日志收集
日志收集包括服务器日志收集和埋码日志收集两种。
服务器日志主要是nginx、tomcat等产生的访问和业务日志。
埋码收集主要是某些服务器无法收集，需要在前端进行收集的数据。
收集流程
日志处理是指将消息队列用在日志处理中，比如Kafka的应用，解决大量日志传输的问题。
- 日志采集客户端，负责日志数据采集，定时写受写入Kafka队列；
- Kafka消息队列，负责日志数据的接收，存储和转发；
- 日志处理应用：订阅并消费kafka队列中的日志数据；
下面是一个应用的实例图
存储可以是Elasticsearch，对数据进行实时分析。
为什么kafka
Kafka 是分布式发布-订阅消息系统。它最初由 LinkedIn 公司开发，使用 Scala语言编写,之后成为 Apache 项目的一部分。Kafka 是一个分布式的，可划分的，多订阅者,冗余备份的持久性的日志服务。它主要用于处理活跃的流式数据。如果对时时性要求较高的话，可以使用这种方案。
它具备以下特点：
- 同时为发布和订阅提供高吞吐量。据了解，Kafka 每秒可以生产约 25 万消息（50 MB），每秒处理 55 万消息（110 MB）。
- 可进行持久化操作。将消息持久化到磁盘，因此可用于批量消费，例如 ETL，以及实时应用程序。通过将数据持久化到硬盘以及 replication 防止数据丢失。
- 分布式系统，易于向外扩展。所有的 producer、broker 和 consumer 都会有多个，均为分布式的。无需停机即可扩展机器。
- 消息被处理的状态是在 consumer 端维护，而不是由 server 端维护。当失败时能自动平衡。
- 支持 online 和 offline 的场景。
kafka的测试效果
下面是单机情况下的测试效果：
kafka的核心概念
kafka中的核心概念如下：
- Producer 特指消息的生产者
- Consumer 特指消息的消费者
- Consumer Group 消费者组，可以并行消费Topic中partition的消息
- Broker：缓存代理，Kafa 集群中的一台或多台服务器统称为 broker
- Topic：特指 Kafka 处理的消息源（feeds of messages）的不同分类。
- Partition：Topic 物理上的分组，一个 topic 可以分为多个 partition，每个 partition 是一个有序的队列。partition 中的每条消息都会被分配一个有序的 id（offset）。
- Message：消息，是通信的基本单位，每个 producer 可以向一个 topic（主题）发布一些消息。
- Producers：消息和数据生产者，向 Kafka 的一个 topic 发布消息的过程叫做 producers。
- Consumers：消息和数据消费者，订阅 topics 并处理其发布的消息的过程叫做 consumers。
kafka的整体流程
kafka的整体流程：
数据通过flume在客户端进行代理，收集各种日志信息，整体模式使用生产者，消费者的模型。
producer可以根据配置设置发送的时间段。
broker中分为不同的topic，topic中又可以分为不同的partition，这个有点儿类似于数据库中的分区表，对于数据量大的情况下非常适合。
customer负责消费消息日志，如果需要时时消费，则可以使用storm或者spark streaming，如果离线消费，可以使用mapreduce。
kafka总结
kafka可以完全应用到不同的业务场景中，配合zookeeper，保证系统的高可用性。
作者：skyme
联系方式：
邮箱【cloudskyme@163.com】
QQ【270800073】
本文版权归作者和云栖社区共同所有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接，否则保留追究法律责任的权利。
