背景
日志系统接入的日志种类多、格式复杂多样,主流的有以下几种日志:
filebeat采集到的文本日志,格式多样winbeat采集到的操作系统日志设备上报到logstash的syslog日志接入到kafka的业务日志
以上通过各种渠道接入的日志,存在2个主要的问题:
格式不统一、不规范、标准化不够如何从各类日志中提取出用户关心的指标,挖掘更多的业务价值
为了解决上面2个问题,我们基于flink和drools规则引擎做了实时的日志处理服务。
系统架构
架构比较简单,架构图如下:
各类日志都是通过kafka汇总,做日志中转。
flink消费kafka的数据,同时通过API调用拉取drools规则引擎,对日志做解析处理后,将解析后的数据存储到Elasticsearch中,用于日志的搜索和分析等业务。
为了监控日志解析的实时状态,flink会将日志处理的统计数据,如每分钟处理的日志量,每种日志从各个机器IP来的日志量写到Redis中,用于监控统计。
模块介绍
系统项目命名为eagle。
eagle-api:基于springboot,作为drools规则引擎的写入和读取API服务。
eagle-common:通用类模块。
eagle-log:基于flink的日志处理服务。
重点讲一下eagle-log:
对接kafka、ES和Redis
对接kafka和ES都比较简单,用的官方的connector(flink-connector-kafka-0.10和flink-connector-elasticsearch6),详见代码。
对接Redis,最开始用的是org.apache.bahir提供的redis connector,后来发现灵活度不够,就使用了Jedis。
在将统计数据写入redis的时候,最开始用的keyby分组后缓存了分组数据,在sink中做统计处理后写入,参考代码如下:
DataStream>>keyedStream=dataSource.keyBy((KeySelector)log->log.getIndex()) .timeWindow(Time.seconds(windowTime)).trigger(newCountTriggerWithTimeout<>(windowCount,TimeCharacteristic.ProcessingTime)) .process(newProcessWindowFunction>,String,TimeWindow>(){@Overridepublicvoidprocess(Strings,Contextcontext,Iterableiterable,Collector>>collector){ ArrayListlogs=Lists.newArrayList(iterable);if(logs.size()>0){ collector.collect(newTuple2(s,logs)); } } }).setParallelism(redisSinkParallelism).name(name).uid(name);Stringname="redis-agg-log";
后来发现这样做对内存消耗比较大,其实不需要缓存整个分组的原始数据,只需要一个统计数据就OK了,优化后:
DataStreamkeyedStream=dataSource.keyBy((KeySelector)log->log.getIndex()) .timeWindow(Time.seconds(windowTime)) .trigger(newCountTriggerWithTimeout<>(windowCount,TimeCharacteristic.ProcessingTime)) .aggregate(newLogStatAggregateFunction(),newLogStatWindowFunction()) .setParallelism(redisSinkParallelism).name(name).uid(name);Stringname="redis-agg-log";
这里使用了flink的聚合函数和Accumulator,通过flink的agg操作做统计,减轻了内存消耗的压力。
使用broadcast广播drools规则引擎
1、drools规则流通过broadcast map state广播出去。
2、kafka的数据流connect规则流处理日志。
env.addSource(newRuleSourceFunction(ruleUrl)).name(ruleName).uid(ruleName).setParallelism(1) .broadcast(ruleStateDescriptor); //kafka数据流 FlinkKafkaConsumer010source=newFlinkKafkaConsumer010<>(kafkaTopic,newLogSchema(),properties);env.addSource(source).name(kafkaTopic).uid(kafkaTopic).setParallelism(kafkaParallelism);//数据流connect规则流处理日志 BroadcastConnectedStreamconnectedStreams=dataSource.connect(ruleSource); connectedStreams.process(newLogProcessFunction(ruleStateDescriptor,ruleBase)).setParallelism(processParallelism).name(name).uid(name);//广播规则流
具体细节参考开源代码。
小结
本系统提供了一个基于flink的实时数据处理参考,对接了kafka、redis和elasticsearch,通过可配置的drools规则引擎,将数据处理逻辑配置化和动态化。
对于处理后的数据,也可以对接到其他sink,为其他各类业务平台提供数据的解析、清洗和标准化服务。
项目地址:
/luxiaoxun/eagle
作者:阿凡卢
出处:/luxiaoxun/