Flume 的选择器决定了Source 如何将数据分发到多个 Channel。这就像 “快递员如何分配包裹到不同的运输通道”，有两种策略：复制和多路复用。
一、复制（Replicating Selector）：每个 Channel 都送一份
核心逻辑
将同一个 Event（数据）复制到所有配置的 Channel，就像 “一个快递员同时给多个收件人发相同的包裹”。
应用场景
- 需要将数据同时写入多个目的地（如同时备份到 HDFS 和 Kafka）。
- 示例：监控系统日志，同时存储到 HDFS（长期归档）和 Elasticsearch（实时搜索）。
配置示例
# Source配置
a1.sources = r1
a1.channels = c1 c2 # 配置两个Channel# 选择器类型：复制（默认）
a1.sources.r1.selector.type = replicating
二、多路复用（Multiplexing Selector）：按规则分配
核心逻辑
根据 Event 的Header 值（类似包裹上的 “地址标签”），将数据路由到不同的 Channel，就像 “快递员按收件地址分区域派送”。
应用场景
- 根据数据类型拆分（如将错误日志和访问日志分到不同 Channel）。
- 示例：电商订单数据，按支付方式（微信 / 支付宝）分流到不同 Kafka Topic。
配置示例
# Source配置
a1.sources = r1
a1.channels = c1 c2 # 配置两个Channel# 选择器类型：多路复用
a1.sources.r1.selector.type = multiplexing# 按Header中的"type"字段路由
a1.sources.r1.selector.header = type
a1.sources.r1.selector.mapping.error = c1 # type=error的Event走c1
a1.sources.r1.selector.mapping.access = c2 # type=access的Event走c2
a1.sources.r1.selector.default = c2 # 未匹配的默认走c2
三、对比与记忆技巧
| 维度 | 复制（Replicating） | 多路复用（Multiplexing） |
|---|---|---|
| 数据流向 | 一个 Event 复制到所有 Channel | 一个 Event 只走一个 Channel（按规则选） |
| 比喻 | 快递员给每个客户都发相同的包裹 | 快递员按地址分区派送包裹 |
| 配置关键词 | replicating（默认，无需显式配置） | multiplexing + header + mapping |
| 典型场景 | 数据备份、多目的地存储 | 数据分类、分流处理 |
四、一句话总结
- 复制：“一份数据，所有管道都走一遍”（适合备份）；
- 多路复用：“不同数据走不同管道”（适合分类）。
如果还是容易混淆，可以想象：
- 复制像 “群发消息”（所有人都收到相同内容）；
- 多路复用像 “智能分拣”（根据包裹标签选择不同运输路线）。
