Spark+Hbase 亿级流量分析实战日志存储设计

接着上篇文章 Spark+Hbase 亿级流量分析实战（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！！！

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。

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"}}

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：

心明眼亮的你、从此刻开始。