1. 背景介紹
許多公司的平台每天會産生大量的日志（一般為流式資料，如，搜尋引擎的pv，查詢等），處理這些日志需要特定的日志系統，一般而言，這些系統需要具有以下特征：
（1） 建構應用系統和分析系統的橋梁，并将它們之間的關聯解耦；
（2） 支援近實時的線上分析系統和類似于Hadoop之類的離線分析系統；
（3） 具有高可擴充性。即：當資料量增加時，可以通過增加節點進行水準擴充。
本文從設計架構，負載均衡，可擴充性和容錯性等方面對比了當今開源的日志系統，包括facebook的scribe，apache的chukwa，linkedin的kafka和cloudera的flume等。
2. FaceBook的Scribe
Scribe是facebook開源的日志收集系統，在facebook内部已經得到大量的應用。它能夠從各種日志源上收集日志，存儲到一個中央存儲系統 （可以是NFS，分布式檔案系統等）上，以便于進行集中統計分析處理。它為日志的“分布式收集，統一處理”提供了一個可擴充的，高容錯的方案。
它最重要的特點是容錯性好。當後端的存儲系統crash時，scribe會将資料寫到本地磁盤上，當存儲系統恢複正常後，scribe将日志重新加載到存儲系統中。
架構：
scribe的架構比較簡單，主要包括三部分，分别為scribe agent， scribe和存儲系統。
(1) scribe agent
scribe agent實際上是一個thrift client。 向scribe發送資料的唯一方法是使用thrift client， scribe内部定義了一個thrift接口，使用者使用該接口将資料發送給server。
(2) scribe
scribe接收到thrift client發送過來的資料，根據配置檔案，将不同topic的資料發送給不同的對象。scribe提供了各種各樣的store，如 file， HDFS等，scribe可将資料加載到這些store中。
(3) 存儲系統
存儲系統實際上就是scribe中的store，目前scribe支援非常多的store，包括file（檔案），buffer（雙層存儲，一個主儲存，一個副存儲），network（另一個scribe伺服器），bucket（包含多個 store，通過hash的将資料存到不同store中），null(忽略資料)，thriftfile（寫到一個Thrift TFileTransport檔案中）和multi（把資料同時存放到不同store中）。
3. Apache的Chukwa
chukwa是一個非常新的開源項目，由于其屬于hadoop系列産品，因而使用了很多hadoop的元件（用HDFS存儲，用mapreduce處理資料），它提供了很多子產品以支援hadoop叢集日志分析。
需求：
(1) 靈活的，動态可控的資料源
(2) 高性能，高可擴充的存儲系統
(3) 合适的架構，用于對收集到的大規模資料進行分析
Chukwa中主要有3種角色，分别為：adaptor，agent，collector。
(1) Adaptor 資料源
可封裝其他資料源，如file，unix指令行工具等
目前可用的資料源有：hadoop logs，應用程式度量資料，系統參數資料（如linux cpu使用流率）。
(2) HDFS 存儲系統
Chukwa采用了HDFS作為存儲系統。HDFS的設計初衷是支援大檔案存儲和小并發高速寫的應用場景，而日志系統的特點恰好相反，它需支援高并發低速率的寫和大量小檔案的存儲。需要注意的是，直接寫到HDFS上的小檔案是不可見的，直到關閉檔案，另外，HDFS不支援檔案重新打開。
(3) Collector和Agent
為了克服(2)中的問題，增加了agent和collector階段。
Agent的作用：給adaptor提供各種服務，包括：啟動和關閉adaptor，将資料通過HTTP傳遞給Collector；定期記錄adaptor狀态，以便crash後恢複。
Collector的作用：對多個資料源發過來的資料進行合并，然後加載到HDFS中；隐藏HDFS實作的細節，如，HDFS版本更換後，隻需修改collector即可。
(4) Demux和achieving
直接支援利用MapReduce處理資料。它内置了兩個mapreduce作業，分别用于擷取data和将data轉化為結構化的log。存儲到data store（可以是資料庫或者HDFS等）中。
4. LinkedIn的Kafka
Kafka是2010年12月份開源的項目，采用scala語言編寫，使用了多種效率優化機制，整體架構比較新穎（push/pull），更适合異構叢集。
設計目标：
(1) 資料在磁盤上的存取代價為O(1)
(2) 高吞吐率，在普通的伺服器上每秒也能處理幾十萬條消息
(3) 分布式架構，能夠對消息分區
(4) 支援将資料并行的加載到hadoop
Kafka實際上是一個消息釋出訂閱系統。producer向某個topic釋出消息，而consumer訂閱某個topic的消息，進而一旦有新的關于某個topic的消息，broker會傳遞給訂閱它的所有consumer。 在kafka中，消息是按topic組織的，而每個topic又會分為多個partition，這樣便于管理資料和進行負載均衡。同時，它也使用了zookeeper進行負載均衡。
Kafka中主要有三種角色，分别為producer，broker和consumer。
(1) Producer
Producer的任務是向broker發送資料。Kafka提供了兩種producer接口，一種是low_level接口，使用該接口會向特定的broker的某個topic下的某個partition發送資料；另一種那個是high level接口，該接口支援同步/異步發送資料，基于zookeeper的broker自動識别和負載均衡（基于Partitioner）。
其中，基于zookeeper的broker自動識别值得一說。producer可以通過zookeeper擷取可用的broker清單，也可以在zookeeper中注冊listener，該listener在以下情況下會被喚醒：
a．添加一個broker
b．删除一個broker
c．注冊新的topic
d．broker注冊已存在的topic
當producer得知以上時間時，可根據需要采取一定的行動。
(2) Broker
Broker采取了多種政策提高資料處理效率，包括sendfile和zero copy等技術。
(3) Consumer
consumer的作用是将日志資訊加載到中央存儲系統上。kafka提供了兩種consumer接口，一種是low level的，它維護到某一個broker的連接配接，并且這個連接配接是無狀态的，即，每次從broker上pull資料時，都要告訴broker資料的偏移量。另一種是high-level 接口，它隐藏了broker的細節，允許consumer從broker上push資料而不必關心網絡拓撲結構。更重要的是，對于大部分日志系統而言，consumer已經擷取的資料資訊都由broker儲存，而在kafka中，由consumer自己維護所取資料資訊。
5. Cloudera的Flume
Flume是cloudera于2009年7月開源的日志系統。它内置的各種元件非常齊全，使用者幾乎不必進行任何額外開發即可使用。
(1) 可靠性
當節點出現故障時，日志能夠被傳送到其他節點上而不會丢失。Flume提供了三種級别的可靠性保障，從強到弱依次分别為：end-to-end（收到資料agent首先将event寫到磁盤上，當資料傳送成功後，再删除；如果資料發送失敗，可以重新發送。），Store on failure（這也是scribe采用的政策，當資料接收方crash時，将資料寫到本地，待恢複後，繼續發送），Best effort（資料發送到接收方後，不會進行确認）。
(2) 可擴充性
Flume采用了三層架構，分别問agent，collector和storage，每一層均可以水準擴充。其中，所有agent和collector由master統一管理，這使得系統容易監控和維護，且master允許有多個（使用ZooKeeper進行管理和負載均衡），這就避免了單點故障問題。
(3) 可管理性
所有agent和colletor由master統一管理，這使得系統便于維護。使用者可以在master上檢視各個資料源或者資料流執行情況，且可以對各個資料源配置和動态加載。Flume提供了web 和shell script command兩種形式對資料流進行管理。
(4) 功能可擴充性
使用者可以根據需要添加自己的agent，colletor或者storage。此外，Flume自帶了很多元件，包括各種agent（file， syslog等），collector和storage（file，HDFS等）。
正如前面提到的，Flume采用了分層架構，由三層組成，分别為agent，collector和storage。其中，agent和collector均由兩部分組成：source和sink，source是資料來源，sink是資料去向。
(1) agent
agent的作用是将資料源的資料發送給collector，Flume自帶了很多直接可用的資料源（source），如：
text(“filename”)：将檔案filename作為資料源，按行發送
tail(“filename”)：探測filename新産生的資料，按行發送出去
fsyslogTcp(5140)：監聽TCP的5140端口，并且接收到的資料發送出去
同時提供了很多sink，如：
console[("format")] ：直接将将資料顯示在桌面上
text(“txtfile”)：将資料寫到檔案txtfile中
dfs(“dfsfile”)：将資料寫到HDFS上的dfsfile檔案中
syslogTcp(“host”,port)：将資料通過TCP傳遞給host節點
(2) collector
collector的作用是将多個agent的資料彙總後，加載到storage中。它的source和sink與agent類似。
下面例子中，agent監聽TCP的5140端口接收到的資料，并發送給collector，由collector将資料加載到HDFS上。
| |
|
| |
一個更複雜的例子如下：
有6個agent，3個collector，所有collector均将資料導入HDFS中。agent A，B将資料發送給collector A，agent C，D将資料發送給collectorB，agent C，D将資料發送給collectorB。同時，為每個agent添加end-to-end可靠性保障（Flume的三種可靠性保障分别由agentE2EChain, agentDFOChain, and agentBEChain實作），如，當collector A出現故障時，agent A和agent B會将資料分别發給collector B和collector C。
下面是簡寫的配置檔案片段：
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
此外，使用autoE2EChain，當某個collector 出現故障時，Flume會自動探測一個可用collector，并将資料定向到這個新的可用collector上。
(3) storage
storage是存儲系統，可以是一個普通file，也可以是HDFS，HIVE，HBase等。
6. 總結
根據這四個系統的架構設計，可以總結出典型的日志系統需具備三個基本元件，分别為agent（封裝資料源，将資料源中的資料發送給collector），collector（接收多個agent的資料，并進行彙總後導入後端的store中），store（中央存儲系統，應該具有可擴充性和可靠性，應該支援目前非常流行的HDFS）。
下面表格對比了這四個系統：
7. 參考資料
scribe首頁：https://github.com/facebook/scribe
chukwa首頁：http://incubator.apache.org/chukwa/
kafka首頁：http://sna-projects.com/kafka/
Flume首頁：https://github.com/cloudera/flume/
來自：http://my.oschina.net/sunzy/blog/183795