Lamda架构-分析日志流水线

Lamda架构

前言：日志分析中既有离线大规模需求，也有实时性需求，因此需要采用Lamda架构(目的是为大数据分析应用程序提供一个低响应延迟的组合数据环境)构建日志分析流水线。

Lamda组成部分

1. 批处理层

   通过hadoop，spark等作为批处理层的处理工具，HDFS，HBase等作为数据持久化系统。

2. 服务层

   用于加载和实现数据库中的批处理视图，便于用户查询。不一定需要随机写，但是需要支持批更新和随机读。采用如ElephantDB,Voldemort

3. 快速处理层

   主要处理实时和服务层更新造成的高延迟补偿，利用流处理系统（如Storm，S4，SparkStreaming）和随机读写数据存储库来实现实时视图（HBase）

Lamda数据分析架构

日志分析流水线整理架构

实时日志分析流水线步骤：

1. 数据采集 采用Flume NG进行数据采集
2. 数据汇总和转发 Flume将数据转发汇总到实时消息系统kafka
3. 数据处理 SparkSteaming进行实时数据处理
4. 结果呈现 采用Flask作为可视化呈现工具

离线日志分析流水步骤：

1. 数据存储 通过Flume将数据转储至HDFS
2. 数据处理 通过SparkSQL进行数据预处理
3. 结果呈现 结果汇总存储到mysql最后通过Flask，tableau进行结果呈现