大数据应用日志采集之Scribe演示实例完全解析

大数据应用日志采集之Scribe演示实例完全解析

引子：

　　Scribe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。当中央存储系统的网络或者机器出现故障时，scribe会将日志转存到本地或者另一个位置，当中央存储系统恢复后，scribe会将转存的日志重新传输给中央存储系统。其通常与Hadoop结合使用，scribe用于向HDFS中push日志，而Hadoop通过MapReduce作业进行定期处理。

　　Scribe从各种数据源上收集数据，放到一个共享队列上，然后push到后端的中央存储系统上。当中央存储系统出现故障时，scribe可以暂时把日志写到本地文件中，待中央存储系统恢复性能后，scribe把本地日志续传到中央存储系统上。需要注意的是，各个数据源须通过thrift（由于采用了thrift，客户端可以采用各种语言编写向scribe传输数据（每条数据记录包含一个category和一个message）。可以在scribe配置用于监听端口的thrift线程数（默认为3）。在后端，scribe可以将不同category的数据存放到不同目录中，以便于进行分别处理。后端的日志存储方 式可以是各种各样的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 Thrift TFileTransport文件中）和multi（把数据同时存放到不同store中）。

　　本文通过3个实例程序，分别演示scribe后端存储为file、network和buffer时的操作方法和流程，演示示例程序位于scribe/examples目录，目录结构如下所示：[hadoop@hadoop1 examples]$ ls
example1.conf         example2client.conf  hdfs_example.conf  scribe_cat
example2central.conf  hdfs_example2.conf   README             scribe_ctrl

一、Example1：file

　　#step_01：创建消息文件存放目录
　　　　mkdir /tmp/scribetest
　　#step_02：启动Scribe
　　　　src/scribed examples/example1.conf
　　#step_03：发送消息到scribe
　　　　echo "hello world" | ./scribe_cat test
　　#step_04:  验证消息记录
　　　　cat /tmp/scribetest/test/test_current
　　#step_05:  检查scribe状态
　　　　./scribe_ctrl status
　　#step_06:  查看scribe计数
　　　　./scribe_ctrl counters
　　#step_07:  停止scribe运行
　　　　./scribe_ctrl stop

二、Example2：Network

　　#step_01:创建工作目录
　　mkdir /tmp/scribetest2
　　#step_02:启动中心scribe程序，服务端口1463，记录方式为file
　　src/scribed examples/example2central.conf
　　#step_03:启动中心client程序，服务端口1464，存储模式为Network，写入消息到中心scribe
　　src/scribed examples/example2client.conf
　　#step_04：发送消息到client scribe
　　echo "test message" | ./scribe_cat -h localhost:1464 test2
　　echo "this message will be ignored" | ./scribe_cat -h localhost:1464 ignore_me
　　echo "123:this message will be bucketed" | ./scribe_cat -h localhost:1464 bucket_me

　　#step_05：验证消息被中心scribe接收和记录到文件
　　cat /tmp/scribetest/test2/test2_current
　　#step_06：验证消息分组，不同category的数据存放到不同目录中
　　cat /tmp/scribetest/bucket*/bucket_me_current

　　#step_07：状态检查消息计数检查，如果管理命令不加参数默认为1643
　　./scribe_ctrl status 1463
　　./scribe_ctrl status 1464
　　./scribe_ctrl counters 1463
　　./scribe_ctrl counters 1464　　
　　#step_08：关闭服务进程
　　./scribe_ctrl stop 1463
　　./scribe_ctrl stop 1464

三、Example3：buffer

　　#step_01：启动中心scribe，服务端口1463
　　src/scribed examples/example2central.conf
　　#step_02：启动客户端scribe，服务端口1464
　　src/scribed examples/example2client.conf
　　#step_03：发送消息到客户端scribe
　　echo "test message 1" | ./scribe_cat -h localhost:1464 test3
　　#step_04：验证消息是否接受，在中心scribe消息存储目录查找
　　cat /tmp/scribetest/test3/test3_current
　　#step_05：停止中心scribe服务，我们期待看到结果是缓存
　　./scribe_ctrl stop 1463
　　#step_06：验证中心scribe运行状态
　　./scribe_ctrl status 1463

　　#step_07：发送消息到客户端-此时消息期待结果是缓存
　　echo "test message 2" | ./scribe_cat -h localhost:1464 test3
　　#step_08：超时客户端scribe会有报警信息
　　./scribe_ctrl status 1464
　　#step_09:重启中心scribe
　　src/scribed examples/example2central.conf
　　#step_10:验证scribe状态
　　./scribe_ctrl status 1463
　　./scribe_ctrl status 1464

　　#step_10:验证中心scribe是否接收到缓存的消息
　　cat /tmp/scribetest/test3/test3_current
　　#step_11:关闭服务进程
　　./scribe_ctrl stop 1463
　　./scribe_ctrl stop 1464

四、工作流程

　　通过以上实例，我们可以看到scribe核心的工作原理和处理流程，具体流程如下图所示：

作者：张子良 
出处：http://www.cnblogs.com/hadoopdev 
本文版权归作者所有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接，否则保留追究法律责任的权利。

 

分类: 大数据