在数据采集链路中，Apache Flume 与 Kafka 集成通常解决哪些业务场景？请说明针对两者间数据传输的优化策略。

回答思路

1. 【回答框架 1】集成场景：Flume 作为日志采集端，将多源日志汇聚后写入 Kafka，利用 Kafka 的高吞吐、持久化和多消费者支持，实现削峰填谷和解耦；典型应用包括日志采集、实时监控数据、事件流处理等。
2. 【回答框架 2】数据传输优化：一是提升 Flume 到 Kafka 的写入性能，如调整 batchSize 和 client 参数，使用 KafkaChannel 替代 MemoryChannel 以直接写入 Kafka；二是合理配置 Kafka 的 acks 和压缩参数，平衡可靠性与吞吐。
3. 【回答框架 3】架构优化：可增加 Flume 代理数量实现水平扩展，或采用 Flume 与 Kafka 的双层架构，Flume 先写入本地磁盘再推送，防止数据丢失。
4. 【回答框架 4】监控与调优：监控写入延迟和 Kafka 消费延迟，根据实际数据量调整分区数、副本因子等，并针对瓶颈进行针对性优化。
5. 【关键点 1】Flume 通常作为日志采集端，Kafka 作为中间消息队列，实现数据缓冲和解耦。
6. 【关键点 2】优化可调整 batchSize、buffer 大小，并利用 KafkaChannel 减少数据链路。
7. 【关键点 3】根据吞吐需求动态调整 Flume 和 Kafka 的并发参数，需结合压测验证。
8. 【易错点 1】不可忽略 Flume 内存和磁盘容量，否则可能导致数据积压。
9. 【易错点 2】Kafka 分区数与消费者并发不匹配会造成消费者组内倾斜。
10. 【易错点 3】设置 acks=all 虽提升可靠性，但会降低吞吐，需权衡。