我们正在处理来自我们在HDFS上添加的多个服务器的大型日志文件.我们目前有一个很好的批处理解决方案(主要是每天移动和编写文件),并希望用Kafka实现实时解决方案.
基本上,我们需要将来自Nginx的日志放入Kafka,然后编写消费者来写入HDFS(这可以通过HDFS消费者https://github.com/kafka-dev/kafka/tree/master/contrib/hadoop-consumer完成).
您建议将日志移至Kafka的方法是什么？
>我们可以编写一个Nginx模块,但并不是那么简单.这个https://github.com/DemandCube/Sparkngin可以提供一些线索.
>读取日志文件(尾部…)看起来是个坏主意,因为有一个无用的写操作.在推送到Kafka之前,Logstash还需要写/读操作,这似乎是不必要的.
还有其他想法吗？
最佳答案
我知道这是一个老问题.但最近,我还需要做同样的事情.
原文链接：https://www.f2er.com/nginx/434581.htmltail -f producer的问题在于日志轮换,当尾部死亡时,你真的不知道哪些行已被发送到Kafka.
从Nginx 1.7.1开始,access_log指令可以登录到syslog.请参阅http://nginx.org/en/docs/syslog.html.我们利用它来登录rsyslog,从rsyslog登录到Kafka. http://www.rsyslog.com/doc/master/configuration/modules/omkafka.html
这样做有点圆润,但这样,日志丢失的机会也就不小了.此外,如果您使用的是CentOS,那么rsyslog无论如何都会附带它.
所以简而言之,这是我认为将Nginx日志放入kafka的最佳选择：
Nginx -> rsyslog -> kafka
