互联网开源日志系统介绍和对比

《互联网开源日志系统介绍和对比》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、开源日志系统比较1.背景介绍许多公司的平台每天会产生大量的日志（一般为流式数据，如，搜索引擎的pv，查询等），处理这些日志需要特定的日志系统，一般而言，这些系统需要具有以下特征：（1）构建应用系统和分析系统的桥梁，并将它们之间的关联解耦；（2）支持近实时的在线分析系统和类似于Hadoop之类的离线分析系统；（3）具有高可扩展性。即：当数据量增加时，可以通过增加节点进行水平扩展。本文从设计架构，负载均衡，可扩展性和容错性等方面对比了当今开源的日志系统，包括facebook的scribe，apache的chukwa，linkedin的k

2、afka和cloudera的flume等。2.FaceBook的ScribeScribe是facebook开源的日志收集系统，在facebook内部已经得到大量的应用。它能够从各种日志源上收集日志，存储到一个中央存储系统（可以是NFS，分布式文件系统等）上，以便于进行集中统计分析处理。它为日志的“分布式收集，统一处理”提供了一个可扩展的，高容错的方案。它最重要的特点是容错性好。当后端的存储系统crash时，scribe会将数据写到本地磁盘上，当存储系统恢复正常后，scribe将日志重新加载到存储系统中。架构：scribe的架构比较简

3、单，主要包括三部分，分别为scribeagent，scribe和存储系统。(1)scribeagentscribeagent实际上是一个thriftclient。向scribe发送数据的唯一方法是使用thriftclient，scribe内部定义了一个thrift接口，用户使用该接口将数据发送给server。(2)scribescribe接收到thriftclient发送过来的数据，根据配置文件，将不同topic的数据发送给不同的对象。scribe提供了各种各样的store，如file，HDFS等，scribe可将数据加载到这些st

4、ore中。(3)存储系统存储系统实际上就是scribe中的store，当前scribe支持非常多的store，包括file（文件），buffer（双层存储，一个主储存，一个副存储），network（另一个scribe服务器），bucket（包含多个store，通过hash的将数据存到不同store中），null(忽略数据)，thriftfile（写到一个ThriftTFileTransport文件中）和multi（把数据同时存放到不同store中）。3.Apache的Chukwachukwa是一个非常新的开源项目，由于其属于hado

5、op系列产品，因而使用了很多hadoop的组件（用HDFS存储，用mapreduce处理数据），它提供了很多模块以支持hadoop集群日志分析。需求：(1)灵活的，动态可控的数据源(2)高性能，高可扩展的存储系统(3)合适的框架，用于对收集到的大规模数据进行分析架构：Chukwa中主要有3种角色，分别为：adaptor，agent，collector。(1)Adaptor数据源可封装其他数据源，如file，unix命令行工具等目前可用的数据源有：hadooplogs，应用程序度量数据，系统参数数据（如linuxcpu使用流率）。(2

6、)HDFS存储系统Chukwa采用了HDFS作为存储系统。HDFS的设计初衷是支持大文件存储和小并发高速写的应用场景，而日志系统的特点恰好相反，它需支持高并发低速率的写和大量小文件的存储。需要注意的是，直接写到HDFS上的小文件是不可见的，直到关闭文件，另外，HDFS不支持文件重新打开。(3)Collector和Agent为了克服(2)中的问题，增加了agent和collector阶段。Agent的作用：给adaptor提供各种服务，包括：启动和关闭adaptor，将数据通过HTTP传递给Collector；定期记录adaptor状

7、态，以便crash后恢复。Collector的作用：对多个数据源发过来的数据进行合并，然后加载到HDFS中；隐藏HDFS实现的细节，如，HDFS版本更换后，只需修改collector即可。(4)Demux和achieving直接支持利用MapReduce处理数据。它内置了两个mapreduce作业，分别用于获取data和将data转化为结构化的log。存储到datastore（可以是数据库或者HDFS等）中。4.LinkedIn的KafkaKafka是2010年12月份开源的项目，采用scala语言编写，使用了多种效率优化机制，整体

8、架构比较新颖（push/pull），更适合异构集群。设计目标：(1)数据在磁盘上的存取代价为O(1)(2)高吞吐率，在普通的服务器上每秒也能处理几十万条消息(3)分布式架构，能够对消息分区(4)支持将数据并行的加载到hadoop架构：