Spark + Hbase 百亿级流量实时分析统计 之 日志存储

背景

接着上篇文章 百亿级流量实时分析统计 - 数据结构设计 我们已经设计好了日志的结构，接下来我们就准备要开始撸代码了，我最喜欢这部分的环节了，可是一个上来连就撸代码的程序肯定不是好程序员，要不先设计设计流程图？那来吧！！！

Spark + Hbase 百亿级流量实时分析统计 之 日志存储实现与设计

流程图

佩琪你能不能画好看一点

设计一

1. 用户发起文章操作，发起请求日志
2. 日志将由SLB服务器进行负载到日志打点服务器。
3. NSA将作为日志收集中心进行存储，也可以使用rsync把节点上的日志同步到日志中心。
4. 作为核心的ETL程序，将要对日志中心上所有节点的数据进行抽取转换加载。
5. 上图中出现的Hbase比较好理解，但是为什么要出现Mysql？因为我们要更细粒度地控制日志的写入时间点，主要用来记录日志时间的offset，后续会有详细的介绍。

设计二

1. 用户发起文章操作，发起请求日志
2. 日志将由SLB服务器进行负载到日志打点服务器。
3. Filebeat 收集节点日志 到Kafka，主要是用来日志削峰使用。
   或者：使用nginx直接将日志写入kafka,因为nginx也是生产级别的。
4. ETL 将消费Kafka 数据并写到Hbase。
5. 与设计一相同

日志中心

日志中心的存储会是下面这样

├── log
│   ├── 2019-03-21
│   │   ├── 111.12.32.11
│   │   │   ├── 10_01.log
│   │   │   └── 10_02.log
│   │   ├── 222.22.123.123
│   │   │   ├── 0_01.log
│   │   │   ├── 0_02.log
│   │   │   └── 0_03.log
│   │   └── 33.44.55.11
│   ├── 2019-03-22
│   └── 2019-03-23

1. 每分钟每节点会生成一个文件。
2. 一天一个文件夹。
3. 这样子的设计可以方便查错。

日志内容如下

{"time":1553269361115,"data":{"type": "read","aid":"10000","uid":"4229d691b07b13341da53f17ab9f2416","tid": "49f68a5c8493ec2c0bf489821c21fc3b","ip": "22.22.22.22"}}
{"time":1553269371115,"data":{"type": "comment","content":"666,支持一下","aid":"10000","uid":"4229d691b07b13341da53f17ab9f2416","tid": "49f68a5c8493ec2c0bf489821c21fc3b","ip": "22.22.22.22"}}

敲定方案

选择设计一
因为我们就看上了第5点,在线上业务稳定了一年的使用情况来看，这种方案是可行的。

在下篇文章中，我们将真实开始撸我们的黄金代码了，所有程序将使用scala进行实现，你想问我什么吗？四个字：

Spark + Hbase 百亿级流量实时分析统计

[ 百亿级流量实时分析统计 - 数据结构设计 ] 上篇文章 下篇文章 [编写当中...]