使用Flume做日志收集,flume+kafka做日志收集存储,后面接es存历史日志,storm用于实时分析。对于历史日志来说,尽可能做到不丢不重,实际经验内网环境kafka还是很稳定可靠的,丢日志主要发生在flume重启,所以针对flume进行改造,实现断点续传。主要环境及配置,jdk7,flume1.6版本,agent使用内存channel。自扩展source基于原生ExecSource改造,sink由KafkaSink改造。背景:我们日志文件名格式有2种,一种是按时间段分隔,比如文件名为debug.log,debug.log.2016-05-18-15,debug.log.2016-05-18-14,...;另一种为msg.log,msg.log.1,msg.log.2,...
设计思路
设计思路:
- 1. 在sink往kafka发送完后,记录原始日志文件及行号信息到record文件(记录文件内容只有几个字节,内容为:debug.log,2016-05-18-15,265。第二个字段为时间槽或者文件的最后修改的long型毫秒时间)
- 2. 每次重启时,在source中检查rec