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: 数据源多种多样大数 数据量大,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Apac据采he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数集工据事件。 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平台具架,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github的更构分新事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。由于该项目已经不活跃六个,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,Splu大数nk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负责数据的存储和索引 For据采warder,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的方式来获取特定集工的数据。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 Head和Ind具架exer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,并不能把正在运行的数据采构分集任务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,大多数平台都能实现一定程度六个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由于项目的不活跃,不推荐使用大数。 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
-
- 本科生新算法打败NeRF,不用神经网络照片也能动起来,提速100倍
- 苹果发布M5芯片MacBook Pro:首款AI优化Mac处理器,续航达24小时
- 飞猪AI“问一问”推出拍照讲解服务,随手一拍即享专业导览
- X 平台优化链接处理,力求提升用户留存率
- 微软与OpenAI重塑联盟:2500亿美元Azure订单背后,OpenAI获“云自由”!
- 沙利文全栈AI云服务报告:阿里云占比40.1%,超第二至第四名总和
- 大数据明星Palantir获FDA4400万美元合同:股价大涨17%
- 标签: 抖音 推荐算法 双塔模型 Wide&Deep
- 标签: 市场监管总局 反不正当竞争 手机行业 数字经济
- 云计算开发:Python3数学函数log()方法详解
- 随机阅读
-
- 最耐用的3款苹果手机,果粉表示找不到换手机的理由!
- IBM同意支付2425万美元和解金以了结美FCC两项调查
- 标签: 零跑汽车 朱江明 廉洁合规 反腐举报
- 亚马逊派送司机:步履匆匆 却时刻可能遭警告或受伤
- OpenAI 开放 Sora2视频工具,面向美国、加拿大、日本和韩国用户
- 标签: 育碧 腾讯 刺客信条 彩虹六号
- Hive窗口函数Row Number的用法, 你肯定都会吧!
- 标签: 理想汽车 2026年Q1财报 新能源汽车 AI技术
- 百度文心助手全面升级,AI 创作能力爆发,8 种新模态来袭!
- 标签: 趣店 财报 末端配送 现金贷
- 阿里巴巴关联公司成立云计算公司,注册资本1亿元
- 苹果推送正式版iOS/iPadOS15.3.1 修复Safari网页漏洞
- 淘宝、阿里云盘等访问故障 阿里云云产品控制台服务异常
- 微软前董事长:CEO纳德拉赢得了成为董事长的权利
- 谷歌大脑最新研究:AutoML方式自动学习Dropout模式
- 标签: 创维集团 智能家电 新能源业务 现代服务业
- 标签: 英伟达 黄仁勋 特朗普 人工智能芯片
- Meta 成立超级政治行动委员会 抗击 AI 监管政策
- 英特尔任命新中国区董事长,现任中国区总裁年底将退休
- 可以考虑的7种云存储和文件共享服务
- 搜索
-
- 友情链接