（一）Java日志大数据（单机环境）学习笔记——开篇

开篇

    大家好，我是认真🇨🇳。从今天起，在此栏目下，我开始更新大数据（单机环境）的学习笔记。此前公司的客户有日志大数据方便的需求，但是绝大多数的客户只能提供一台服务器做为大数据使用。在中小型公司的业务量下，单机版大数据部署及开发是有必要的，并且单机版大数据也可以作为个人学习入手。
    说明一下，单机大数据只是解决一些中小型客户需求，如果真的想学习专业大数据业务的研发，还是要系统的学习多服务的大数据部署和开发。如果此篇文章有帮助到你，请点赞收藏；如果您不屑于此篇文章的分享，请手下留情；如果您是资深大牛，请多对文章斧正。共同学习，共同进步。

一、业务介绍

    A学校现在有12台业务服务器（以下简称：业务服务器），这12台服务器运用在各个平台上，有学校门户网站、教务系统、网安系统、财务系统等，每台服务器每天都会产生大量的日志，根据《网络安全法》第二十一条要求：采取监测、记录网络运行状态、网络安全事件的技术措施，并按照规定留存相关的网络日志不少于六个月。
    现在A学校要求：把12台服务器的日志统一存储到统一的日志服务器（以下简称：日志服务器）中，并且日志服务器提供清洗、存储、分析、查询和展示等功能，日志可以追溯到六个月前，一台服务器每天产生的日志量大约在1G，12台服务器每天产生的日志量在12G左右。学校方面只提供一台日志服务器，配置为8核32G，1T硬盘。

二、技术分析

  硬件分析

    首先分析服务器配置，这边属于基础的硬性要求，假设每天日志量为12G，日志保存六个月，也就是最少要保证有2160G的存储，按照学校提供的1T，是完全不够的，在此基础上，是需要对存储的数据进行压缩的，充分利用磁盘空间，并且在该配置下，充分存储更多的日志量。服务器为8核32G，按照目前的日志量，这些是完全够用的，我们只需要合理的分配各个大数据组件的内存分配即可。

  日志接收分析

    日志在由其他服务器发送到当前日志服务器，我们采用以下集中方式收集。

1. udp协议——flume流处理——kafka：
       业务服务器的日志通过udp协议向日志服务器的514端口发送，因为udp协议是一种无需建立连接就可以发送封装的 IP 数据包的方法，在日志的发送过程，我们不需要太多的考虑日志服务器是否真正接收到日志，业务服务器只管发送，日志服务器只管接收，通过flume的配置，将udp的514端口的消息存入kafka中，等待清洗。
2. scp脚本监听发送——flume流处理——kafka
       业务服务器本地生成的日志文件会通过监听脚本的scp命令传输到指定的日志服务器，日志服务器添加接收脚本，即可按照一定时间周期将业务服务器的日志文件拉取到日志服务器，flume监听日志的到来后，将日志以流的方式传输到kafka中。
3. 其他

  日志清洗分析

    上面介绍到，日志会通过flume传输到kafka中，有朋友会问：为什么不直接在flume中写拦截器进行数据分析处理？在实际的业务开发中，团队发现flume的拦截器在处理每秒1000次以上的数据后，会出现丢失数据的情况，接入一些线程去处理后依然会出现该情况，因为核心逻辑涉及到每条日志都要归类，要去redis去查询一次该日志属于哪个数据源，导致在其中的流程变慢。
    清洗数据这块，团队使用Java代码消费kafka的消息，启用线程池处理每条消息，这样不仅可以保证数据处理过程中不会丢失，并且统一代码在业务框架中，易于维护，易于开发。

  日志存储分析（Hadoop）

    在日志存储方面，我采用了Hadoop存储，Hadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。

  日志查询分析（Hive、Elasticsearch）

    日志查询部分，我采用的若依（springboot+vue）做管理系统，这个框架可以提供很强的便捷开发，对hadoop的数据进行hive建表，处理每个字段，对每个hive做es索引，达到快速查询的效果。
    在这里说明下，最近我和一个大数据公司架构师沟通的过程中，他友情的提示我，在查询的框架中，可以不适用hive，直接用es-hadoop的方式进行查询，我恍然大悟，在学习笔记的记录中，我将尝试es-hadoop的方式进行查询，摒弃掉hive作为中间件，希望这种可以实现，就可以少用一个中间件。
    首先说明下，hive是基于Hadoop的一个数据仓库工具，用来进行数据提取、转化、加载，这是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制，其实hadoop的MR，或者hive完全可以提供查询功能，但是这种查询非常慢，百万数据的查询可以慢到几分钟甚至几个小时，所以在这里，需要接入es进行索引处理，加快查询，提升用户使用体验。

  日志展示分析（Echarts、DataV）

    echarts是一款基于JavaScript的数据可视化图表库，提供直观，生动，可交互，可个性化定制的数据可视化图表。在处理软件部分数据报表使用这块插件，极其强大，可定制化很强，与vue的结合也很友好，dataV vue是一个大数据可视化搭建的vue框架，可以速度的搭建一个大数据展示屏的框架，也很好用。

三、技术路线

    以上是技术分析后，整理的技术路线，在这里进行总结一下：
    各个平台的日志数据通过flume或者scp脚本发送到日志服务器的kafka或者本地，日志服务器通过Java代码消费kafka消息，达到每条日志的针对性分析，分析完成后，存储到hadoop中，通过hive建立数据与表的连接，为了加速查询接入elasticsearch，最终的数据通过大屏展示、BI工具使用或者报警功能。

四、学习环境

服务器环境

| 环境 | 版本 |
| ---- | ---- | ---- |
| 服务器 | 8核 32G 500G硬盘（其他配置自测） |
| centos | 7.4 |

基础环境

注意： 可以试用任意适合自己的版本
| 环境 | 版本 |
| ---- | ---- | ---- |
| jdk | 1.8 |
| mysql | 5.7.24 |
| redis | 6.2.2 |

大数据环境

注意： 版本尽量对应，不然容易出冲突和不兼容，也可以自己尝试其他版本的搭配
| 环境 | 版本 |
| ---- | ---- | ---- |
| flume | 1.9.0 |
| kafka | 2.8.0 |
| zookeeper | 3.7.0 |
| hadoop | 3.2.2 |
| hive | 3.1.2 |
| elasticsearch | 7.0.1 |
以上软件提供网盘下载地址，提取码：net0

五、学习路线

（一）Java日志大数据（单机环境）学习笔记——开篇

（二）Java日志大数据（单机环境）学习笔记——基础环境搭建

（三）Java日志大数据（单机环境）学习笔记——Hadoop安装与配置

  持续更新…