六款大数据采集平台的架构分析

编辑时间: 2018-01-24 12:50:50    关键字:

     随着大数据越来越被重视,数据采集的挑战变的尤为突出。今天为大家介绍几款数据采集平台:

 
  • Apache Flume

 

  • Fluentd

 

  • Logstash

 

  • Chukwa

 

  • Scribe

 

  • Splunk Forwarder
 
    大数据平台与数据采集
 
    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)
 
    大数据构架 
 
    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。
 
    1、Apache Flume
 
    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。
 
    大数据构架 
 
    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。
 
    大数据构架 
 
    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,Spooling Directory。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Flume Agent。
 
    大数据构架 
 
    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。
 
    大数据构架 
 
    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。
 
    大数据构架 
 
    配置如上图所示的agent结构,Flume支持设置sink的Failover和Load Balance,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。 
 
    大数据构架 
 
    Flume中传输的内容定义为事件(Event),事件由Headers(包含元数据,Meta Data)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HTTP Post。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。
 
    2、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。Treasure Data, Inc 对该产品提供支持和维护。
 
    大数据构架 
 
    Fluentd的部署和Flume非常相似:
 
    大数据构架 
 
    Fluentd的架构设计和Flume如出一辙:
 
    大数据构架 
 

推荐热图
2010-2018 可思数据版权所有 About SYKV | ICP备案:京ICP备14056871号