成。设备数据采集管理系统
Source：Source负责接收输入数据，并将数据写入管道。Flume的Source支持HTTP，JMS，RPC，NetCat，Exec，Spooling Directory。其中Spooling支持监视一个目录或者文件，解析其中新生成的事件。
Channel：Channel 存储，缓存从source到Sink的中间数据。可使用不同的配置来做Channel，例如内存，文件，JDBC等。使用内存性能高但不持久，有可能丢数据。使用文件更可靠，但性能不如内存。
Sink：Sink负责从管道中读出数据并发给下一个Agent或者最终的目的地。Sink支持的不同目的地种类包括：HDFS，HBASE，Solr，ElasticSearch，File，Logger或者其它的Flume Agent。
2、Fluentd
Fluentd是另一个开源的数据收集框架。Fluentd使用C/Ruby开发，使用JSON文件来统一日志数据。它的可插拔架构，支持各种不同种类和格式的数据源和数据输出。最后它也同时提供了高可靠和很好的扩展性。Treasure Data, Inc 对该产品提供支持和维护。Fluentd的Input/Buffer/Output非常类似于Flume的Source/Channel/Sink。
Input：Input负责接收数据或者主动抓取数据。支持syslog，http，file tail等。
Buffer：Buffer负责数据获取的性能和可靠性，也有文件或内存等不同类型的Buffer可以配置。
Output：Output负责输出数据到目的地例如文件，AWS S3或者其它的Fluentd。
FLuentd和其插件都是由Ruby开发，MessgaePack提供了JSON的序列化和异步的并行通信RPC机制。
3、Logstash
Logstash是著名的开源数据栈ELK (ElasticSearch, Logstash, Kibana)中的那个L。Logstash用JRuby开发，所有运行时依赖JVM。Logstash的部署架构如下图，当然这只是一种部署的选项。设备数据采集管理系统的应用案例
几乎在大部分的情况下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。
4、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，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 Input和Modular Input的方式来获取特定的数据。在Splunk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Cluster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Failover到其它的 Farwarder上。
小编在这里跟到敬爱讲解集中流行的数据收集平台，她们大多数都可以提供给可靠和高扩展的数据收集。大多平台都是抽象的进行了数据的输入和输出。利用分布式网络连接，一般都可以实现数据的采集和调用。小编目测，这篇文章只有专业人士才能看懂啊！
