**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Spring Boot,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:
```
String name = "redis-agg-log";
DataStream>>keyedStream = dataSource.keyBy((KeySelector) log ->log.getIndex())
.timeWindow(Time.seconds(windowTime)).trigger(new CountTriggerWithTimeout<>(windowCount, TimeCharacteristic.ProcessingTime))
.process(new ProcessWindowFunction>, String, TimeWindow>() {
@Override
public void process(String s, Context context, Iterable iterable, Collector>>collector) {
ArrayList logs = Lists.newArrayList(iterable);
if (logs.size() >0) {
collector.collect(new Tuple2(s, logs));
}
}
}).setParallelism(redisSinkParallelism).name(name).uid(name);
```
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:
```
String name = "redis-agg-log";
DataStream keyedStream = dataSource.keyBy((KeySelector) log ->log.getIndex())
.timeWindow(Time.seconds(windowTime))
.trigger(new CountTriggerWithTimeout<>(windowCount, TimeCharacteristic.ProcessingTime))
.aggregate(new LogStatAggregateFunction(), new LogStatWindowFunction())
.setParallelism(redisSinkParallelism).name(name).uid(name);
```
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。
```
//广播规则流
env.addSource(new RuleSourceFunction(ruleUrl)).name(ruleName).uid(ruleName).setParallelism(1)
.broadcast(ruleStateDescriptor);
//Kafka数据流
FlinkKafkaConsumer010 source = new FlinkKafkaConsumer010<>(kafkaTopic, new LogSchema(), properties);
env.addSource(source).name(kafkaTopic).uid(kafkaTopic).setParallelism(kafkaParallelism);
//数据流connect规则流处理日志
BroadcastConnectedStream connectedStreams = dataSource.connect(ruleSource);
connectedStreams.process(new LogProcessFunction(ruleStateDescriptor, ruleBase)).setParallelism(processParallelism).name(name).uid(name);
```
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。
>【云栖号在线课堂】每天都有产品技术专家分享!
>课程地址:https://yqh.aliyun.com/live
>立即加入社群,与专家面对面,及时了解课程最新动态!
>【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK
原文发布时间:2020-07-09
本文作者: aoxiang
本文来自:“”,了解相关信息可以关注“dockone”
分享题目:基于Flink和Drools的实时日志处理
分享链接:
http://bjjierui.cn/article/sdcopd.html