一、说明

  1. InLong-dataProxy属于inlong proxy层,用于数据的汇集接收以及转发。通过格式转换,将数据转为cache层可以缓存处理的TDMsg1格式
  2. InLong-dataProxy充当了InLong采集端到InLong缓冲端的桥梁,dataproxymanager模块拉取业务id与对应topic名称的关系,内部管理多个topic的生产者
  3. dataproxy收到消息时,会首先缓存到本地的Channel中,并使用本地的producer往后端即cache层发送数据
  4. InLong-dataProxy整体架构基于Apache Flumeinlong-dataproxy在该项目的基础上,扩展了source层和sink层,并对容灾转发做了优化处理,提升了系统的稳定性。

二、架构

架构介绍 - 图1

  1. 1.Source层开启端口监听,通过netty server实现。解码之后的数据发到channel
  2. 2.channel层有一个selector,用于选择走哪种类型的channel,如果memory最终满了,会对数据做落地处理
  3. 3.channel层的数据会通过sink层做转发,这里主要是将数据转为TDMsg1的格式,并推送到cache层(这里用的比较多的是tube

三、DataProxy功能配置说明

DataProxy支持配置化的source-channel-sink,配置方式与flume的配置文件结构相同:

Source配置示例以及对应的注解:

  1. agent1.sources.tcp-source.channels = ch-msg1 ch-msg2 ch-msg3 ch-more1 ch-more2 ch-more3 ch-msg5 ch-msg6 ch-msg7 ch-msg8 ch-msg9 ch-msg10 ch-transfer ch-back
  2. 定义source中使用到的channel,注意此source下面的配置如果有使用到channel,均需要在此注释
  3. agent1.sources.tcp-source.type = org.apache.flume.source.SimpleTcpSource
  4. tcp解析类型定义,这里提供类名用于实例化,SimpleTcpSource主要是初始化配置并启动端口监听
  5. agent1.sources.tcp-source.msg-factory-name = org.apache.flume.source.ServerMessageFactory
  6. 用于构造消息解析的handler,并设置read stream handlerwrite stream handler
  7. agent1.sources.tcp-source.host = 0.0.0.0
  8. tcp ip绑定监听,默认绑定所有网卡
  9. agent1.sources.tcp-source.port = 46801
  10. tcp 端口绑定,默认绑定46801端口
  11. agent1.sources.tcp-source.highWaterMark=2621440
  12. netty概念,设置netty高水位值
  13. agent1.sources.tcp-source.max-msg-length = 524288
  14. 限制单个包大小,这里如果传输的是压缩包,则是压缩包大小,限制512KB
  15. agent1.sources.tcp-source.topic = test_token
  16. 默认topic值,如果bidtopic的映射关系找不到,则发送到此topic
  17. agent1.sources.tcp-source.attr = m=9
  18. 默认m值设置,这里的m值是inlong内部TdMsg协议的版本
  19. agent1.sources.tcp-source.connections = 5000
  20. 并发连接上线,超过上限值时会对新连接做断链处理
  21. agent1.sources.tcp-source.max-threads = 64
  22. netty线程池工作线程上限,一般推荐选择cpu的两倍
  23. agent1.sources.tcp-source.receiveBufferSize = 524288
  24. netty server tcp调优参数
  25. agent1.sources.tcp-source.sendBufferSize = 524288
  26. netty server tcp调优参数
  27. agent1.sources.tcp-source.custom-cp = true
  28. 是否使用自研的channel process,自研channel process可在主channel阻塞时,选择备用channel发送
  29. agent1.sources.tcp-source.selector.type = org.apache.flume.channel.FailoverChannelSelector
  30. 这个channel selector就是自研的channel selector,和官网的差别不大,主要是有channel主从选择逻辑
  31. agent1.sources.tcp-source.selector.master = ch-msg5 ch-msg6 ch-msg7 ch-msg8 ch-msg9
  32. 指定master channel,这些channel会被优先选择用于数据推送。那些不在mastertransferfileMetricslaMetric配置项里的channel,但在
  33. channels里面有定义的channel,统归为slave channel,当master channel都被占满时,就会选择使用slave channelslave channel一般建议使用file channel类型
  34. agent1.sources.tcp-source.selector.transfer = ch-msg5 ch-msg6 ch-msg7 ch-msg8 ch-msg9
  35. 指定transfer channel,承接transfer类型的数据,这里的transfer一般是指推送到非tube集群的数据,仅做转发,这里预留出来供后续功能使用
  36. agent1.sources.tcp-source.selector.fileMetric = ch-back
  37. 指定fileMetric channel,用于接收agent上报的指标数据

Channel配置示例以及对应的注解

memory channel

  1. agent1.channels.ch-more1.type = memory
  2. memory channel类型
  3. agent1.channels.ch-more1.capacity = 10000000
  4. memory channel 队列大小,可缓存最大消息条数
  5. agent1.channels.ch-more1.keep-alive = 0
  6. agent1.channels.ch-more1.transactionCapacity = 20
  7. 原子操作时批量处理最大条数,memory channel使用时需要用到加锁,因此会有批处理流程增加效率

file channel

  1. agent1.channels.ch-msg5.type = file
  2. file channel类型
  3. agent1.channels.ch-msg5.capacity = 100000000
  4. file channel最大可缓存消息条数
  5. agent1.channels.ch-msg5.maxFileSize = 1073741824
  6. file channel文件最大上限,字节数
  7. agent1.channels.ch-msg5.minimumRequiredSpace = 1073741824
  8. file channel所在磁盘最小可用空间,设置此值可以防止磁盘写满
  9. agent1.channels.ch-msg5.checkpointDir = /data/work/file/ch-msg5/check
  10. file channel checkpoint路径
  11. agent1.channels.ch-msg5.dataDirs = /data/work/file/ch-msg5/data
  12. file channel数据路径
  13. agent1.channels.ch-msg5.fsyncPerTransaction = false
  14. 是否对每个原子操作做同步磁盘,建议改false,否则会对性能有影响
  15. agent1.channels.ch-msg5.fsyncInterval = 5
  16. 数据从内存flush到磁盘的时间间隔,单位秒

Sink配置示例以及对应的注解

  1. agent1.sinks.meta-sink-more1.channel = ch-msg1
  2. sink的上游channel名称
  3. agent1.sinks.meta-sink-more1.type = org.apache.flume.sink.MetaSink
  4. sink类实现,此处实现消息向tube集群推送数据
  5. agent1.sinks.meta-sink-more1.master-host-port-list =
  6. tube集群master节点列表
  7. agent1.sinks.meta-sink-more1.send_timeout = 30000
  8. 发送到tube时超时时间限制
  9. agent1.sinks.meta-sink-more1.stat-interval-sec = 60
  10. sink指标统计间隔时间,单位秒
  11. agent1.sinks.meta-sink-more1.thread-num = 8
  12. Sink类发送消息的工作线程,8表示启动8个并发线程
  13. agent1.sinks.meta-sink-more1.client-id-cache = true
  14. agent id缓存,用于检查agent上报数据去重
  15. agent1.sinks.meta-sink-more1.max-survived-time = 300000
  16. 缓存最大时间
  17. agent1.sinks.meta-sink-more1.max-survived-size = 3000000
  18. 缓存最大个数