Flume定制实战

flume是我2015年为前公司主导开发【统一日志平台】时采用的技术(主要技术栈:flume+ES+Redis+mongoBD+Kafka+Hadoop+Netty ),期间也积累了不少经验(挖坑、踩坑、填坑)。

在我离开前,我们的日志平台数据量为8亿/天,高峰为8500万/小时、800万/5分钟。 flume agent单机压测15000/s数据量,未出现程序异常、资源占用过高与日志明显丢失情况。

离开前东家后,便没有再从事该类型的工作,因此当时的一些关于日志平台的想法也不再有机会去实践,暂且认为这是0.1版本吧。

本文将主要介绍我们在flume上做的一些定制开发与压测,另外时间已经过去了一年多,有一些细节难免有点忘却。

1.Flume介绍

1.1 架构介绍

image.png

agent本身是一个Java进程,运行在日志收集节点—所谓日志收集节点就是服务器节点。 

agent里面包含3个核心的组件:source—->channel—–>sink,类似生产者、仓库、消费者的架构。 

source:source组件是专门用来收集数据的,可以处理各种类型、各种格式的日志数据,包括avro、thrift、exec、jms、spooling directory、netcat、sequence generator、syslog、http、legacy、自定义。 

channel:source组件把数据收集来以后,临时存放在channel中,即channel组件在agent中是专门用来存放临时数据的——对采集到的数据进行简单的缓存,可以存放在memory、jdbc、file等等。
 
sink:sink组件是用于把数据发送到目的地的组件,目的地包括hdfs、logger、avro、thrift、ipc、file、null、Hbase、solr、自定义。 

event:将传输的数据进行封装,是flume传输数据的基本单位,如果是文本文件,通常是一行记录,event也是事务的基本单位。event从source,流向channel,再到sink,本身为一个字节数组,并可携带headers(头信息)信息。event代表着一个数据的最小完整单元,从外部数据源来,向外部的目的地去。

2.背景说明

我们的需求是将Java 应用的log信息进行收集,达到日志采集的目的,agent目前主要有flume、Logstash,技术选型详情在此就不表了,最终选择的flume。

由于当时公司内部推行技术组件一直有难度,且也无法借助行政手段,因此我们在设计时很多时候考虑都是尽量对应用透明,比如我们的flume source使用的是基于log文件的,而未使用应用与flume agent采用长连接的方式(该方式需要修改log4j配置,并且引入我们的jar),比如我们agent进行日志等级判断时 需要兼容各种日志格式,因为我们难以推动各个应用方统一日志格式……

sre方面,当时并没有为agent预留内存等资源,所以一旦我们的agent出现资源占用过多,都会比较敏感。

整个日志平台1.0版本的架构图如下:

image.png

可以看到我们使用kafka将log信息做转储,消息消费者主要有HDFS、ES、Queue等。

3.定制开发

从我们的实际情况出发,我们做定制开发部分主要是source和sink部分。同时我们也开发了一套agent自动部署工具。

3.1 source定制

3.1.1 dirSource

基于文件的dirSource在flume高版本里已经去除了,原生的dirSource也存在很多性能和功能上的问题,为了在我们使用的flume1.6版本里继续使用dirSource,我们就基于1.6实现了一版dirSource。

dirSource特性
  • 基于NIO的WatchEvent进行log文件内容的写操作监听,同时有能动态的监听文件的创建和删除。我们丰富了这部分的匹配模式,可以实现灵活的文件监听。
  • 文件的读取基于RandomAccessFile,按行读取
  • 将获取内容进行处理封装Event,存入Channel。
存在的问题
  • 无论是WatchEvent还是RandomAccessFile在log疯狂输出时,CPU占用会居高不下。

3.1.2 execSource

execSource为flume新版本推出的用来替代dirSource的一种实现方式,主要是通过Java执行shell命令,并且获取shell命令的输出信息,如tail、cat等。

我们在原生的execSource基础上,实现了文件的自动监听,实现了多命令模式,并且会自动回收长时间无内容产出的命令,优化了原有的线程关闭的操作及进程钩子等。

execSource特性
  • 基于NIO的WatchEvent进行log文件内容的写操作监听,同时有能动态的监听文件的创建和删除。我们丰富了这部分的匹配模式,可以实现灵活的文件监听
  • 多命令模式
  • 自动回收长时间无内容产出的命令
  • 重启时自动清理无用的shell命令
存在的问题
  • flume agent进程被kill -9 时,对导致执行的shell命令无法退出,进而导致句柄得不到释放,积累下来对服务器造成影响。

3.2 sink定制

我们采用的是kafka sink,flume原生的kafka sink使用的是老版本kafka producer client,发送消息时需要手动实现批量与异步,并且是消息发送的实现上存在一些不足,在大数据量时存在明显的性能瓶颈,并且会由于集合中消息数量太多而报异常,进而丢失消息。

我们定制的版本使用的new kafka producer client ,并且对消息发送做了优化,同时对Channel参数做了大量的压测,最终确定了最优配置。

kafkaSink特性
  • 使用new kafka producer client ,默认异步批量发送
  • 优化了消息体序列化方式

4.压测

下文描述的压测都是在建设日志平台过程中对flume的相关测试。
测试环境都是mac book pro ,这里只关注各个测试项的对比信息。

测试一

类型日志总数生产频率cpucpu平均mem数据丢失用时
tailDirSource+New kafka sink50万2000/s16-27%20%230M几百条以内280s
tailDirSource+Old kafka sink50万2000/s16-27%19%230M较上一种丢失少280s
tailDirSource+New kafka sink50万4000/s34-60%40%230M<2000145s
tailDirSource+Old kafka sink50万4000/s34-57%41%230M<200145s
execSource+Old kafka sink50万4000/s<8%7.5%230M<200145s
execSource+Old kafka sink+Spillable Memory Channel50万4000/s8-10%9.5%230M<200145s
execSource+Old kafka sink+File Channel50万4000/s40-55%45%230M<200145s

说明:
* 类型New kafka sink为:原生sink,使用kafka旧client,只定制了从head中获取配置参数,拼接字符串
* 类型Old kafka sink为:深度定制版,使用kafka新client

结论:
* flume 资源占用从kafka发送部分目前没有太好的优化方案,且旧kafka client数据丢失更加严重。
* 因此flume kafka sink 维持不变,后续可从flume source入手优化


测试二

类型日志总数生产频率cpu占用cpu平均内存占用数据丢失用时JVM配置
tailDirSource+ kafka api sink50万3100/s34-60%40%230M<200163s512M
tailDirSource+ kafka sink50万3100/s34-57%41%230M<200163s512M
execSource+ kafka sink50万3100/s<8%7.5%230M<200163s512M
execSource+ kafka sink+Spillable Memory Channel50万3100/s8-10%9.5%230M<200163s512M
execSource+ kafka sink+File Channel50万3100/s40-55%45%230M<200163s512M
execSource+ kafka sink+MemoryChannel500万31074/s30-100%40%1G<200163s1G
execSource+ kafka sink+MemoryChannel250万15337/s15-20%18%450M<200163s1G
execSource+ kafka sink+MemoryChannel+FastJSON250万15337/s18-22%20%420M<200163s1G
custom execSource+ kafka sink+MemoryChannel+FastJSON250万15432/s18-25%21%420M<200162s1G
custom execSource+ kafka sink+MemoryChannel+FastJSON125万+125万7661/s+7668/s20-26%24%440M<500163s1G

测试三

配置说明一
    a1.sinks.k1.batch.num.messages = 5000
    a1.sinks.k1.block.on.buffer.full = true
    a1.sinks.k1.buffer.memory = 167108864


    a1.channels.c1.type = memory
    a1.channels.c1.capacity = 100000
    a1.channels.c1.transactionCapacity = 1000

    flume -Xmx256M -Xms256M 
测试结果一
日志写数量用时线程数QPS日志文件量成功发送到kafka数量topic个数CPU内存序列化方式其他
500万74s5070000/s600m280万(单个topic)2未统计300Mfastjsonagent异常
配置说明二
    a1.sinks.k1.batch.num.messages = 5000
    a1.sinks.k1.block.on.buffer.full = true
    a1.sinks.k1.buffer.memory = 167108864


    a1.channels.c1.type = memory
    a1.channels.c1.capacity = 500000
    a1.channels.c1.transactionCapacity = 500
    a1.channels.c1.byteCapacity = 536870912

    flume -Xmx256M -Xms256M 
测试结果二
日志写数量用时线程数QPS日志文件量成功发送到kafka数量topic个数CPU内存序列化方式其他
500万68s5074000/s600m500万(单个topic)2200%以上320Mfastjson无异常
500万68s5074000/s600m500万(单个topic)1100%-200%320Mfastjson无异常
500万68s5074000/s600m500万(单个topic)1小于100%280MStringBuild拼接无异常
总结
  1. 数据量过大时,sink中kafka client 缓存被存满,kafka会报异常,设置block=true后,存入缓存会被阻塞,kafka不报异常,但是由于sink从channel中消费的速度远低于source存入channel的速度,channel会报Unable to put event on required channel,flume停止提供服务。继续写入日志,会重复发送错误。

  2. 该异常可通过增大channel的byteCapacity参数或者调大JVM的参数值(byteCapacity默认为JVM的80%)来提高报错的阀值,且减小transactionCapacity 的值来减缓传输到sink的数据量。

  3. JVM内存参数在7万每秒的压力下,设置为256M较为合适,byteCapacity设置为512M较为合适,当增加channel个数或者增大channel向sink传输的数据量时,都会导致sink消费过慢报异常(总结1中异常),单个channel内存消耗在300M左右。

4. 对于数据量较大的应用,建议只发送单个topic。


本文首发在 高广超的简书博客 转载请注明!

image.png

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值