https://blog.csdn.net/qianfeng_dashuju/article/details/81908600
随着大数据越来越被重视,数据采集的挑战变的尤为突出。今天为大家介绍几款数据采集平台:
Apache Flume
Fluentd
Logstash
Chukwa
Scribe
Splunk Forwarder
大数据平台与数据采集
任何完整的大数据平台,一般包括以下的几个过程:
数据采集
数据存储
数据处理
数据展现(可视化,报表和监控)
其中,数据采集是所有数据系统必不可少的,随着大数据越来越被重视,数据采集的挑战也变的尤为突出。这其中包括:
数据源多种多样
数据量大,变化快
如何保证数据采集的可靠性的性能
如何避免重复数据
如何保证数据的质量
我们今天就来看看当前可用的六款数据采集的产品,重点关注它们是如何做到高可靠,高性能和高扩展。
分享之前我还是要推荐下我自己创建的大数据学习交流Qun531629188
无论是大牛还是想转行想学习的大学生小编我都挺欢迎,晚上20:10都有一节【免费的】
大数据直播课程,专注大数据分析方法,大数据编程,大数据仓库,大数据案例,人工智能,数据挖掘都是纯干货分享,
1、Apache Flume
官网:https://flume.apache.org/
Flume 是Apache旗下的一款开源、高可靠、高扩展、容易管理、支持客户扩展的数据采集系统。 Flume使用JRuby来构建,所以依赖Java运行环境。
Flume最初是由Cloudera的工程师设计用于合并日志数据的系统,后来逐渐发展用于处理流数据事件。
Flume设计成一个分布式的管道架构,可以看作在数据源和目的地之间有一个Agent的网络,支持数据路由。
每一个agent都由Source,Channel和Sink组成。
Source
Source负责接收输入数据,并将数据写入管道。Flume的Source支持HTTP,JMS,RPC,NetCat,Exec,Spooling Directory。其中Spooling支持监视一个目录或者文件,解析其中新生成的事件。
Channel
Channel 存储,缓存从source到Sink的中间数据。可使用不同的配置来做Channel,例如内存,文件,JDBC等。使用内存性能高但不持久,有可能丢数据。使用文件更可靠,但性能不如内存。
Sink
Sink负责从管道中读出数据并发给下一个Agent或者最终的目的地。Sink支持的不同目的地种类包括:HDFS,HBASE,Solr,ElasticSearch,File,Logger或者其它的Flume Agent。
Flume在source和sink端都使用了transaction机制保证在数据传输中没有数据丢失。
Source上的数据可以复制到不同的通道上。每一个Channel也可以连接不同数量的Sink。这样连接不同配置的Agent就可以组成一个复杂的数据收集网络。通过对agent的配置,可以组成一个路由复杂的数据传输网络。
配置如上图所示的agent结构,Flume支持设置sink的Failover和Load Balance,这样就可以保证即使有一个agent失效的情况下,整个系统仍能正常收集数据。
Flume中传输的内容定义为事件(Event),事件由Headers(包含元数据,Meta Data)和Payload组成。
Flume提供SDK,可以支持用户定制开发:
Flume客户端负责在事件产生的源头把事件发送给Flume的Agent。客户端通常和产生数据源的应用在同一个进程空间。常见的Flume客户端有Avro,log4J,syslog和HTTP Post。另外ExecSource支持指定一个本地进程的输出作为Flume的输入。当然很有可能,以上的这些客户端都不能满足需求,用户可以定制的客户端,和已有的FLume的Source进行通信,或者定制实现一种新的Source类型。
同时,用户可以使用Flume的SDK定制Source和Sink。似乎不支持定制的Channel。
2、Fluentd
官网:http://docs.fluentd.org/articles/quickstart
Fluentd是另一个开源的数据收集框架。Fluentd使用C/Ruby开发,使用JSON文件来统一日志数据。它的可插拔架构,支持各种不同种类和格式的数据源和数据输出。最后它也同时提供了高可靠和很好的扩展性。Treasure Data, Inc 对该产品提供支持和维护。
Fluentd的部署和Flume非常相似:
Fluentd的架构设计和Flume如出一辙:
Fluentd的Input/Buffer/Output非常类似于Flume的Source/Channel/Sink。
Input
Input负责接收数据或者主动抓取数据。支持syslog,http,file tail等。
Buffer
Buffer负责数据获取的性能和可靠性,也有文件或内存等不同类型的Buffer可以配置。
Output
Output负责输出数据到目的地例如文件,AWS S3或者其它的Fluentd。
Fluentd的配置非常方便,如下图:
Fluentd的技术栈如下图:
FLuentd和其插件都是由Ruby开发,MessgaePack提供了JSON的序列化和异步的并行通信RPC机制。
Cool.io是基于libev的事件驱动框架。
FLuentd的扩展性非常好,客户可以自己定制(Ruby)Input/Buffer/Output。
Fluentd从各方面看都很像Flume,区别是使用Ruby开发,Footprint会小一些,但是也带来了跨平台的问题,并不能支持Windows平台。另外采用JSON统一数据/日志格式是它的另一个特点。相对去Flumed,配置也相对简单一些。
3、Logstash
https://github.com/elastic/logstash
Logstash是著名的开源数据栈ELK (ElasticSearch, Logstash, Kibana)中的那个L。
Logstash用JRuby开发,所有运行时依赖JVM。
Logstash的部署架构如下图,当然这只是一种部署的选项。
一个典型的Logstash的配置如下,包括了Input,filter的Output的设置。
几乎在大部分的情况下ELK作为一个栈是被同时使用的。所有当你的数据系统使用ElasticSearch的情况下,logstash是首选。
4、Chukwa
官网:https://chukwa.apache.org/
Apache Chukwa是apache旗下另一个开源的数据收集平台,它远没有其他几个有名。Chukwa基于Hadoop的HDFS和Map Reduce来构建(显而易见,它用Java来实现),提供扩展性和可靠性。Chukwa同时提供对数据的展示,分析和监视。很奇怪的是它的上一次github的更新事7年前。可见该项目应该已经不活跃了。
Chukwa的部署架构如下:
Chukwa的主要单元有:Agent,Collector,DataSink,ArchiveBuilder,Demux等等,看上去相当复杂。由于该项目已经不活跃,我们就不细看了。
5、Scribe
代码托管:https://github.com/facebookarchive/scribe
Scribe是Facebook开发的数据(日志)收集系统。已经多年不维护,同样的,就不多说了。
6、Splunk Forwarder
官网:http://www.splunk.com/
以上的所有系统都是开源的。在商业化的大数据平台产品中,Splunk提供完整的数据采金,数据存储,数据分析和处理,以及数据展现的能力。
Splunk是一个分布式的机器数据平台,主要有三个角色:
Search Head负责数据的搜索和处理,提供搜索时的信息抽取。
Indexer负责数据的存储和索引
Forwarder,负责数据的收集,清洗,变形,并发送给Indexer
Splunk内置了对Syslog,TCP/UDP,Spooling的支持,同时,用户可以通过开发Script Input和Modular Input的方式来获取特定的数据。在Splunk提供的软件仓库里有很多成熟的数据采集应用,例如AWS,数据库(DBConnect)等等,可以方便的从云或者是数据库中获取数据进入Splunk的数据平台做分析。
这里要注意的是,Search Head和Indexer都支持Cluster的配置,也就是高可用,高扩展的,但是Splunk现在还没有针对Farwarder的Cluster的功能。也就是说如果有一台Farwarder的机器出了故障,数据收集也会随之中断,并不能把正在运行的数据采集任务Failover到其它的Farwarder上。
总结
我们简单讨论了几种流行的数据收集平台,它们大都提供高可靠和高扩展的数据收集。大多平台都抽象出了输入,输出和中间的缓冲的架构。利用分布式的网络连接,大多数平台都能实现一定程度的扩展性和高可靠性。
其中Flume,Fluentd是两个被使用较多的产品。如果你用ElasticSearch,Logstash也许是首选,因为ELK栈提供了很好的集成。Chukwa和Scribe由于项目的不活跃,不推荐使用。
Splunk作为一个优秀的商业产品,它的数据采集还存在一定的限制,相信Splunk很快会开发出更好的数据收集的解决方案。
相关推荐
在这个抄表程序中,开发者利用了C#的.NET框架,构建了一个稳定、高效的数据采集平台。C#中的System.IO.Ports命名空间提供了对串行端口的访问支持,使得开发者可以方便地与硬件设备建立连接,发送和接收数据。 数据...
1. **了解硬件**:熟悉数据采集卡的规格参数,如通道数、分辨率、采样率等,以及连接和配置硬件的方法。 2. **驱动安装**:安装研华提供的驱动程序,这些驱动通常包含API函数库,用于与数据采集卡通信。 3. **编程...
开发者可以通过学习这些源码,了解如何设置数据采集参数,如何实时显示和存储数据,以及如何进行数据预处理和滤波。 2. **串口通信**:在VB中,串行通信通常通过MSComm控件实现,它提供了一种方便的方式来控制串行...
通过这些源码,开发者可以学习到如何结合蓝牙和Wi-Fi进行数据采集的具体步骤,例如如何初始化蓝牙连接,如何扫描并连接Wi-Fi设备,以及如何处理接收到的数据。 为了创建这样一个应用,开发者需要: 1. **配置权限**...
在实际开发中,开发者可能还需要了解硬件接口规范,例如PCI、USB或GPIB等,以及数据采集卡的特定协议和命令集。同时,对于多路采集,可能需要理解同步和采样率的概念,以确保数据的一致性和准确性。 总的来说,"Vb...
在IT行业中,汽车数据采集是一项关键的技术,尤其在汽车工程、智能交通系统和自动驾驶领域。本文将深入探讨这个主题,基于“汽车数据采集”的标题,以及“工程应用,应用于日本式台式检测台”的描述,我们将围绕这个...
数据采集系统是信息技术领域中的一个重要组成部分,特别是在自动...对于初学者来说,这是一个很好的学习和提升技能的机会,而对于经验丰富的开发者,这样的系统则可以作为一个灵活的平台,适应各种复杂的数据采集任务。
在进行通用数据采集卡接口方法的研究之前,我们有必要了解数据采集的基本概念。数据采集是指通过传感器、转换器等设备,将现实世界中的物理信号转换为数字信号的过程。常见的信号类型包括温度、压力、湿度、电压、...
这个"android GPS 数据采集源码"提供了一个基础框架,帮助开发者了解如何实现GPS数据的实时获取和处理。下面我们将深入探讨相关知识点。 1. GPS(全球定位系统): GPS是一种全球卫星导航系统,用于提供地理位置和...
本资源是关于"VC++数据采集与串口通信"的源码,对于想要深入理解这两个概念的开发者来说,是一份珍贵的学习资料。 首先,我们来详细探讨VC++中的串口通信。串口通信,也称为串行通信,是指数据以串行方式(一位接一...
在“天气数据采集系统”中,QT库可能是用于构建用户界面的基础,提供丰富的UI组件和事件处理机制,使得开发者可以创建出美观、响应迅速的天气展示界面。同时,QT也可能被用来实现网络通信功能,以便连接到天气API...
开源数据采集是一个重要的技术领域,尤其对于IT从业者和开发者来说,掌握相关技能能极大地提升工作效率。这个开源项目是用DotNet编写的,这意味着它利用了微软的.NET框架,这是一个跨平台的开发工具集,用于构建各种...
PCI数据采集卡是一种用于计算机系统中的硬件设备,它能够通过PCI(Peripheral Component Interconnect)总线接口,实时地从外部世界获取模拟或数字信号,并将其转换为计算机可处理的数据。这种卡广泛应用于科学实验...
首先,让我们了解“网口数据采集”是什么。它是指通过网络接口(如以太网)从远程设备或网络流中捕获数据,通常用于监控网络流量、分析性能或进行故障排查。在i.mx6ull这样的嵌入式平台上,这个过程涉及网络栈的底层...
本资料包“多线程数据采集器源码(C#+2[1].0)+v1”正是基于C#构建的一款高效数据采集工具,旨在帮助开发者更好地理解和应用多线程技术于数据采集领域。 1. **C#基础知识**:C#是一种面向对象的、类型安全的编程语言...
多比物联网平台是一个全面的解决方案,它整合了数据采集、传输、存储、分析和应用等功能,为工业互联网云平台的开发提供强有力的支持。该平台旨在为开发者提供一套完整的工具集和API接口,便于他们构建和管理物联网...
首先,我们要了解FANUC CNC的数据采集主要通过FANUC开放式通讯架构(FOCAS,FANUC Open CNC Access System)。FOCAS是一种基于HTTP协议的网络服务,允许用户通过标准的Web浏览器或自定义应用程序来访问和控制CNC系统...
Web数据采集技术是当今互联网时代的重要技术之一,它主要指的是从网站上提取信息的一种计算机软件技术,目的是为了将大量无结构化的文本信息转化为结构化的数据。本文将探讨基于Python的Web数据采集技术,分析其在非...
网站数据采集分析是一种重要的数据处理技术,用于从各种网页中获取有用信息并进行深度分析,以便于业务决策、市场研究和用户行为理解。在给定的描述中,我们可以看到一个基于Struts2和JDBC实现的数据采集分析系统,...