将Nginx日志放入Kafka的最佳选择？

Question

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,然后写一个消费者在HDFS上写(这可以通过HDFS消费者来完成https://github.com/kafka-dev/kafka/tree/master/contrib/ hadoop-consumer).

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...)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？

Answer 1

我知道这是一个老问题.但最近,我还需要做同样的事情.

问题出tail -f producer在日志轮换上,当尾巴死亡时,你真的不知道哪些线路被发送到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.我们利用它来记录到rsyslog,从rsyslog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