Fluentd初探简介与安装

Fluentd是一个开源的数据收集器，专为处理数据流设计，有点像 syslogd ，但是使用JSON作为数据格式。它采用了插件式的架构，具有高可扩展性高可用性，同时还实现了高可靠的信息转发。

据分(Y)析(Y)，Fluentd是由Fluent+d得来，d生动形象地标明了它是以一个守护进程的方式运行。官网上将其描述为data collector，在使用上，我们可以把各种不同来源的信息，首先发送给Fluentd，接着Fluentd根据配置通过不同的插件把信息转发到不同的地方，比如文件、SaaS Platform、数据库，甚至可以转发到另一个Fluentd。

总结一下，数据流殊途，同归与Fluentd，Fluentd做一些诸如过滤、缓存、路由等工作，将其转发到不同的最终接收方。

用Fluentd处理数据还能保证一定的实时性，其提供种类丰富的客户端lib，很适合处理单位时间emit出log数量巨大的场景。从v10后，Fluentd 不支持 Windows。

其采用Ruby编写，比较注重性能的地方采用C编写，Ruby的创始人松本老师这样评价Fluentd：

Fluentd proves you can achieve programmer happiness and performance at the same time. A great example of Ruby beyond the Web.

Heroku的联合创始人Adam Wiggins说的挺有道理：

Logs are streams, not files. I love that Fluentd puts this concept front-and-center, with a developer-friendly approach for distributed systems logging.

更多信息请看这里。

安装

安装前的准备工作

安装 ntpd

ntpd ，以d结尾，是一个守护进程，全称是Network Time Protocol (NTP) daemon，它通过与一个Internet标准时钟服务器同步来维护系统时钟，同时也可以将本机做为一个时钟服务器对外提供时钟同步服务。更多信息请man一下ntpd。

安装ntpd是为了防止Fluentd在收集log的时候出现非法的时间戳。

在Ubuntu下，apt-get即可安装：
```
$ sudo apt-get install ntp
```
之后查看ntpd是否启动成功（pgrep返回进程号）：
```
$ pgrep ntpd
```

增加系统文件描述符的最大数量

通过ulimit查看当前的文件描述符的最大数量：
```
$ ulimit -n
```
如果是1024，那是远远不够的，将下面4行添加到 /etc/security/limits.conf 中，重启机器。
```
root soft nofile 65536

root hard nofile 65536

* soft nofile 65536

* hard nofile 65536
```
之后用ulimit查看，应该是65536了。

(Optional)优化机器内核TCP/IP参数

如果Fluentd处于一个高负载的运行环境，比如一个机器中运行了多个Fluentd实例，那么最好将下面的参数添加到 /etc/sysctl.conf 中：
```
net.ipv4.tcp_tw_recycle = 1

net.ipv4.tcp_tw_reuse = 1

net.ipv4.ip_local_port_range = 10240    65535
```
然后执行 sysctl -w 或者重启机器使之生效。

这个跟TCP/IP的细节有关系，我没有深究，貌似是为了防止短连接数过多，机器处于 TIME_WAIT 状态的TCP连接数过多，开启快速回收与重用。具体请参考这里。

安装Fluentd

写在前面

有很多种方式来安装Fluentd，比如通过Ruby的Gem，以及Ubuntu的deb、OS X的Homebrew。

采用Ruby的Gem安装比较简单，安装的是基本版的Fluentd，即不自带 /etc/init.d 脚本，在运行时内存分配采用的是操作系统默认的方式；

而采用.rpm/.deb for Linux的方式安装呢，安装的是一个由 Treasure Data, Inc维护的稳定版本Fluentd，又被称为td-agent。为了保持一个良好的灵活性，Fluentd采用Ruby编写，性能要求比较高的地方采用C编写，考虑到一般的用户可能安装操作Ruby有困难，因此该公司维护并提供了一个稳定版本的Fluentd。该版本的Fluentd在内存分配上采用了着重避免内存碎片分配实现 jemalloc。两个版本的区别可以在这查看。

那么我们到底选用哪种方式呢，根据官方的文档。td-agent强调new features的稳定性，如果希望自己控制Fluentd的features，自己手动去更新，采用gem的方式安装。如果是第一次使用Fluentd或者在大规模的生产环境使用，推荐安装td-agent，每2-3个月，td-agent就会发布一个新的版本。

在Ubuntu 12.04上安装Fluentd

注意这种方式截止到笔者发稿仅支持一下两个Ubuntu的版本：

Ubuntu 12.04 LTS / Precise
Ubuntu 10.04 LTS / Lucid

可以在这里查看最新进展。

(Optional but Recommend)设置GPG Key

deb包使用 Treasure Data GPG key签名，首先将 GPG key导入apt：
```
$ apt-key add /path/to/RPM-GPG-KEY-td-agent
```

执行下面的脚本

echo "This script requires superuser access to install apt packages."

echo "You will be prompted for your password by sudo."

# clear any previous sudo permission

sudo -k

# run inside sudo

sudo sh <<SCRIPT

# add treasure data repository to apt

echo "deb http://packages.treasure-data.com/precise/ precise contrib" > /etc/apt、sources.list.d/treasure-data.list

# update your sources

apt-get update

# install the toolbelt

apt-get install -y --force-yes td-agent

SCRIPT

即安装完毕。

也可执行下面的的命令：

$ curl -L http://toolbelt.treasuredata.com/sh/install-ubuntu-precise.sh | sh

其实脚本内容就是上面的，我粘过去的。

启动Fluentd的守护进程

因为我们安装的是td-agent，自带 /etc/init.d/td-agent 脚本，通过该脚本启动Fluentd服务。

$ /etc/init.d/td-agent restart

* Restarting td-agent td-agent

$ /etc/init.d/td-agent status

* ruby is running

同时还支持以下命令：

$ /etc/init.d/td-agent start

$ /etc/init.d/td-agent stop

$ /etc/init.d/td-agent restart

$ /etc/init.d/td-agent status

配置文件在： /etc/td-agent/td-agent.conf

测试

默认在配置文件中td-agent在8888端口监听，接收来自HTTP的log信息，并把其路由到stdout（ /var/log/td-agent/td-agent.log ）,可以用curl命令测试：
```
$ curl -X POST -d 'json={"json":"message"}' http://localhost:8888/debug.test
```
之后可以打开 /var/log/td-agent/td-agent.log查看。