vivo大數(shù)據(jù)日志采集Agent設(shè)計實踐

作者：Qiu Sidi 2022-11-23 21:51:42

本文通過在vivo的日志采集服務(wù)的設(shè)計實踐經(jīng)驗，為大家提供日志采集Agent在設(shè)計開發(fā)過程中的關(guān)鍵設(shè)計思路。

在企業(yè)大數(shù)據(jù)體系建設(shè)過程中，數(shù)據(jù)采集是其中的首要環(huán)節(jié)。然而，當(dāng)前行業(yè)內(nèi)的相關(guān)開源數(shù)據(jù)采集組件，并無法滿足企業(yè)大規(guī)模數(shù)據(jù)采集的需求與有效的數(shù)據(jù)采集治理，所以大部分企業(yè)都采用自研開發(fā)采集組件的方式。本文通過在vivo的日志采集服務(wù)的設(shè)計實踐經(jīng)驗，為大家提供日志采集Agent在設(shè)計開發(fā)過程中的關(guān)鍵設(shè)計思路。

一、概述

在企業(yè)大數(shù)據(jù)體系的建設(shè)過程中，數(shù)據(jù)的處理一般包含4個步驟：采集、存儲、計算和使用。其中，數(shù)據(jù)采集，是建設(shè)過程中的首要的環(huán)節(jié)，也是至關(guān)重要的環(huán)節(jié)，如果沒有采集就沒有數(shù)據(jù)，更談不上后續(xù)的數(shù)據(jù)處理與使用。所以，我們看到的企業(yè)中的運營報表、決策報表、日志監(jiān)控、審計日志等的數(shù)據(jù)來源都是基于數(shù)據(jù)采集。一般的，我們對數(shù)據(jù)采集的定義是，把各種分散的源頭上的數(shù)據(jù)（可以包括企業(yè)產(chǎn)品的埋點的日志、服務(wù)器日志、數(shù)據(jù)庫、IOT設(shè)備日志等）統(tǒng)一匯聚到大數(shù)據(jù)存儲組件的過程（如下圖所示）。其中，日志文件類型的采集場景，是各種數(shù)據(jù)采集類型中最常見的一種。接下來，將圍繞該場景提出我們的設(shè)計實踐方案。

通常，日志采集服務(wù)可以分為幾個部分（業(yè)界常見的架構(gòu)如下圖所示）：日志采集Agent組件（常見的開源采集Agent組件有Flume、Logstash、Scribe等）、采集傳輸與存儲組件（如kafka、HDFS）、采集管理平臺。Bees采集服務(wù)是vivo自研的日志采集服務(wù)，本文章是通過在Bees采集服務(wù)中的關(guān)鍵組件bees-agent的開發(fā)實踐后，總結(jié)出一個通用的日志采集Agent設(shè)計中的核心技術(shù)點和一些關(guān)鍵思考點，希望對大家有用。

二、特性&能力

具備基本的日志文件的實時與離線采集能力
基于日志文件，無侵入式采集日志
具備自定義的過濾超大日志的能力
具備自定義的過濾采集、匹配采集、格式化的能力
具備自定義的限速采集的能力
具備秒級別的實時采集時效性
具備斷點續(xù)傳能力，升級和停止不丟數(shù)據(jù)
具備可視化的、中心化的采集任務(wù)管理平臺
豐富的監(jiān)控指標(biāo)與告警（包括采集流量、時效性、完整性等）
低系統(tǒng)資源開銷（包括磁盤、內(nèi)存、CPU及網(wǎng)絡(luò)等）

三、設(shè)計原則

簡單優(yōu)雅
健壯穩(wěn)定

四、關(guān)鍵設(shè)計

目前業(yè)界流行的日志采集Agent組件，開源的有Flume、Logstash、Scribe、FileBeats、Fluentd等，自研的有阿里的Logtail。它們都有不錯的性能與穩(wěn)定性，如果想要快速上手，可以不妨使用它們。但是一般大企業(yè)會有個性化的采集需求，比如采集任務(wù)大規(guī)模管理、采集限速、采集過濾等，還有采集任務(wù)平臺化、任務(wù)可視化的需求，為了滿足上面這些需求我們自研了一個日志采集Agent。

在做一切的設(shè)計和開發(fā)之前，我們設(shè)定了采集Agent最基本的設(shè)計原則，即簡單優(yōu)雅、健壯穩(wěn)定。

日志文件采集的一般流程會包括：文件的發(fā)現(xiàn)與監(jiān)聽、文件讀取，日志內(nèi)容的格式化、過濾、聚合與發(fā)送。當(dāng)我們開始著手開始設(shè)計這樣一個日志采集Agent時，會遇到不少關(guān)鍵的難點問題，比如：日志文件在哪里？如何發(fā)現(xiàn)日志文件新增？如何監(jiān)聽日志內(nèi)容追加？如何識別一個文件？宕機(jī)重啟怎么辦？如何斷點續(xù)傳？等等問題，接下來，我們針對日志采集Agent設(shè)計過程中遇到的關(guān)鍵問題，為大家一一解答。（注：下文出現(xiàn)的文件路徑與文件名都為演示樣例非真實路徑）

4.1 日志文件發(fā)現(xiàn)與監(jiān)聽

Agent要如何知道采集哪些日志文件呢？

最簡單的設(shè)計，就是在Agent的本地配置文件中，把需要采集的日志文件路徑都一一羅列進(jìn)去，比如 /home/sample/logs/access1.log、/home/sample/logs/access2.log、/home/sample/logs/access3.log 等，這樣Agent通過讀取配置文件得到對應(yīng)的日志文件列表，這樣就能遍歷文件列表讀取日志信息。但是實際情況是，日志文件是動態(tài)生成的，像一般tomcat的業(yè)務(wù)日志，每個小時都會滾動生成一個新的的日志文件，日志名字通常會帶上時間戳，命名類似 /data/sample/logs/access.2021110820.log，所以采用直接配置固定的文件列表方式是行不通的。

所以，我們想到可以使用一個文件夾路徑和日志文件名使用正則表達(dá)式或者通配符來表示（為了方便，下文統(tǒng)一使用通配符來表示）。機(jī)器上的日志一般固定存在某一個目錄下，比如 /data/sample/logs/ 下，文件名由于某種規(guī)則是滾動產(chǎn)生的（比如時間戳），類似 access.2021110820.log、access.2021110821.log、access.2021110822.log，我們可以簡單粗暴使用 access.*.log 的通配方法來匹配這一類的日志，當(dāng)然實際情況可以根據(jù)你需要的匹配粒度去選擇你的正則表達(dá)式。有了這個通配符方法，我們的Agent就能的匹配滾動產(chǎn)生的一批日志文件了。

如何持續(xù)發(fā)現(xiàn)和監(jiān)聽到新產(chǎn)生的日志文件呢？

由于新的日志文件會由其他應(yīng)用程序（比如Nginx、Tomcat等）持續(xù)的按小時動態(tài)產(chǎn)生的，Agent如何使用通配符快速去發(fā)現(xiàn)這個新產(chǎn)生的文件呢？

最容易想到的，是使用輪詢的設(shè)計方案，即是通過一個定時任務(wù)來檢查對應(yīng)目錄下的日志文件是否有增加，但是這種簡單的方案有個問題，就是如果輪詢間隔時間太長，比如間隔設(shè)置為10s、5s，那么日志采集的時效性滿足不了我們的需求；如果輪詢間隔時間太短，比如500ms，大量的無效的輪詢檢查又會消耗許多CPU資源。幸好，Linux內(nèi)核給我們提供一種高效的文件事件監(jiān)聽機(jī)制：Linux Inotify機(jī)制。該機(jī)制可監(jiān)聽任意文件的操作，比如文件創(chuàng)建、文件刪除和文件內(nèi)容變更，內(nèi)核會給應(yīng)用層一個對應(yīng)的事件通知。Inotify這種的事件機(jī)制比輪詢機(jī)制高效的多，也不存在CPU空跑浪費系統(tǒng)資源的情況。在java中，使用java.nio.file.WatchService，可以參考如下核心代碼：

/**
 * 訂閱文件或目錄的變更事件
 */
public synchronized BeesWatchKey watchDir(File dir, WatchEvent.Kind<?>... watchEvents) throws IOException {
    if (!dir.exists() && dir.isFile()) {
        throw new IllegalArgumentException("watchDir requires an exist directory, param: " + dir);
    }
    Path path = dir.toPath().toAbsolutePath();
    BeesWatchKey beesWatchKey = registeredDirs.get(path);
    if (beesWatchKey == null) {
        beesWatchKey = new BeesWatchKey(subscriber, dir, this, watchEvents);
        registeredDirs.put(path, beesWatchKey);
        logger.info("successfully watch dir: {}", dir);
    }
    return beesWatchKey;
}
 
public synchronized BeesWatchKey watchDir(File dir) throws IOException {
    WatchEvent.Kind<?>[] events = {
            StandardWatchEventKinds.ENTRY_CREATE,
            StandardWatchEventKinds.ENTRY_DELETE,
            StandardWatchEventKinds.ENTRY_MODIFY
    };
    return watchDir(dir, events);
}

綜合以上思考，日志文件的發(fā)現(xiàn)和日志內(nèi)容變更的監(jiān)聽，我們使用的是"inotify機(jī)制為主+輪詢機(jī)制兜底"、"通配符"的設(shè)計方案，如下圖所示：

4.2 日志文件的唯一標(biāo)識

要設(shè)計日志文件的唯一標(biāo)識，如果直接使用日志文件的名稱是行不通的，日志文件名可能被頻繁重復(fù)使用，比如，一些應(yīng)用程序使用的日志框架在輸出日志時，對于當(dāng)前應(yīng)用正在輸出的日志命名是不帶任何時間戳信息的，比如固定是 access.log，只有等到當(dāng)前小時寫入文件完畢時，才把文件重命名為 access.2021110820.log，此時新生產(chǎn)的日志文件命名也是 access.log，該文件名對于采集Agent來說是重復(fù)的，所以文件名是無法作為文件唯一標(biāo)識。

我們想到使用Linux操作系統(tǒng)上的文件inode號作為文件標(biāo)識符。Unix/Linux文件系統(tǒng)使用inode號來識別不同文件，即使移動文件或重命名文件，inode號是保持不變的，創(chuàng)建一個新文件，會給這個新文件分配一個新的不重復(fù)的inode號，這樣就能與現(xiàn)有磁盤上的其他文件很好區(qū)分。我們使用 ls -i access.log 可以快速查看該文件的inode號，如下代碼塊所示：

ls -i access.log
62651787 access.log

一般來說，使用系統(tǒng)的inode號作為標(biāo)識，已經(jīng)能滿足大多數(shù)的情況了，但是為了更嚴(yán)謹(jǐn)?shù)目紤]，還可以進(jìn)一步升級方案。因為Linux 的inode號存在復(fù)用的情況，這里的"復(fù)用"要和"重復(fù)"區(qū)別一下，在一臺機(jī)器上的所有文件不會同一時刻出現(xiàn)重復(fù)的兩個inode號，但是當(dāng)文件刪除后，另一個新文件創(chuàng)建時，這個文件的inode號是可能復(fù)用之前刪除文件的inode號的，代碼邏輯處理不好，很可能造成日志文件漏采集，這一點是要注意的。為了規(guī)避這個問題，我們把文件的唯一標(biāo)識設(shè)計為" 文件inode與文件簽名組合"，這里的文件簽名使用的是該文件內(nèi)容前128字節(jié)的Hash值，代碼參考如下：

public static String signFile(File file) throws IOException {
        String filepath = file.getAbsolutePath();
        String sign = null;
        RandomAccessFile raf = new RandomAccessFile(filepath, "r");
        if (raf.length() >= SIGN_SIZE) {
           byte[] tbyte = new byte[SIGN_SIZE];
           raf.seek(0);
           raf.read(tbyte);
           sign = Hashing.sha256().hashBytes(tbyte).toString();
        }
        return sign;
    }

關(guān)于inode再補(bǔ)充點小知識。Linux inode是會滿的，inode的信息存儲本身也會消耗一些硬盤空間，因為inode號只是inode內(nèi)容中的一小部分，inode內(nèi)容主要是包含文件的元數(shù)據(jù)信息：如文件的字節(jié)數(shù)、文件數(shù)據(jù)block的位置、文件的讀寫執(zhí)行權(quán)限、文件的時間戳等，可以用stat命令，查看某個文件完整的inode信息（stat access.log）。因為這樣的設(shè)計，操作系統(tǒng)是將硬盤分成兩個區(qū)域的：一個是數(shù)據(jù)區(qū)，存放文件數(shù)據(jù)；另一個是inode區(qū)，存放inode所包含的信息。每個inode節(jié)點的大小，一般是128字節(jié)或256字節(jié)。查看每個硬盤分區(qū)的inode總數(shù)和已經(jīng)使用的數(shù)量，可以使用df -i命令。由于每個文件都必須有一個inode，如果一個日志機(jī)器上，日志文件小而且數(shù)量太多，是有可能發(fā)生操作系統(tǒng)inode用完了即是inode區(qū)磁盤滿了，但是我們使用的數(shù)據(jù)區(qū)硬盤還未存滿的情況。這時，就無法在硬盤上創(chuàng)建新文件。所以在日志打印規(guī)范上是要避免產(chǎn)生大量的小日志文件的。

4.3 日志內(nèi)容的讀取

發(fā)現(xiàn)并且能有效監(jiān)聽日志文件后，我們應(yīng)該如何去讀取這個日志文件中實時追加的日志內(nèi)容呢？日志內(nèi)容的讀取，我們期望從日志文件中把每一行的日志內(nèi)容逐行讀取出來，每一行以\n或者\r為分隔符。很顯然，我們不能直接簡單采用InputStreamReader去讀取，因為Reader只能按照字符從頭到尾讀取整個日志文件，不適合讀取實時追加日志內(nèi)容的情況；最合適的選擇應(yīng)該是使用RandomAccessFile。RandomAccessFile它為代碼開發(fā)者提供了一個可供設(shè)置的指針，通過指針開發(fā)者可以訪問文件的隨機(jī)位置，參考下圖：

通過這種方式，當(dāng)某一時刻出現(xiàn)線程讀取到文件末尾時，只需要記錄當(dāng)前的位置，線程就進(jìn)入等待狀態(tài)，直到有新的日志內(nèi)容寫入后，線程又重新啟動，啟動后可以接著上次的尾部往下讀取，代碼參考如下。另外，在進(jìn)程掛或者宕機(jī)恢復(fù)后，也會用到RandomAccessFile來從指定點位開始讀取，不需要從整個文件頭部重新讀取。關(guān)于斷點續(xù)傳的能力后文會提到。


RandomAccessFile raf = new RandomAccessFile(file, "r");
byte[] buffer;
private void readFile() {
    if ((raf.length() - raf.getFilePointer()) < BUFFER_SIZE) {
        buffer = new byte[(int) (raf.length() - raf.getFilePointer())];
    } else {
        buffer = new byte[BUFFER_SIZE];
    }
    raf.read(buffer, 0, buffer.length);
}

4.4 實現(xiàn)斷點續(xù)傳

機(jī)器宕機(jī)、Java進(jìn)程OOM重啟、Agent升級重啟等這些是常有的事，那么如何在這些情況下保障采集數(shù)據(jù)的正確呢？這個問題主要考慮的是采集Agent斷點續(xù)傳的能力。一般的，我們在采集過程中需要記錄當(dāng)前的采集點位（采集點位，即RandomAccessFile中最后的指針指向的位置，一個整型數(shù)值），當(dāng)Agent把對應(yīng)緩沖區(qū)的數(shù)據(jù)成功發(fā)送到kafka后，此時可以先把最新點位的數(shù)值更新到內(nèi)存，并且通過一個定時任務(wù)（默認(rèn)是3s）持久化內(nèi)存中的采集點位數(shù)值到本地的磁盤的點位文件中。這樣，當(dāng)出現(xiàn)進(jìn)程停止，重新啟動時，加載本次磁盤文件中的采集點位，并使用RandomAccessFile移動到對應(yīng)的點位，實現(xiàn)了從上一次停止的點位繼續(xù)往下采集的能力，Agent可以恢復(fù)到原有的狀態(tài)，從而實現(xiàn)了斷點續(xù)傳，有效規(guī)避重復(fù)采集或者漏采集的風(fēng)險。

Agent針對的每一個采集任務(wù)會有一個對應(yīng)的點位文件，一個Agent如果有多個采集任務(wù)，將會對應(yīng)多個點位文件。一個點位文件存儲的內(nèi)容格式為JSON數(shù)組（如下圖所示）。其中file表示任務(wù)所采集的文件的名字，inode即文件的inode，pos即position的縮小，表示點位的數(shù)值；


[
    {
        "file": "/home/sample/logs/bees-agent.log",
        "inode": 2235528,
        "pos": 621,
        "sign": "cb8730c1d4a71adc4e5b48931db528e30a5b5c1e99a900ee13e1fe5f935664f1"
    }
]

4.5 實時數(shù)據(jù)發(fā)送

前面主要介紹了，日志文件的實時的發(fā)現(xiàn)、實時的日志內(nèi)容變更監(jiān)聽、日志內(nèi)容的讀取等設(shè)計方案，接下來介紹Agent的數(shù)據(jù)發(fā)送。

最簡單的模型是，Agent通過Kafka Client把數(shù)據(jù)直接發(fā)送到Kafka分布式消息中間件，這也是一種簡潔可行的方案。實際上在Bees的采集鏈路架構(gòu)中，在Agent與Kafka的數(shù)據(jù)鏈路中我們增加了一個"組件bees-bus“（如下圖所示）。

bees-bus組件主要起到匯聚數(shù)據(jù)的作用，類似于Flume在采集鏈路中聚合的角色。Agent基于Netty開源框架實現(xiàn)NettyRpcClient與Bus之間通訊實現(xiàn)數(shù)據(jù)發(fā)送。網(wǎng)絡(luò)傳輸部分展開講內(nèi)容較多，非本文章重點就此帶過（具體可參考Flume NettyAvroRpcClient實現(xiàn)）。

這里稍微補(bǔ)充下，我們引入bees-bus的目的主要有以下幾個：

收斂來自于Agent過多的網(wǎng)絡(luò)連接數(shù)，避免所有Agent直連Kafka broker對其造成較大的壓力；
數(shù)據(jù)匯聚到Bus后，Bus具備流量多路輸出的能力，可以實現(xiàn)跨機(jī)房Kafka數(shù)據(jù)容災(zāi)；
在遇到流量陡增的情況下，會導(dǎo)致topic分區(qū)所在broker機(jī)器磁盤IO繁忙進(jìn)而導(dǎo)致數(shù)據(jù)反壓到客戶端，由于kafka副本遷移比較耗時所以出現(xiàn)問題后恢復(fù)較慢，Bus可以起到一層緩沖層的作用。

4.6 離線采集能力

除了上面常見的實時日志采集的場景外（一般是日志采集到kafka這類消息中間件），Bees采集還有一個離線日志采集的場景。所謂離線日志采集，一般是指把日志文件是采集到HDFS下（參考下圖）。

這些日志數(shù)據(jù)是用于下游的Hive離線數(shù)倉建設(shè)、離線報表分析使用。該場景數(shù)據(jù)時效性沒有那么強(qiáng)，一般是按天為單位使用數(shù)據(jù)（我們常說的T+1數(shù)據(jù)），所以日志數(shù)據(jù)采集無需像實時日志采集一樣，實時的一行一行的采集。離線采集一般可以按照固定時間一個批次采集。我們默認(rèn)是每隔一小時定時采集上個小時產(chǎn)生的一個完整的小時日志文件，比如在21點的05分，采集Agent則開始采集上個小時產(chǎn)生的日志文件（access.2021110820.log），該文件保存了20點內(nèi)產(chǎn)生的完整的（20:00~20:59）日志內(nèi)容。

實現(xiàn)離線的采集能力，我們的Agent通過集成HDFS Client的基本能力來實現(xiàn)，HDFS Client中使用 FSDataOutputStream 可以快速的完成一個文件PUT到HDFS的目錄下。

尤其要關(guān)注的一點是，離線采集需要特別的增加了一個限流采集的能力。由于離線采集的特點是，在整點左右的時刻，所有的機(jī)器上的Agent會幾乎同時全量開啟采集，如果日志量大、采集速度過快，可能會造成該時刻公司網(wǎng)絡(luò)帶寬被快速占用飆升，超出全網(wǎng)帶寬上限，進(jìn)一步會影響其他業(yè)務(wù)的正常服務(wù)，引發(fā)故障；還有一個需要關(guān)注的就是離線采集整點時刻對機(jī)器磁盤資源的需求是很大，通過限流采集，可以有效削平對磁盤資源的整點峰值，避免影響其他服務(wù)。

4.7 日志文件清理策略

業(yè)務(wù)日志源源不斷的產(chǎn)生落到機(jī)器的磁盤上，單個小時的日志文件大小，小的可能是幾十MB，大的可以是幾十GB，磁盤很有可能在幾小時內(nèi)被占滿，導(dǎo)致新的日志無法寫入造成日志丟失，另一方面可能導(dǎo)致更致命的問題，linux 操作系統(tǒng)報 “No space left on device 異常"，引發(fā)其他進(jìn)程的各種故障；所以機(jī)器上的日志文件需要有一個清理的策略。

我們采用的策略是，所有的機(jī)器都默認(rèn)啟動了一個shell的日志清理腳本，定期檢查固定目錄下的日志文件，規(guī)定日志文件的生命周期為6小時，一旦發(fā)現(xiàn)日志文件是6小時以前的文件，則會對其進(jìn)行刪除（執(zhí)行 rm 命令）。

因為日志文件的刪除，不是由日志采集Agent自身發(fā)起和執(zhí)行的，那么可能出現(xiàn)”采集速度跟不上刪除速度（采集落后6小時）“的情況。比如日志文件還在采集，但是刪除腳本已經(jīng)檢測到該文件生命周期已達(dá)6小時準(zhǔn)備對其進(jìn)行刪除；這種情況，我們只需要做好一點，保證采集Agent對該日志文件的讀取句柄是正常打開的，這樣的話，即使日志清理進(jìn)程對該文件執(zhí)行了rm操作（執(zhí)行rm后只是將該文件從文件系統(tǒng)的目錄結(jié)構(gòu)上解除鏈接 unlink，實際文件還未從磁盤徹底刪除），采集Agent持續(xù)打開的句柄，依然能正常采集完此文件；這種"采集速度跟不上刪除速度"是不能長時間存在，也有磁盤滿的風(fēng)險，需要通過告警識別出來，根本上來說，需要通過負(fù)載均衡或者降低日志量的方法，來減少單機(jī)器日志長時間采集不過來的情況。

4.8 系統(tǒng)資源消耗與控制

Agent采集進(jìn)程是隨著業(yè)務(wù)進(jìn)程一起部署在一個機(jī)器上的，共同使用業(yè)務(wù)機(jī)器的資源（CPU、內(nèi)存、磁盤、網(wǎng)絡(luò)），所以在設(shè)計時，要考慮控制好Agent采集進(jìn)程對機(jī)器資源的消耗，同時要做好對Agent進(jìn)程對機(jī)器資源消耗的監(jiān)控。一方面保障業(yè)務(wù)有穩(wěn)定的資源可以正常運行；另外可以保障Agent自身進(jìn)程正常運作。通常我們可以采用以下方案：

1. 針對CPU的消耗控制。

我們可以較方便采用Linux系統(tǒng)層面的CPU隔離的方案來控制，比如TaskSet；通過TaskSet命令，我們可以在采集進(jìn)程啟動時，設(shè)定采集進(jìn)程綁定在某個限定的CPU核心上面（進(jìn)程綁核，即設(shè)定進(jìn)程與CPU親和性，設(shè)定以后Linux調(diào)度器就會讓這個進(jìn)程/線程只在所綁定的核上面去運行）；這樣的設(shè)定之后，可以保障采集進(jìn)程與業(yè)務(wù)進(jìn)程在CPU的使用上面互相不影響。

2. 針對內(nèi)存的消耗控制。

由于采集Agent采用java語言開發(fā)基于JVM運行，所以我們可以通過JVM的堆參數(shù)配置即可控制；bees-agent一般默認(rèn)配置512MB，理論上最低值可以是64MB，可以根據(jù)實際機(jī)器資源情況和采集日志文件大小來配置；事實上，Agent的內(nèi)存占用相對穩(wěn)定，內(nèi)存消耗方面的風(fēng)險較小。

3.針對磁盤的消耗控制。

由于采集Agent是一個IO密集型進(jìn)程，所以磁盤IO的負(fù)載是我們需要重點保障好的；在系統(tǒng)層面沒有成熟的磁盤IO的隔離方案，所以只能在應(yīng)用層來實現(xiàn)。我們需要清楚進(jìn)程所在磁盤的基準(zhǔn)性能情況，然后在這個基礎(chǔ)上，通過Agent自身的限速采集能力，設(shè)置采集進(jìn)程的峰值的采集速率（比如：3MB/s、5MB/s）；除此之外，還需要做好磁盤IO負(fù)載的基礎(chǔ)監(jiān)控與告警、采集Agent采集速率大小的監(jiān)控與告警，通過這些監(jiān)控告警與值班分析進(jìn)一步保障磁盤IO資源。

4.針對網(wǎng)絡(luò)的消耗控制。

這里說的網(wǎng)絡(luò)，重點要關(guān)注是跨機(jī)房帶寬上限。避免同一時刻，大批量的Agent日志采集導(dǎo)致跨機(jī)房的帶寬到達(dá)了上限，引發(fā)業(yè)務(wù)故障。所以，針對網(wǎng)絡(luò)帶寬的使用也需要有監(jiān)控與告警，相關(guān)監(jiān)控數(shù)據(jù)上報到平臺匯總計算，平臺通過智能計算后給Agent下發(fā)一個合理的采集速率。

4.9 自身日志監(jiān)控

為了更好的監(jiān)控線上所有的Agent的情況，能夠方便地查看這些Agent進(jìn)程自身的log4j日志是很有必要的。為了達(dá)成這一目的，我們把Agent自身產(chǎn)生的日志采集設(shè)計成一個普通的日志采集任務(wù)，就是說，采集Agent進(jìn)程自身，自己采集自己產(chǎn)生的日志，于是就可以把所有Agent的日志通過Agent采集匯聚到下游Kafka，再到Elasticsearch存儲引擎，最后通過Kibana或其他的日志可視化平臺可以查看。

4.10 平臺化管理

目前的生產(chǎn)環(huán)境Agent實例數(shù)量已經(jīng)好幾萬，采集任務(wù)數(shù)量有上萬個。為了對這些分散的、數(shù)據(jù)量多的Agent進(jìn)行有效的集中的運維和管理，我們設(shè)計了一個可視化的平臺，管理平臺具備以下Agent控制能力：Agent 的現(xiàn)網(wǎng)版本查看，Agent存活心跳管理，Agent采集任務(wù)下發(fā)、啟動、停止管理，Agent采集限速管理等；需要注意的是，Agent與平臺的通訊方式，我們設(shè)計采用簡單的HTTP通訊方式，即Agent以定時心跳的方式（默認(rèn)5分鐘）向平臺發(fā)起HTTP請求，HTTP請求體中會包含Agent自身信息，比如idc、ip、hostname、當(dāng)前采集任務(wù)信息等，而HTTP返回體的內(nèi)容里會包含平臺向Agent下發(fā)的任務(wù)信息，比如哪個任務(wù)啟動、哪個任務(wù)停止、任務(wù)的具體參數(shù)變更等。

五、與開源能力對比

bees-agent與flume-agent對比

內(nèi)存需求大大降低。bees-agent 采用無 Channel 設(shè)計，大大節(jié)省內(nèi)存開銷，每個 Agent 啟動，JVM 堆棧最低理論值可以設(shè)置為64MB；
實時性更好。bees-agent 采用Linux inotify事件機(jī)制，相比 Flume Agent 輪詢機(jī)制，采集數(shù)據(jù)的時效性可以在1s以內(nèi)；
日志文件的唯一標(biāo)識，bees-agent使用inode+文件簽名，更準(zhǔn)確，不會出現(xiàn)日志文件誤采重采；
用戶資源隔離。bees-agent 不同 Topic 的日志采集任務(wù)，采用不同的線程隔離采集，互相無影響；
真正的優(yōu)雅退出。bees-agent 在正常采集過程中，隨時使用平臺的"停止命令"讓 Agent 優(yōu)雅退出，不會出現(xiàn)無法退出的尷尬情況，也能保證日志無任何丟失；
更豐富的指標(biāo)數(shù)據(jù)。bees-agent 包括采集速率、采集總進(jìn)度，還有機(jī)器信息、JVM 堆情況、類數(shù)量、JVM GC次數(shù)等；
更豐富的定制化能力。bees-agent 具備關(guān)鍵字匹配采集能力、日志格式化能力、平臺化管理的能力等；

六、總結(jié)

前文介紹了vivo日志采集Agent在設(shè)計過程中的一些核心技術(shù)點：包括日志文件的發(fā)現(xiàn)與監(jiān)聽、日志文件的唯一標(biāo)識符設(shè)計、日志文件的實時采集與離線采集的架構(gòu)設(shè)計、日志文件的清理策略、采集進(jìn)程對系統(tǒng)資源的消耗控制、平臺化管理的思路等，這些關(guān)鍵的設(shè)計思路覆蓋了自研采集agent大部分的核心功能，同時也覆蓋了其中的難點痛點，能讓后續(xù)的開發(fā)環(huán)節(jié)更加暢通。當(dāng)然，還有一些高階的采集能力未涵蓋本文介紹在內(nèi)，比如"如何做好日志采集數(shù)據(jù)的完整性對賬"，"數(shù)據(jù)庫類型的場景的采集設(shè)計"等，大家可以繼續(xù)探索解決方案。

從2019年起，vivo大數(shù)據(jù)業(yè)務(wù)的日志采集場景就是由Bees數(shù)據(jù)采集服務(wù)支撐。bees-agent在生產(chǎn)環(huán)境持續(xù)服務(wù)，至今已有3年多的穩(wěn)定運行的記錄，有數(shù)萬個bees-agent實例正在運行，同時在線支撐數(shù)萬個日志文件的采集，每天采集PB級別的日志量。實踐證明，bees-agent的穩(wěn)定行、健壯性、豐富的功能、性能與合理的資源情況，都符合最開始設(shè)計的預(yù)期，本文的設(shè)計思路的也一再被證實行之有效。

責(zé)任編輯：龐桂玉來源： vivo互聯(lián)網(wǎng)技術(shù)

大數(shù)據(jù)