基于Hadoo的日志收集框架---Chukwa的源码分析(收集器)

1.接口、实现类简介
    org.apache.hadoop.chukwa.datacollection.collector.CollectorStub
    收集器服务类，使用jetty实现了一个webserver以处理连接器提交的数据块

    org.apache.hadoop.chukwa.datacollection.collector.servlet.ServletCollector
    收集器的servlet，用于处理http请求

    org.apache.hadoop.chukwa.datacollection.writer.ChukwaWriter
    chukwa写入接口

    org.apache.hadoop.chukwa.datacollection.writer.PipelineStageWriter
    chukwa写入接口的实现类，做为一级管道使用，只实现了init(Configuration)方法，add(List<Chunk>)的实现放在了二级管道中

    org.apache.hadoop.chukwa.datacollection.writer.SeqFileWriter
    chukwa写入接口的实现类，继承自PipelineStageWriter，实现了add(List<Chunk>)方法

2.启动、处理流程

(1)收集服务的启动
    org.apache.hadoop.chukwa.datacollection.collector.CollectorStub

// 线程数
static int THREADS = 120;

// 使用jetty提供http服务
public static Server jettyServer = null;

/**
 * 1. 创建守护进程"Collector",将进程号写入相应的pid文件，以便于运行stop命令时可根据此pid文件杀死进程
 * 2. 校验启动参数，可使用portno、writer、servlet来指定端口、写入数据的接口实现类、处理请求的servlet实现类
 * 3. 设置jetty服务的connector、处理相应请求的servlet,比如
 * 	  /* 		org.apache.hadoop.chukwa.datacollection.collector.servlet.ServletCollector
 *    /acks		org.apache.hadoop.chukwa.datacollection.collector.servlet.CommitCheckServlet
 *    /logs		org.apache.hadoop.chukwa.datacollection.collector.servlet.LogDisplayServlet
 * 4. 启动http服务
 */
public static void main(String[] args)

 

(2)处理http请求
    org.apache.hadoop.chukwa.datacollection.collector.servlet.ServletCollector

// 访问路径
public static final String PATH = "chukwa"; 

// 写数据的接口
ChukwaWriter writer

/**
 * servlet初始化，实例化writer，首先使用配置项中"chukwaCollector.writerClass"的设置构造writer，如果失败则使用SeqFileWriter
 */
public void init(ServletConfig servletConf)

/**
 * 对于get请求以html形式输出jetty服务的信息
 */
protected void doGet(HttpServletRequest req, HttpServletResponse resp)

/**
 * 对于post请求的处理放在了accept()方法中
 */
protected void doPost(HttpServletRequest req, HttpServletResponse resp)

/**
 * 1. 使用ServletDiagnostics封装当前请求中的数据信息
 * 2. 从req中获取输入流，依次读取数据块数量(numEvents)、数据块(ChunkImpl)
 */
protected void accept(HttpServletRequest req, HttpServletResponse resp)

 

(3)写入数据信息
    org.apache.hadoop.chukwa.datacollection.writer.ChukwaWriter
    writer接口

/**
 * 初始化Writer
 */
public void init(Configuration c)

/**
 * 将数据列表写入
 */
public CommitStatus add(List<Chunk> chunks)

 

    org.apache.hadoop.chukwa.datacollection.writer.PipelineStageWriter
    writer接口的实现类

// 将写入数据的实现有此对象完成
ChukwaWriter writer;

/**
 * 1. 读取配置"chukwaCollector.pipeline",对数据块做依次处理
 * 2. 将第一个管道赋给writer
 * 3. 遍历其它管道，如果是PipelineableWriter的子类则将其设置为下一步要处理数据块所使用的管道
 * 4. 将最后一个管道设置为当前管道下一步要处理时所使用的管道
 *	  即此write并未做数据块的处理，只是使用类似unix管道的方式，在"chukwaCollector.pipeline"配置项中
 *    配置数据块处理的先后顺序	
 */
public void init(Configuration conf)

 

 

    org.apache.hadoop.chukwa.datacollection.writer.PipelineableWriter
    管道处理的writer实现类，实现了ChukwaWriter接口，但做为抽象类，只定义了管道处理的实现方式

// 下一步处理时所使用的writer
ChukwaWriter next;

/**
 * 使用此方法设置writer
 */
public void setNextStage(ChukwaWriter next) {
	this.next = next;
}

 

    org.apache.hadoop.chukwa.datacollection.writer.SocketTeeWriter
    继承自PipelineableWriter，使用实现了管道处理数据块

/**
 * 数据格式化的三种类型:原始方式、写入方式、带头方式
 */
static enum DataFormat {
	Raw, Writable, Header
};

// 监听数据传入请求
SocketListenThread listenThread;

// 把使用管道处理数据的过程放在Tee线程中
List<Tee> tees;

// 下一步处理时所使用的writer
ChukwaWriter next;

/**
 * 启动监听线程，初始化Tee线程列表
 */
public void init(Configuration c)

/**
 * 1. 将数据块传递给下一个管道处理
 * 2. 遍历Tee线程列表，循环处理数据块
 */
public CommitStatus add(List<Chunk> chunks) 

 

    org.apache.hadoop.chukwa.datacollection.writer.SocketTeeWriter$SocketListenThread
    监听socket连接线程

/**
 * 以9094端口启动socketserver，端口可通过"chukwaCollector.tee.port"配置
 */
public SocketListenThread(Configuration conf)

/**
 * 接收到请求后交给Tee线程处理
 */*
public void run()

 

    org.apache.hadoop.chukwa.datacollection.writer.SocketTeeWriter$Tee
    处理一个socket连接的线程

// 使用阻塞队列存储数据块
final BlockingQueue<Chunk> sendQ;

/**
 * 1. 初始化, 从socket连接中获取输入输出
 * 2. 从输入中以readline方式读取命令内容
 * 3. 从命令中获取数据格式化类型，过滤类型，将其添加到SocketTeeWriter的tees中
 */
public void setup()

/**
 * 使用过滤器校验数据块，通过校验则添加到阻塞队列
 */
public void handle(Chunk c)

/**
 * 1. 调用setup方法完成初始化
 * 2. 根据数据格式化类型进行数据处理
 *	  RAW		以原始方式写入数据，即先写数据长度再写入数据内容
 * 	  Writable	以写入方式写入数据，即直接写入数据内容
 *	  Header	以带头方式写入数据，即先构造由数据块属性(来源、类型、流名称、偏移大小)组成的头信息，然后写入长度，再写入数据
 */
public void run()

 

    org.apache.hadoop.chukwa.datacollection.writer.SeqFileWriter
    继承自PipelineableWriter,实现了ChukwaWriter接口，其作为SocketTeeWriter的下一个管道(或认为其为管道流的最后一个  管道)

/**
 * 完成writer的初始化
 * 1. 使用"chukwaCollector.outputDir"设置输出目录, 默认为/chukwa, 一般设为/chukwa/logs
 * 2. 使用"chukwaCollector.rotateInterval"设置生成文件的时间间隔, 默认为5分钟
 * 3. 使用"chukwaCollector.stats.period"设置统计写入速度的时间间隔, 默认为30秒
 * 4. 使用"writer.hdfs.filesystem"设置写入数据时使用的HDFS文件系统的URL, 如果没有设置则使用"fs.default.name", 即hadoop的默认配置
 * 5. 设置此writer运行状态为true, 启动循环处理文件的定时任务, 启动循环报告统计信息的定时任务 
 */
public void init(Configuration conf)

/**
 * 循环处理文件的定时任务, 放在TimerTask中循环调用自身
 * 1. 获取当前时间, 转换为"yyyyddHHmmssSSS"格式, 并于本机名称以及使用java.rmi.server.UID()构造的UID拼接在一起, 构成如下形式的文件
 * 	  /chukwa/logs/yyyyddHHmmssSSS_localHostAddr_UID.chukwa
 * 2. 通过信号量控制访问的进程数, 这里的Semaphore lock被设置为只能有一个进程访问
 *	  获取许可	
 *    如果存在长度大于0的文件, 则将其改名为.done文件, 否则将当前文件删除
 *    使用新生成的文件名创建.chukwa文件, 并更新相应变量的值
 * 	  构造序列化写入数据的seqFileWriter, 使用/chukwa/logs做为输出目录, 以ChukwaArchiveKey为Key, 以ChunkImpl为value
 *    释放许可	  	
 */
void rotate()

/**
 * 写入数据块内容
 * 1. 获得许可
 * 2. 遍历数据块列表
 *    根据数据块信息设置ChukwaArchiveKey的各个属性值:时间、数据类型、流名称(cluster/source/streamName)、seqID
 *    使用seqFileWriter写入数据
 *    将文件名由.chukwa修改为.done
 * 3. 释放许可
 */
public CommitStatus add(List<Chunk> chunks)