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。
爬虫都是基于现有的框架来开发的，基于java语言实现的爬虫框架很多，这里列举一个:WebMagic，它的架构设计参照了Scrapy，应用了HttpClient、Jsoup等Java成熟的工具，包含四个组件(Downloader、PageProcessor、Scheduler、Pipeline)，Spider是WebMagic内部流程的核心，上面的四个组件都相当于Spider的一个属性，通过设置这个属性可以实现不同的功能。