基于Flink和Drools的实时日志处理

**背景** 日志系统接入的日志种类多、格式复杂多样，主流的有以下几种日志： - Filebeat采集到的文本日志，格式多样 - Winbeat采集到的操作系统日志 - 设备上报到Logstash的syslog日志 - 接入到Kafka的业务日志 以上通过各种渠道接入的日志，存在2个主要的问题： - 格式不统一、不规范、标准化不够 - 如何从各类日志中提取出用户关心的指标，挖掘更多的业务价值 为了解决上面2个问题，我们基于Flink和Drools规则引擎做了实时的日志处理服务。 **系统架构** 架构比较简单，架构图如下： 各类日志都是通过Kafka汇总，做日志中转。 Flink消费Kafka的数据，同时通过API调用拉取Drools规则引擎，对日志做解析处理后，将解析后的数据存储到Elasticsearch中，用于日志的搜索和分析等业务。 为了监控日志解析的实时状态，Flink会将日志处理的统计数据，如每分钟处理的日志量，每种日志从各个机器IP来的日志量写到Redis中，用于监控统计。 **模块介绍** 系统项目命名为Eagle。 eagle-api：基于Spring Boot，作为Drools规则引擎的写入和读取API服务。 eagle-common：通用类模块。 eagle-log：基于Flink的日志处理服务。 重点讲一下eagle-log： **对接kafka、ES和Redis** 对接Kafka和ES都比较简单，用的官方的connector（flink-connector-kafka-0.10和flink-connector-elasticsearch6），详见代码。 对接Redis，最开始用的是org.apache.bahir提供的redis connector，后来发现灵活度不够，就使用了Jedis。 在将统计数据写入redis的时候，最开始用的keyby分组后缓存了分组数据，在sink中做统计处理后写入，参考代码如下： ``` String name = "redis-agg-log"; DataStream>>keyedStream = dataSource.keyBy((KeySelector) log ->log.getIndex()) .timeWindow(Time.seconds(windowTime)).trigger(new CountTriggerWithTimeout<>(windowCount, TimeCharacteristic.ProcessingTime)) .process(new ProcessWindowFunction>, String, TimeWindow>() { @Override public void process(String s, Context context, Iterable iterable, Collector>>collector) { ArrayList logs = Lists.newArrayList(iterable); if (logs.size() >0) { collector.collect(new Tuple2(s, logs)); } } }).setParallelism(redisSinkParallelism).name(name).uid(name); ``` 后来发现这样做对内存消耗比较大，其实不需要缓存整个分组的原始数据，只需要一个统计数据就OK了，优化后： ``` String name = "redis-agg-log"; DataStream keyedStream = dataSource.keyBy((KeySelector) log ->log.getIndex()) .timeWindow(Time.seconds(windowTime)) .trigger(new CountTriggerWithTimeout<>(windowCount, TimeCharacteristic.ProcessingTime)) .aggregate(new LogStatAggregateFunction(), new LogStatWindowFunction()) .setParallelism(redisSinkParallelism).name(name).uid(name); ``` 这里使用了Flink的聚合函数和Accumulator，通过Flink的agg操作做统计，减轻了内存消耗的压力。 **使用Broadcast广播Drools规则引擎** 1、Drools规则流通过broadcast map state广播出去。 2、Kafka的数据流connect规则流处理日志。 ``` //广播规则流 env.addSource(new RuleSourceFunction(ruleUrl)).name(ruleName).uid(ruleName).setParallelism(1) .broadcast(ruleStateDescriptor); //Kafka数据流 FlinkKafkaConsumer010 source = new FlinkKafkaConsumer010<>(kafkaTopic, new LogSchema(), properties); env.addSource(source).name(kafkaTopic).uid(kafkaTopic).setParallelism(kafkaParallelism); //数据流connect规则流处理日志 BroadcastConnectedStream connectedStreams = dataSource.connect(ruleSource); connectedStreams.process(new LogProcessFunction(ruleStateDescriptor, ruleBase)).setParallelism(processParallelism).name(name).uid(name); ``` 具体细节参考开源代码。 **小结** 本系统提供了一个基于Flink的实时数据处理参考，对接了Kafka、Redis和Elasticsearch，通过可配置的Drools规则引擎，将数据处理逻辑配置化和动态化。 对于处理后的数据，也可以对接到其他sink，为其他各类业务平台提供数据的解析、清洗和标准化服务。 >【云栖号在线课堂】每天都有产品技术专家分享！ >课程地址：https://yqh.aliyun.com/live >立即加入社群，与专家面对面，及时了解课程最新动态！ >【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK 原文发布时间：2020-07-09 本文作者： aoxiang 本文来自：“”，了解相关信息可以关注“dockone”
分享题目：基于Flink和Drools的实时日志处理
URL地址：http://wjwzjz.com/article/sdcopd.html