雲棲號資訊：【點擊查看更多行業資訊】
在這裏您可以找到不同行業的第一手的上雲資訊，還在等什麼，快來！
背景
日誌系統接入的日誌種類多、格式複雜多樣，主流的有以下幾種日誌：
- Filebeat採集到的文本日誌，格式多樣
- Winbeat採集到的操作系統日誌
- 設備上報到Logstash的syslog日誌
- 接入到Kafka的業務日誌
以上通過各種渠道接入的日誌，存在2個主要的問題：
- 格式不統一、不規範、標準化不夠
- 如何從各類日誌中提取出用戶關心的指標，挖掘更多的業務價值
爲了解決上面2個問題，我們基於Flink和Drools規則引擎做了實時的日誌處理服務。
系統架構
架構比較簡單，架構圖如下：
各類日誌都是通過Kafka彙總，做日誌中轉。
Flink消費Kafka的數據，同時通過API調用拉取Drools規則引擎，對日誌做解析處理後，將解析後的數據存儲到Elasticsearch中，用於日誌的搜索和分析等業務。
爲了監控日誌解析的實時狀態，Flink會將日誌處理的統計數據，如每分鐘處理的日誌量，每種日誌從各個機器IP來的日誌量寫到Redis中，用於監控統計。
模塊介紹
系統項目命名爲Eagle。
eagle-api：基於Spring Boot，作爲Drools規則引擎的寫入和讀取API服務。
eagle-common：通用類模塊。
eagle-log：基於Flink的日誌處理服務。
重點講一下eagle-log：
對接kafka、ES和Redis
對接Kafka和ES都比較簡單，用的官方的connector（flink-connector-kafka-0.10和flink-connector-elasticsearch6），詳見代碼。
對接Redis，最開始用的是org.apache.bahir提供的redis connector，後來發現靈活度不夠，就使用了Jedis。
在將統計數據寫入redis的時候，最開始用的keyby分組後緩存了分組數據，在sink中做統計處理後寫入，參考代碼如下：
String name = "redis-agg-log";
DataStream<Tuple2<String, List<LogEntry>>> keyedStream = dataSource.keyBy((KeySelector<LogEntry, String>) log -> log.getIndex())
.timeWindow(Time.seconds(windowTime)).trigger(new CountTriggerWithTimeout<>(windowCount, TimeCharacteristic.ProcessingTime))
.process(new ProcessWindowFunction<LogEntry, Tuple2<String, List<LogEntry>>, String, TimeWindow>() {
@Override
public void process(String s, Context context, Iterable<LogEntry> iterable, Collector<Tuple2<String, List<LogEntry>>> collector) {
ArrayList<LogEntry> logs = Lists.newArrayList(iterable);
if (logs.size() > 0) {
collector.collect(new Tuple2(s, logs));
}
}
}).setParallelism(redisSinkParallelism).name(name).uid(name);後來發現這樣做對內存消耗比較大，其實不需要緩存整個分組的原始數據，只需要一個統計數據就OK了，優化後：
String name = "redis-agg-log";
DataStream<LogStatWindowResult> keyedStream = dataSource.keyBy((KeySelector<LogEntry, String>) log -> log.getIndex())
.timeWindow(Time.seconds(windowTime))
.trigger(new CountTriggerWithTimeout<>(windowCount, TimeCharacteristic.ProcessingTime))
.aggregate(new LogStatAggregateFunction(), new LogStatWindowFunction())
.setParallelism(redisSinkParallelism).name(name).uid(name);這裏使用了Flink的聚合函數和Accumulator，通過Flink的agg操作做統計，減輕了內存消耗的壓力。
使用Broadcast廣播Drools規則引擎
1、Drools規則流通過broadcast map state廣播出去。
2、Kafka的數據流connect規則流處理日誌。
//廣播規則流
env.addSource(new RuleSourceFunction(ruleUrl)).name(ruleName).uid(ruleName).setParallelism(1)
.broadcast(ruleStateDescriptor);
//Kafka數據流
FlinkKafkaConsumer010<LogEntry> source = new FlinkKafkaConsumer010<>(kafkaTopic, new LogSchema(), properties);
env.addSource(source).name(kafkaTopic).uid(kafkaTopic).setParallelism(kafkaParallelism);
//數據流connect規則流處理日誌
BroadcastConnectedStream<LogEntry, RuleBase> connectedStreams = dataSource.connect(ruleSource);
connectedStreams.process(new LogProcessFunction(ruleStateDescriptor, ruleBase)).setParallelism(processParallelism).name(name).uid(name);具體細節參考開源代碼。
小結
本系統提供了一個基於Flink的實時數據處理參考，對接了Kafka、Redis和Elasticsearch，通過可配置的Drools規則引擎，將數據處理邏輯配置化和動態化。
對於處理後的數據，也可以對接到其他sink，爲其他各類業務平臺提供數據的解析、清洗和標準化服務。
【雲棲號在線課堂】每天都有產品技術專家分享！
課程地址：https://yqh.aliyun.com/live立即加入社羣，與專家面對面，及時瞭解課程最新動態！
【雲棲號在線課堂 社羣】https://c.tb.cn/F3.Z8gvnK
原文發佈時間：2020-07-09
本文作者： aoxiang
本文來自：“dockone”，瞭解相關信息可以關注“dockone”