敲代码非常难之logstash之file input插件实现分析
版权声明:本文为横云断岭原创文章,未经博主同意不得转载。微信公众号:横云断岭的专栏 https://blog.csdn.net/hengyunabc/article/details/25665877
前言
敲代码有时候真的有点难,要考虑各种情况。
应用在执行中,会不断生成日志文件。
假如要实现一个日志收集的工具。不考虑其他的分析功能,仅仅考虑收集,有哪些方面要考虑的?
首先看下一般的log框架是怎样输出日志的:
可能是这种:a.log.1, a.log.2, a.log.3, a.log.4, a.log.5 循环输出。
可能是这种: a.2014-5-5.log, a.2014-5-6.log, a.2014-5-7.log,每天生成一个日志文件;
可能是这种:log.out。每次重新启动都会生成一个新的log.out,覆盖旧的文件。
那么,我们有哪些方面要实现和注意的?
- 提供正则或者globs方式的通配符。
- 要能推断文件是不是新建的。
- 怎样推断文件有没有更新?
- 怎样保存文件的读取进度?
- 假设我们在读取文件的过程中,文件被删除了会怎样?
- 假设我们在读取文件过程中,进程挂了,读取进度有没有及时保存?
- 在保存文件进度时,假设挂了,重新启动能不能正确恢复文件进度?
- 能不能保证读取的内容不反复?
- 假设日志文件非常快生成。又非常快删除了,能否保证不漏掉?
- 假设日志文件是软链接(soft link)。能不能正确处理?
- 文件系统的inode会被回收利用,能不能处理这个?
- 有没有控制读进内存的数据的大小,防止占用过多的内存?
logstash的实现
以下解释下logstash是怎样实现和处理上面的问题的:
能够配置path參数(Array),当中支持globs风格的匹配。如:
path => [ "/var/log/messages", "/var/log/*.log" ]
能够配置exclude參数(Array),排除掉不须要的文件。如:
exclude => "*.gz"
利用inode来识别新文件
logstash把进度保存到所谓的sincedb里,实际上即这种一个文本文件,默认是放在home文件夹下的。如:
.sincedb_e794081d6134aace51b759aea8cc3be2
.sincedb_f7a0c8a0def03e0c572511ceea0b9f63
后面是日志文件。即path的hash值。
这样就区分了不同的文件名称的日志文件的进度保存问题。
sincedb文件中是相似这种内容:
6511055 0 2051 118617881
5495516 0 2051 155859036
6348913 0 2051 148511449
上面的4列各自是:
inode, major number, minor number, pos。
当中major number和minor number是设备相关的数字,參考:http://unix.stackexchange.com/questions/73988/linux-major-and-minor-device-numbers
inode是文件系统给文件分配的是一个号码,參考:http://zh.wikipedia.org/wiki/Inode
因此logstash区分了设备。文件名称,文件的不同版本号。
这里引出了一个新问题。用inode来推断文件的不同版本号,是否够准确了?由于inode是会回收再使用的。
比方依次执行以下的命令,能够发现。两个文件的inode是一样的:
touch test
stat test
rm test
touch test
stat test
可是由于logstash是没有close掉文件,所以是一直持有inode,所以新的同名的日志文件会有一个新的inode。
也正是由于这样,假设logstash监视的日志文件假设被删除了,还是能够继续把删除的文件的内容处理完。
利用inode这点特性,有时能够做一些补救工作,比方不小心把mysql的文件删掉了,还是能够把数据dump出来,由于mysql进程还持有数据文件的inode。
另外,logstash默认是每隔1秒就尝试读取文件有没有新内容,默认是15秒就扫描,检查有没有新文件。相应stat_interval和discover_interval參数。
另一些小细节:
比方每次最多仅仅读取出16394字节的数据,防止占用过多的内存,每5秒推断下是否须要保存新的pos。
假设日志文件被删除了,也会删除sincedb文件。
利用rename原子性地保存pos
当读取到新文件内容时。pos会添加,在保存新的pos到sincedb时,logstash採用了暂时文件的办法:
先建立一个暂时文件,写入新内容。再调用操作系统提供的remane函数。原子性地替换原来的sincedb文件。
这种实际上是比較经常使用的技巧了,redis也是这样子做的。
能否保证不反复,不丢失数据?
非常遗憾。这是不能的,除非是分布式事务。否则,总有可能丢失或者反复发送数据。不论什么日志收集软件或者消息队列软件都是如此。
实现的代码
详细的实现代码就不贴了,由于比較易读,当中logstash使用了filewatch这个库。能够用gem来安装。相关的代码在线查看:
https://github.com/elasticsearch/logstash/blob/v1.4.1/lib/logstash/inputs/file.rb
https://github.com/jordansissel/ruby-filewatch/tree/master/lib/filewatch
和fluentd的in_tail插件比較
fluentd也是一个非常流行的日志收集工具。
简单再看了下fluentd的in_tail插件,发现里面还有自己当年提交的一个防止内存占用过大的建议:)
https://github.com/fluent/fluentd/blob/master/lib/fluent/plugin/in_tail.rb
即每最多读取1000行,就提交数据。并保存pos。
fluentd的in_tail插件的原理和logstash的file input是几乎相同的,都是用inode来区分文件是否更新。
可是fluentd仅仅保存了inode和pos。没有logstash那样把设备都考虑进去了。
另外fluentd保存pos时,都是以文件追加的方式来保存的,没有像logstash那样是用rename文件来保存到新文件中。显然logstash的实现更加合理。
扯远一点。logstash部署要比fluentd方便。虽然两者都是用ruby写的。不同的是logstash默认是jruby,仅仅要有JVM就能够跑,fluentd则要安装ruby环境。比較麻烦。
其他的一些东东:
logstash大有一统江湖之势,这句话忘记在哪里看到的了。在github上的logstash的start有2000多个。
logstash + elasticsearch + Kibana的日志收集。搜索,展现的一条龙服务非常流行。
參考:
http://unix.stackexchange.com/questions/73988/linux-major-and-minor-device-numbers
http://zh.wikipedia.org/wiki/Inode
https://github.com/elasticsearch/logstash/blob/v1.4.1/lib/logstash/inputs/file.rb
敲代码非常难之logstash之file input插件实现分析的更多相关文章
- Logstash介绍及Input插件介绍
一.Logstash简介 Logstash是一个开源数据收集引擎,具有实时管道功能.Logstash可以动态地将来自不同数据源的数据统一起来,并将数据标准化到你所选择的目的地. Logstash管 ...
- logstash的S3 input插件
logstash从AWS S3获取日志信息的常用方法有两种,一种是利用AWS lambda,另一种就是利用logstash的S3 input插件. 插件github:https://github.co ...
- bootstrap File Input 多文件上传插件使用记录(二)删除原文件
在上一篇文章中,主要介绍了file input插件的初始化和多文件同步上传到服务器的相关配置等.这篇主要介绍file input插件的编辑等. 使用场景: 在后台管理框架中,一条数据中包含不固定的多张 ...
- iOS Sprite Kit教程之编敲代码以及Xcode的介绍
iOS Sprite Kit教程之编敲代码以及Xcode的介绍 Xcode界面介绍 一个Xcode项目由非常多的文件组成,比如代码文件.资源文件等.Xcode会帮助开发人员对这些文件进行管理.所以,X ...
- 积极主动敲代码,使用Junit学习Java程序设计
积极主动敲代码,使用JUnit学习Java 早起看到周筠老师在知乎的回答软件专业成绩很好但是实际能力很差怎么办?,很有感触. 从读大学算起,我敲过不下100本程序设计图书的代码,我的学习经验带来我的程 ...
- 使用Alcatraz为Xcode安装XActivatePowerMode插件, 从此敲代码逼格大大滴~
Alcatraz 是一款 Xcode的插件管理工具,可以用来管理XCode的 插件.模版以及颜色配置的工具. 关于Alcatraz的安装,这里有一篇不错的博文,请参考安装:http://www.cnb ...
- 朱晔的互联网架构实践心得S2E1:业务代码究竟难不难写?
注意,这是我的架构实践心得的第二季的系列文章,第一季有10篇你也可以回顾. 见https://www.cnblogs.com/lovecindywang/category/1296779.html 最 ...
- 20145314郑凯杰 《Java程序设计》第9周学习总结 积极主动敲代码
20145314郑凯杰 <Java程序设计>第9周学习总结 教材学习内容总结 第十六章 ①JDBC(Java DataBase Connectivity) 即java数据库连接,是一种用于 ...
- Android 你可能忽略的提高敲代码效率的方式
Android 你可能忽略的提高敲代码效率的方式
随机推荐
- myeclipse或eclipse无法从wtpServer添加tomcatServer
在eclipse想把之前的Tomcat 6删掉,重新配置一个,不料没有下一步 Cannot create a server using the selected type 这句话出现在窗口上面,应该不 ...
- [转]sqlserver转换为Mysql工具使用
https://files.cnblogs.com/files/miantiaoandrew/mss2sql_v5-3.zip 1.首先下载工具,链接如上 2.解压出来,运行mss2sql.exe 3 ...
- webhttpbinding、basichttpbinding和wshttpbinding的区别
webhttpbinding是REST风格的绑定,您只需点击一个URL,然后从Web服务中获取大量XML或JSON. basichttpbinding和wshttpbinding是两个基于SOAP的绑 ...
- Linux常用基本命令[cp]
cp:复制文件或者目录 用法格式: cp [option] [source] [dest] cp [选项] [源文件] [目标文件] >用root账户,创建文件,复制文件 root@dev:/h ...
- django rest_framework Serializers 序列化组件
为什么要用序列化组件 当我们做前后端分离的项目~~我们前后端交互一般都选择JSON数据格式,JSON是一个轻量级的数据交互格式. 那么我们给前端数据的时候都要转成json格式,那就需要对我们从数据库拿 ...
- Vue, element-ui Module build failed: Error: No PostCSS Config found
使用vue框架写pc页面时,我们经常会用到element-ui这个框架. 当我们吧把需要的东西都装在好运行项目的时候,有时会出现这样的错误, Module build failed: Error: N ...
- php中0与’0’的区别
首先php中0与'0',转化后值相等,但是类型不同: php是一种弱类型的语句,他的变量.字符定义其实并不十分规范,比如 $a = '4′;我们可以说这个$a是一个字符,但是他又可以直接进行数字的加减 ...
- js-ES6学习笔记-对象的扩展
1.ES6允许直接写入变量和函数,作为对象的属性和方法.这种写法用于函数的返回值,将会非常方便.CommonJS模块输出变量,就非常合适使用简洁写法. var ms = {}; function ge ...
- equals 与 == 的区别
equals 是 用来比较二个对象内容是否相等. == 是用来比较二个对象的内存是否相等. public void testString(){ String s1="123"; S ...
- OSGI企业应用开发(十)整合Spring和Mybatis框架(三)
上篇文章中,我们已经完成了OSGI应用中Spring和Mybatis框架的整合,本文就来介绍一下,如何在其他Bundle中,使用Mybatis框架来操作数据库. 为了方便演示,我们新建一个新的Plug ...