六个大数据采集工具架构分析
随着大数据越来越被重视,数据采集的挑战变的尤为突出。今天为大家介绍几款数据采集平台:Apache Flume、Fluentd、Logstash、Chukwa、Scribe、Splunk Forwarder。 大数据平台与数据采六个集 任何完整的大数据平台,一般包括以下的几个过程: 数据采集 数据存储 数据处理 数据展现(可视化,报表和监控) 其中,数据采集是所有数据系统必不可少的,随着大数据越来越被重视,数据采集的挑战也变的尤为突出。这其中包括: 数据源多种多样 数据大数量大,变化快 如何保证数据采集的可靠性的性能 如何避免重复数据 如何保证数据的质量 我们今天就来看看当前可用的六款数据采集的产品,重点关注它们是如何做到高可靠,高性能和高扩展。 01、Apache Flume Flume 是Apache据采旗下的一款开源、高可靠、高扩展、容易管理、支持客户扩展的数据采集系统。 Flume使用JRuby来构建,所以依赖Java运行环境。 Flume最初是由Cloudera的工程师设计用于合并日志数据的系统,后来逐渐发展用于处理流集工数据事件。 几乎在大部分的情况下ELK作为一个栈是被同时使用的。所有当你的数据系统使用ElasticSearch的情况下,logstash是首选。 02、Chukwa Apache Chukwa是apache旗下另一个开源的数据收集具架平台,它远没有其他几个有名。Chukwa基于Hadoop的HDFS和MapReduce来构建(显而易见,它用Java来实现),提供扩展性和可靠性。Chukwa同时提供对数据的展示,分析和监视。很奇怪的是它的上一次gith构分ub的更新事7年前。可见该项目应该已经不活跃了。 Chukwa的部署架构如下: Chukwa的主要单元有:Agent,Collector,DataSink,ArchiveBuilder,Demux等等,看上去相当复杂。由于该项六个目已经不活跃,我们就不细看了。 03、Scribe Scribe是Facebook开发的数据(日志)收集系统。已经多年不维护,同样的,就不多说了。 04、Splunk Forwarder 以上的所有系统都是开源的。在商业化的大数据平台产品中大数,Splunk提供完整的数据采金,数据存储,数据分析和处理,以及数据展现的能力。 Splunk是一个分布式的机器数据平台,主要有三个角色: Search Head负责数据的搜索和处理,提供搜索时的信息抽取。 Indexer负责数据据采的存储和索引 Forwarder,负责数据的收集,清洗,变形,并发送给Indexer Splunk内置了对Syslog,TCP/UDP,Spooling的支持,同时,用户可以通过开发Script Input和Modular Input的方集工式来获取特定的数据。在Splunk提供的软件仓库里有很多成熟的数据采集应用,例如AWS,数据库(DBConnect)等等,可以方便的从云或者是数据库中获取数据进入Splunk的数据平台做分析。 这里要注意的是,Search具架 Head和Indexer都支持Cluster的配置,也就是高可用,高扩展的,但是Splunk现在还没有针对Farwarder的Cluster的功能。也就是说如果有一台Farwarder的机器出了故障,数据收集也会随之中断,构分并不能把正在运行的数据采集任务Failover到其它的Farwarder上。 总结 我们简单讨论了几种流行的数据收集平台,它们大都提供高可靠和高扩展的数据收集。大多平台都抽象出了输入,输出和中间的缓冲的架构。利用分布式的网络连接六个,大多数平台都能实现一定程度的扩展性和高可靠性。 其中Flume,Fluentd是两个被使用较多的产品。如果你用ElasticSearch,Logstash也许是首选,因为ELK栈提供了很好的集成。Chukwa和Scribe由大数于项目的不活跃,不推荐使用。 Splunk作为一个优秀的商业产品,它的数据采集还存在一定的限制,相信Splunk很快会开发出更好的数据收集的解决方案。
- 最近发表
- 随机阅读
-
- 成熟的AI应该自己写代码,IBM发布5亿行代码数据集,包含55种语言|开源
- 金牛座2021年
- 标签: 中国银行 2025年报 跨境金融 全球托管银行
- 定了!张勇发全员信:阿里云将分拆上市
- 标签: 绝味鸭脖
- Google Gemini CLI 推出扩展功能,提升 AI 命令行个性化体验
- 云计算开发:Python练习实例-输入三个整数
- 标签: 凤凰新媒体 凤凰网 财报 数字阅读
- 标签: 广合科技 PCB 算力服务器 CPU主板
- 高颜值神经网络可视化:3D彩色、可定制,还能可视化参数重要性
- 英特尔高管解读Q4财报:投入大头仍在7nm制程 要恢复领先地位
- 标签: 铜师傅 铜葫芦系列 大圣系列 文创产品
- 标签: 喜临门 ST喜临门 陈阿裕 羿阁公司
- 标签: 阿里巴巴 钉钉 陈航 无招
- 云计算开发:Python内置函数-repr()函数详解
- 深入到芯片层去做好AI,2026阿里云峰会发布了这些新东西
- AI的偏见:机器就是绝对理性的么?
- 第二届中国IDC行业Discovery大会将于4月21日召开
- 标签: 天山铝业 电解铝 氧化铝 铝箔
- 谷歌AI摘要功能惹大祸!知名媒体集团起诉垄断巨头"偷内容毁生意"
- 搜索
-
- 友情链接