经过规划，我们使用flume用来收集日志的场景图如下所示，每台web服务器均配置一个agent用来传输日志，并上传至统一的agent4中，

 

 

 

 

对于每台web server上的agent，我们采用Exec Sources类型的source来配置简单的tail -f 来实现对日志进行处理，并打印到日志控制台中，配置方法如下，其中type需要声明为exec，需要指定执行的命令（tail -F，根据需要还可以以管道的方式加入grep等命令）：

 

日志流经过channel（可以根据条件选择memory还是file）后，需要输出到统一的collector，这时候就需要指定使用flume中内置的序列化方式，这里我们使用比较通用的Avro Source/Sink，source用来接收其他服务端发送的日志流，sink用于将日志数据输出。

 

如果希望将flume进行分层设计，可以使用中间序列化方式将收集到的日志传输到不同的服务器中，此时可以使用flume中自带的avro source和sink组件，需要指定type为avro，以及hostname和port（端口号）。

 

# Describe the sink

zhenmq-agent.sinks.zhenmq-sink.type = avro

zhenmq-agent.sinks.zhenmq-sink.hostname = 192.168.1.12

zhenmq-agent.sinks.zhenmq-sink.port = 23004

collector-agent.sources.collector-source.type = avro

collector-agent.sources.collector-source.bind= 192.168.1.13

collector-agent.sources.collector-source.port = 23004

 

注意，首先要在163服务器上启动flume服务，在先启动collector-source的情况下会报出拒绝连接的错误：

 

org.apache.flume.EventDeliveryException: Failed to send events

    at org.apache.flume.sink.AbstractRpcSink.process(AbstractRpcSink.java:392)

    at org.apache.flume.sink.DefaultSinkProcessor.process(DefaultSinkProcessor.java:68)

    at org.apache.flume.SinkRunner$PollingRunner.run(SinkRunner.java:147)

    at java.lang.Thread.run(Thread.java:745)

Caused by: org.apache.flume.FlumeException: NettyAvroRpcClient { host: 192.168.1.163, port: 23004 }: RPC connection error

    at org.apache.flume.api.NettyAvroRpcClient.connect(NettyAvroRpcClient.java:182)

    at org.apache.flume.api.NettyAvroRpcClient.connect(NettyAvroRpcClient.java:121)

    at org.apache.flume.api.NettyAvroRpcClient.configure(NettyAvroRpcClient.java:638)

    at org.apache.flume.api.RpcClientFactory.getInstance(RpcClientFactory.java:89)

    at org.apache.flume.sink.AvroSink.initializeRpcClient(AvroSink.java:127)

    at org.apache.flume.sink.AbstractRpcSink.createConnection(AbstractRpcSink.java:211)

    at org.apache.flume.sink.AbstractRpcSink.verifyConnection(AbstractRpcSink.java:272)

    at org.apache.flume.sink.AbstractRpcSink.process(AbstractRpcSink.java:349)

    ... 3 more

Caused by: java.io.IOException: Error connecting to /192.168.1.163:23004

    at org.apache.avro.ipc.NettyTransceiver.getChannel(NettyTransceiver.java:261)

    at org.apache.avro.ipc.NettyTransceiver.<init>(NettyTransceiver.java:203)

    at org.apache.avro.ipc.NettyTransceiver.<init>(NettyTransceiver.java:152)

    at org.apache.flume.api.NettyAvroRpcClient.connect(NettyAvroRpcClient.java:168)

    ... 10 more

Caused by: java.net.ConnectException: 拒绝连接

    at sun.nio.ch.SocketChannelImpl.checkConnect(Native Method)

    at sun.nio.ch.SocketChannelImpl.finishConnect(SocketChannelImpl.java:739)

    at org.jboss.netty.channel.socket.nio.NioClientSocketPipelineSink$Boss.connect(NioClientSocketPipelineSink.java:496)

    at org.jboss.netty.channel.socket.nio.NioClientSocketPipelineSink$Boss.processSelectedKeys(NioClientSocketPipelineSink.java:452)

    at org.jboss.netty.channel.socket.nio.NioClientSocketPipelineSink$Boss.run(NioClientSocketPipelineSink.java:365)

    at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1145)

    at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:615)

    ... 1 more

 

启动完成后，会在163 collector服务中看到如下的日志，说明已经启动成功。

 

2016-06-22 18:48:30,179 (New I/O server boss #1 ([id: 0xb85f59b4, /192.168.1.163:23004])) [INFO - org.apache.avro.ipc.NettyServer$NettyServerAvroHandler.handleUpstream(NettyServer.java:171)] [id: 0xf57de901, /192.168.1.162:52778 => /192.168.1.163:23004] OPEN

2016-06-22 18:48:30,181 (New I/O  worker #1) [INFO - org.apache.avro.ipc.NettyServer$NettyServerAvroHandler.handleUpstream(NettyServer.java:171)] [id: 0xf57de901, /192.168.1.162:52778 => /192.168.1.163:23004] BOUND: /192.168.1.163:23004

2016-06-22 18:48:30,181 (New I/O  worker #1) [INFO - org.apache.avro.ipc.NettyServer$NettyServerAvroHandler.handleUpstream(NettyServer.java:171)] [id: 0xf57de901, /192.168.1.162:52778 => /192.168.1.163:23004] CONNECTED: /192.168.1.162:52778

 

 

 

Flume的负载均衡与故障转移

 

 

由于在图中agent4为单点，加入agent4挂掉的话会导致日志无法正常输出，故采用flume的负载均衡/故障转移模式来避免这一单点生效。即每次按照一定的算法选择sink输出到指定地方，如果在文件输出量很大的情况下，负载均衡还是很有必要的，通过多个通道输出缓解输出压力。

 

flume内置的负载均衡的算法默认是round robin，轮询算法，按序选择。

 

source里的event流经channel，进入sink组，在sink组内部根据负载算法（round_robin、random）选择sink，后续可以选择不同机器上的agent实现负载均衡。

 

 

 

 

 

 

鉴于我们当前的日志规模不算太大，先采用故障转移的方式来进行，后续如果处理不过来可以采用负载均衡。

 

 

 

首先需要定义sinkgroups，定义group的处理类型，以及每个sink的优先级，此时先会往优先级较高的服务端发送日志，如果该服务不可用，则放到冷却池中，使用优先级较低的sink来处理。

 

注意启动顺序，一定是被依赖的flume先启动。

 

zhenmq-agent.sources = zhenmq-source

zhenmq-agent.sinks = collector-sink1 collector-sink2

zhenmq-agent.channels = zhenmq-channel

# Describe/configure the source

zhenmq-agent.sources.zhenmq-source.type = exec

zhenmq-agent.sources.zhenmq-source.command = tail -F /usr/local/tomcat/tomcat-zhenmq/logs/apilog/common-all.log

# Describe the sink

zhenmq-agent.sinks.collector-sink1.type = avro

zhenmq-agent.sinks.collector-sink1.channel= zhenmq-channel

zhenmq-agent.sinks.collector-sink1.hostname = 192.168.1.163

zhenmq-agent.sinks.collector-sink1.port = 23004

zhenmq-agent.sinks.collector-sink2.type = avro

zhenmq-agent.sinks.collector-sink2.channel= zhenmq-channel

zhenmq-agent.sinks.collector-sink2.hostname = 192.168.1.165

zhenmq-agent.sinks.collector-sink2.port = 23004

# Use a channel which buffers events in memory

zhenmq-agent.channels.zhenmq-channel.type = memory

zhenmq-agent.channels.zhenmq-channel.capacity = 1000

zhenmq-agent.channels.zhenmq-channel.transactionCapacity = 100

zhenmq-agent.sinkgroups = g1

zhenmq-agent.sinkgroups.g1.sinks = collector-sink1 collector-sink2

zhenmq-agent.sinkgroups.g1.processor.type = failover

zhenmq-agent.sinkgroups.g1.processor.priority.collector-sink1 = 10

zhenmq-agent.sinkgroups.g1.processor.priority.collector-sink2 = 11

 

 

一般情况下，flume的数据需要经过一轮转换至kafka中，然后storm读取kafka中的消息，来达到实时分析的目的。但我们可以暂时跳过kafka，直接将flume的输出结果输出到strom中。

 

参考开源实现：https://github.com/rvisweswara/flume-storm-connector，但通过分析其源码可以看出，其内部通过启动一个flume agent组件（SourceRunner，Channel，SinkCounter）来通过avro协议接收flume传输出来的流来完成此目的，FlumeSpout类型的整体类型图如下：

 

 

 

由于原来的实例是三年前写的，jar包比较老，可能无法启动，可以clone下面的链接本地启动（master分支）：https://github.com/clamaa/flume-storm-connector

 

 

 

测试用例的启动入口类型为：FlumeConnectorTopology，其main方法中首先需要配置一个topology.properties文件，用来指定在FlumeSpout启动的Agent source类型和端口（一般情况下的type为avro，只需要指定对应的bind和port即可）。

 

flume-agent.source.type=avro

flume-agent.channel.type=memory

flume-agent.source.bind=127.0.0.1

flume-agent.source.port=10101

 

根据MaterializedConfigurationProvider以及相关配置，生成启动agent对应的MaterializedConfiguration（flume相关），在FlumeSpout.open的方法中，MaterializedConfiguration可以生成 sourceRunner(avro类型), channel（内存级别的，可以从中直接获取数据）。

 

构造flume agent的过程，由于不需要sink，也不需要添加SinkRunner，只加入SinkCounter用于输出计数使用（MXBean类型，可以通过JMX Console监听其关键输出指标）。

flumeAgentProps = StormEmbeddedAgentConfiguration.configure(

                FLUME_AGENT_NAME, flumeAgentProps);

        MaterializedConfiguration conf = configurationProvider.get(

                getFlumePropertyPrefix(), flumeAgentProps);

        Map<String, Channel> channels = conf.getChannels();

        if (channels.size() != 1) {

            throw new FlumeException("Expected one channel and got "

                    + channels.size());

        }

        Map<String, SourceRunner> sources = conf.getSourceRunners();

        if (sources.size() != 1) {

            throw new FlumeException("Expected one source and got "

                    + sources.size());

        }

        this.sourceRunner = sources.values().iterator().next();

        this.channel = channels.values().iterator().next();

        if (sinkCounter == null) {

            sinkCounter = new SinkCounter(FlumeSpout.class.getName());

        }

 

nextTurple方法中，定时对内部启动的Flume Channel进行take操作，获取最新event，

for (int i = 0; i < this.batchSize; i++) {

                Event event = channel.take();

                if (event == null) {

                    break;

                }

                batch.add(event);

            }

 

并将这些event包装成Values，由Collector进行emit（发射）操作，这里由于日志的格式可能会有多种类型，FlumeSpout可以设置TurpleProducer，根据对应的event自定义消息类型，以及声明的字段名称。

 

for (Event event : batch) {

                Values vals = this.getTupleProducer().toTuple(event);

                this.collector.emit(vals);

                this.pendingMessages.put(

                        event.getHeaders().get(Constants.MESSAGE_ID), event);

                LOG.debug("NextTuple:"

                        + event.getHeaders().get(Constants.MESSAGE_ID));

            }

 

消息在发送之前会暂时存在FlumeSpout.pendingMessages中（ConcurrentHashMap），以支持消息确认，在确认完成后，会将其删除；如果确认失败，会根据消息id进行重发。

 

 /*

     * When a message is succeeded remove from the pending list

     *

     * @see backtype.storm.spout.ISpout#ack(java.lang.Object)

     */

    public void ack(Object msgId) {

        this.pendingMessages.remove(msgId.toString());

    }

    /*

     * When a message fails, retry the message by pushing the event back to channel.

     * Note: Please test this situation...

     *

     * @see backtype.storm.spout.ISpout#fail(java.lang.Object)

     */

    public void fail(Object msgId) {

        //on a failure, push the message from pending to flume channel;

        Event ev = this.pendingMessages.get(msgId.toString());

        if(null != ev){

            this.channel.put(ev);

        }

    }

同时，该connector中也提供AvroSinkBolt，用于将storm生成的消息通过avro的方式再传回至flume中，其基本原理就是维持一个与flume的avro agent的连接RpcClient，并可以自定义flume事件生成器，将storm产生的Turple转换成storm对应的Event，这里就不再详细说明。

 

    private RpcClient rpcClient;

    private FlumeEventProducer flumeEventProducer;

Flume收集日志的agent进程仍然可能出现另一种情况，就是挂掉，此时日志中出现错误：

 

2016-07-06 11:14:19,951 (pool-5-thread-1) [INFO - org.apache.flume.source.ExecSource$ExecRunnable.run(ExecSource.java:376)] Command [tail -F /usr/local/tomcat/tomcat-shopapi/logs/apilog/common-warn.log] exited with 137

<!--?xml version="1.0" encoding="UTF-8" standalone="no"?-->

restartThrottle	10000	Amount of time (in millis) to wait before attempting a restart
restart	false	Whether the executed cmd should be restarted if it dies