主流大数据采集平台架构分析v1.docx
- 文档编号:23257723
- 上传时间:2023-05-15
- 格式:DOCX
- 页数:11
- 大小:313.37KB
主流大数据采集平台架构分析v1.docx
《主流大数据采集平台架构分析v1.docx》由会员分享,可在线阅读,更多相关《主流大数据采集平台架构分析v1.docx(11页珍藏版)》请在冰豆网上搜索。
主流大数据采集平台架构分析v1
主流大数据采集平台架构分析
目录
1.前言3
2.ApacheFlume4
3.Fluentd8
4.Logstash14
5.Chukwa15
6.Scribe16
7.SplunkForwarder17
8.总结19
1.前言
随着大数据越来越被重视,数据采集的挑战变的尤为突出。
本文介绍几款数据采集平台:
ApacheFlumeFluentdLogstashChukwaScribeSplunkForwarder。
任何完整的大数据平台,一般包括以下的几个过程:
数据采集–>数据存储–>数据处理–>数据展现(可视化,报表和监控)
其中,数据采集是所有数据系统必不可少的,随着大数据越来越被重视,数据采集的挑战也变的尤为突出。
这其中包括:
∙数据源多种多样
∙数据量大
∙变化快
∙如何保证数据采集的可靠性的性能
∙如何避免重复数据
∙如何保证数据的质量
我们今天就来看看当前可用的六款数据采集的产品,重点关注它们是如何做到高可靠,高性能和高扩展。
2.ApacheFlume
官网:
https:
//flume.apache.org/
Flume是Apache旗下的一款开源、高可靠、高扩展、容易管理、支持客户扩展的数据采集系统。
Flume使用JRuby来构建,所以依赖Java运行环境。
Flume最初是由Cloudera的工程师设计用于合并日志数据的系统,后来逐渐发展用于处理流数据事件。
Flume设计成一个分布式的管道架构,可以看作在数据源和目的地之间有一个Agent的网络,支持数据路由。
每一个agent都由Source,Channel和Sink组成。
Source
Source负责接收输入数据,并将数据写入管道。
Flume的Source支持HTTP,JMS,RPC,NetCat,Exec,SpoolingDirectory。
其中Spooling支持监视一个目录或者文件,解析其中新生成的事件。
Channel
Channel存储,缓存从source到Sink的中间数据。
可使用不同的配置来做Channel,例如内存,文件,JDBC等。
使用内存性能高但不持久,有可能丢数据。
使用文件更可靠,但性能不如内存。
Sink
Sink负责从管道中读出数据并发给下一个Agent或者最终的目的地。
Sink支持的不同目的地种类包括:
HDFS,HBASE,Solr,ElasticSearch,File,Logger或者其它的FlumeAgent。
Flume在source和sink端都使用了transaction机制保证在数据传输中没有数据丢失。
Source上的数据可以复制到不同的通道上。
每一个Channel也可以连接不同数量的Sink。
这样连接不同配置的Agent就可以组成一个复杂的数据收集网络。
通过对agent的配置,可以组成一个路由复杂的数据传输网络。
配置如上图所示的agent结构,Flume支持设置sink的Failover和LoadBalance,这样就可以保证即使有一个agent失效的情况下,整个系统仍能正常收集数据。
Flume中传输的内容定义为事件(Event),事件由Headers(包含元数据,MetaData)和Payload组成。
Flume提供SDK,可以支持用户定制开发:
Flume客户端负责在事件产生的源头把事件发送给Flume的Agent。
客户端通常和产生数据源的应用在同一个进程空间。
常见的Flume客户端有Avro,log4J,syslog和HTTPPost。
另外ExecSource支持指定一个本地进程的输出作为Flume的输入。
当然很有可能,以上的这些客户端都不能满足需求,用户可以定制的客户端,和已有的FLume的Source进行通信,或者定制实现一种新的Source类型。
同时,用户可以使用Flume的SDK定制Source和Sink。
似乎不支持定制的Channel。
3.Fluentd
官网:
http:
//docs.fluentd.org/articles/quickstart
Fluentd是另一个开源的数据收集框架。
Fluentd使用C/Ruby开发,使用JSON文件来统一日志数据。
它的可插拔架构,支持各种不同种类和格式的数据源和数据输出。
最后它也同时提供了高可靠和很好的扩展性。
TreasureData,Inc对该产品提供支持和维护。
Fluentd的部署和Flume非常相似:
Fluentd的架构设计和Flume如出一辙:
Fluentd的Input/Buffer/Output非常类似于Flume的Source/Channel/Sink。
Input
Input负责接收数据或者主动抓取数据。
支持syslog,http,filetail等。
Buffer
Buffer负责数据获取的性能和可靠性,也有文件或内存等不同类型的Buffer可以配置。
Output
Output负责输出数据到目的地例如文件,AWSS3或者其它的Fluentd。
Fluentd的配置非常方便,如下图:
Fluentd的技术栈如下图:
FLuentd和其插件都是由Ruby开发,MessgaePack提供了JSON的序列化和异步的并行通信RPC机制。
Cool.io是基于libev的事件驱动框架。
FLuentd的扩展性非常好,客户可以自己定制(Ruby)Input/Buffer/Output。
Fluentd从各方面看都很像Flume,区别是使用Ruby开发,Footprint会小一些,但是也带来了跨平台的问题,并不能支持Windows平台。
另外采用JSON统一数据/日志格式是它的另一个特点。
相对去Flumed,配置也相对简单一些。
4.Logstash
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 主流 数据 采集 平台 架构 分析 v1
![提示](https://static.bdocx.com/images/bang_tan.gif)