一个flume-ng agent主要包括source,channel和sink三部分,三部分运行在JavaJVM中,JVM一般运行在Linux'操作系统上,因此,这些因素都可能影响最终的性能。flume-ng性能优化与架构设计,简单来讲,也主要包括以上部分。
1, 主键的参数设计
1.1 source的配置
有时候不需要每台主机均安装flume agent,可以和sshpass等命令结合使用,灵活收集日志.
1.2 channel的配置
可选的一般为memory channel和file channel,
内存足够的话,一般建议选择时效性更好的memory channel,
[plain]view plaincopy
agent.channels.memory_chan_1.type=memory
agent.channels.memory_chan_1.keep-alive=30
agent.channels.memory_chan_1.transactionCapacity=20000
agent.channels.memory_chan_1.byteCapacityBufferPercentage=40
agent.channels.memory_chan_1.byteCapacity=50000000
agent.channels.memory_chan_1.capacity=500000 相关参数说明
capacity: Maximum # of events that can be in the channel
transactionCapacity: Maximum # of events in one txn.
keepAlive: how long to wait to put/take an event
channel性能的关键是设置合理的以上三个参数
1.3 sink的配置
已hdfs sink为例,可以使用压缩节省空间和网络流量,但会增加cpu消耗.
[plain]view plaincopy
#Eachsink'stypemustbedefined
agent.sinks.hdfsSink_1.type=hdfs
agent.sinks.hdfsSink_1.channel=memory_chan_1
agent.sinks.hdfsSink_1.hdfs.path=/logdata/%Y%m%d/%{hostname}/%{filename}%{CRMLOG}
agent.sinks.hdfsSink_1.hdfs.filePrefix=%{filename}%{CRMLOG}
agent.sinks.hdfsSink_1.hdfs.rollInterval=3600
agent.sinks.hdfsSink_1.hdfs.rollSize=40000000
agent.sinks.hdfsSink_1.hdfs.rollCount=0
agent.sinks.hdfsSink_1.hdfs.writeFormat=Writable
agent.sinks.hdfsSink_1.hdfs.fileType=CompressedStream
agent.sinks.hdfsSink_1.hdfs.batchSize=10000
agent.sinks.hdfsSink_1.hdfs.serializer=avro_event
agent.sinks.hdfsSink_1.hdfs.threadsPoolSize=100
agent.sinks.hdfsSink_1.hdfs.codeC=gzip
影响sink的注意事项
Batch Size:越大性能越好,但太大影响时效性.一般可选为100,1000,10000,batch size最好源数据端大小相同
agent.sinks.flowSink-3-5.batch-size = 10000
agent.sinks.hdfsSink_1.hdfs.batchSize = 10000
sink是单线程处理的,所有一个channel要配置多个写入sink,来提高性能
2, JAVA内存的设计
主要通过修改 conf/flume-env.sh文件实现
主要设计Xmx和Xms两个参数,可以根据OS内存的大小进行合理设置,一般一个flume agent 1g左右大小即可
-Xms set initial Java heap size.........................
-Xmx set maximum Java heap size.........................
3,OS的内核参数调整
如果单台服务器启动的flume agent过多的话,默认的内核参数设置偏小,需要调整, 调整方法基本和安装oracle数据库等类似,相关参数可以相应设置的大一点
系统的参数限制,设置样例为
[plain]view plaincopy
cat/etc/sysctl.conf
kernel.shmall=33554432
kernel.shmmax=137438953472
kernel.shmmni=4096
kernel.sem=25032000100128
fs.file-max=6815744
fs.aio-max-nr=1048576
net.ipv4.ip_local_port_range=900065500
net.core.rmem_default=262144
net.core.rmem_max=4194304
net.core.wmem_default=262144
net.core.wmem_max=1048576 用户级别的参数设定
[plain]view plaincopy
vi/etc/security/limits.conf
#Endoffile
hadoopsoftnproc32047
hadoophardnproc36384
hadoopsoftnofile31024
hadoophardnofile65536
4,网络配置
flume日志和hadoop集群都是通过网络进行日志传送,所以网络不要成为性能瓶颈
5,架构设计,尽可能使用分布式和高可用的架构(重要)
建议使用loadbalnce+failover,实现了架构的可扩展性和高可用性,一台物理服务器上agent的数量不要超过core的数量。
[plain]view plaincopy
agent.sinks=flowSink-3-1flowSink-3-2flowSink-3-3flowSink-3-4flowSink-3-5
agent.sinkgroups=g1
agent.sinkgroups.g1.sinks=flowSink-3-1flowSink-3-2flowSink-3-3flowSink-3-4flowSink-3-5
agent.sinkgroups.g1.processor.type=load_balance
agent.sinkgroups.g1.processor.selector=round_robin
agent.sinkgroups.g1.processor.backoff=true
...
agent.sinks.flowSink-3-1.type=avro
agent.sinks.flowSink-3-1.channel=memory_chan_1
agent.sinks.flowSink-3-1.hostname=127.0.0.1
agent.sinks.flowSink-3-1.port=41451
agent.sinks.flowSink-3-1.batch-size=1000 一个高可用,可扩展的架构示意图如下