基于Flume的美团日志收集系统二.docVIP

基于Flume的美团日志收集系统(二)改进和优化 在《基于Flume的美团日志收集系统(一)架构和设计》中，我们详述了基于Flume的美团日志收集系统的架构设计，以及为什么做这样的设计。在本节中，我们将会讲述在实际部署和使用过程中遇到的问题，对Flume的功能改进和对系统做的优化。 1 Flume的问题总结 在Flume的使用过程中，遇到的主要问题如下： a. Channel“水土不服”：使用固定大小的MemoryChannel在日志高峰时常报队列大小不够的异常；使用FileChannel又导致IO繁忙的问题； b. HdfsSink的性能问题：使用HdfsSink向Hdfs写日志，在高峰时间速度较慢； c. 系统的管理问题：配置升级，模块重启等； 2 Flume的功能改进和优化点 从上面的问题中可以看到，有一些需求是原生Flume无法满足的，因此，基于开源的Flume我们增加了许多功能，修改了一些Bug，并且进行一些调优。下面将对一些主要的方面做一些说明。 2.1 增加Zabbix monitor服务 一方面，Flume本身提供了http, ganglia的监控服务，而我们目前主要使用zabbix做监控。因此，我们为Flume添加了zabbix监控模块，和sa的监控服务无缝融合。 另一方面，净化Flume的metrics。只将我们需要的metrics发送给zabbix，避免 zabbix server造成压力。目前我们最为关心的是Flume能否及时把应用端发送过来的日志写到Hdfs上， 对应关注的metrics为： Source : 接收的event数和处理的event数 Channel : Channel中拥堵的event数 Sink : 已经处理的event数 2.2 为HdfsSink增加自动创建index功能 首先，我们的HdfsSink写到hadoop的文件采用lzo压缩存储。 HdfsSink可以读取hadoop配置文件中提供的编码类列表，然后通过配置的方式获取使用何种压缩编码，我们目前使用lzo压缩数据。采用lzo压缩而非bz2压缩，是基于以下测试数据： event大小(Byte) sink.batch-size hdfs.batchSize 压缩格式 总数据大小(G) 耗时(s) 平均events/s 压缩后大小(G) 544 300 10000 bz2 9.1 2448 6833 1.36 544 300 10000 lzo 9.1 612 27333 3.49 其次，我们的HdfsSink增加了创建lzo文件后自动创建index功能。Hadoop提供了对lzo创建索引，使得压缩文件是可切分的，这样 Hadoop Job可以并行处理数据文件。HdfsSink本身lzo压缩，但写完lzo文件并不会建索引，我们在close文件之后添加了建索引功能。 /** * Rename bucketPath file from .tmp to permanent location. */ private void renameBucket() throws IOException, InterruptedException { if(bucketPath.equals(targetPath)) { return; } final Path srcPath = new Path(bucketPath); final Path dstPath = new Path(targetPath); callWithTimeout(new CallRunnerObject() { @Override public Object call() throws Exception { if(fileSystem.exists(srcPath)) { // could block LOG.info(Renaming + srcPath + to + dstPath); fileSystem.rename(srcPath, dstPath); // could block //index the dstPath lzo file if (codeC != null .lzo.equals(codeC.getDefaultExtension