flume 性能优化

如图1所示，一个flume-ng agent主要包括source，channel和sink三部分，三部分运行在Java JVM中，JVM一般运行在linux'操作系统上，因此，这些因素都可能影响最终的性能。flume-ng性能优化与架构设计，简单来讲，也主要包括以上部分。

1, 主键的参数设计
1.1 source 的配置
有时候不需要每台主机均安装flume agent,可以和sshpass等命令结合使用,灵活收集日志.
1.2 channel的配置
可选的一般为memory channel和file channel,
内存足够的话,一般建议选择时效性更好的memory channel,

 agent.channels.memory_chan_1.type = memory
 agent.channels.memory_chan_1.keep-alive = 30
 agent.channels.memory_chan_1.transactionCapacity = 20000
 agent.channels.memory_chan_1.byteCapacityBufferPercentage = 40

 agent.channels.memory_chan_1.byteCapacity = 50000000
 agent.channels.memory_chan_1.capacity = 500000

相关参数说明
capacity: Maximum # of events that can be in the channel
transactionCapacity: Maximum # of events in one txn.
keepAlive: how long to wait to put/take an event
 channel性能的关键是设置合理的以上三个参数
1.3 sink的配置
已hdfs sink为例,可以使用压缩节省空间和网络流量,但会增加cpu消耗.

 # Each sink's type must be defined
 agent.sinks.hdfsSink_1.type = hdfs
 agent.sinks.hdfsSink_1.channel = memory_chan_1
 agent.sinks.hdfsSink_1.hdfs.path = /logdata/%Y%m%d/%{hostname}/%{filename}%{CRMLOG}
 agent.sinks.hdfsSink_1.hdfs.filePrefix = %{filename}%{CRMLOG}
 agent.sinks.hdfsSink_1.hdfs.rollInterval = 3600
 agent.sinks.hdfsSink_1.hdfs.rollSize = 40000000
 agent.sinks.hdfsSink_1.hdfs.rollCount = 0
 agent.sinks.hdfsSink_1.hdfs.writeFormat = Writable
 agent.sinks.hdfsSink_1.hdfs.fileType = CompressedStream
 agent.sinks.hdfsSink_1.hdfs.batchSize = 10000
 agent.sinks.hdfsSink_1.hdfs.serializer = avro_event
 agent.sinks.hdfsSink_1.hdfs.threadsPoolSize = 100
 agent.sinks.hdfsSink_1.hdfs.codeC = gzip

影响sink的注意事项

Batch Size:越大性能越好,但太大影响时效性.一般可选为100,1000,10000,batch size最好源数据端大小相同
agent.sinks.flowSink-3-5.batch-size = 10000
agent.sinks.hdfsSink_1.hdfs.batchSize = 10000

sink是单线程处理的,所有一个channel要配置多个写入sink,来提高性能
2, JAVA内存的设计
主要通过修改 conf/flume-env.sh文件实现
主要设计Xmx和Xms两个参数,可以根据OS内存的大小进行合理设置,一般一个flume agent 1g左右大小即可
-Xms        set initial Java heap size.........................
-Xmx        set maximum Java heap size.........................

3,OS的内核参数调整
    如果单台服务器启动的flume agent过多的话,默认的内核参数设置偏小,需要调整，   调整方法基本和安装oracle数据库等类似,相关参数可以相应设置的大一点
  系统的参数限制，设置样例为

 cat /etc/sysctl.conf
 kernel.shmall = 33554432
 kernel.shmmax = 137438953472
 kernel.shmmni = 4096
 kernel.sem = 250 32000 100 128
 fs.file-max = 6815744
 fs.aio-max-nr = 1048576
 net.ipv4.ip_local_port_range = 9000 65500
 net.core.rmem_default = 262144
 net.core.rmem_max = 4194304
 net.core.wmem_default = 262144

 net.core.wmem_max = 1048576

 用户级别的参数设定

  vi /etc/security/limits.conf

 # End of file
 hadoop             soft    nproc           32047
 hadoop             hard    nproc           36384
 hadoop             soft    nofile          31024
 hadoop             hard    nofile          65536

4,网络配置
flume日志和hadoop集群都是通过网络进行日志传送,所以网络不要成为性能瓶颈
5,架构设计,尽可能使用分布式和高可用的架构 （重要）
建议使用loadbalnce+failover，实现了架构的可扩展性和高可用性， 一台物理服务器上agent的数量不要超过core的数量 。

 agent.sinks = flowSink-3-1 flowSink-3-2 flowSink-3-3 flowSink-3-4 flowSink-3-5
 agent.sinkgroups = g1
 agent.sinkgroups.g1.sinks = flowSink-3-1 flowSink-3-2 flowSink-3-3 flowSink-3-4 flowSink-3-5
 agent.sinkgroups.g1.processor.type = load_balance
 agent.sinkgroups.g1.processor.selector = round_robin
 agent.sinkgroups.g1.processor.backoff = true
 ...
 agent.sinks.flowSink-3-1.type = avro
 agent.sinks.flowSink-3-1.channel = memory_chan_1
 agent.sinks.flowSink-3-1.hostname = 127.0.0.1
 agent.sinks.flowSink-3-1.port = 41451
 agent.sinks.flowSink-3-1.batch-size = 1000

一个高可用，可扩展的架构示意图如下

参考文档
Building a Data Collection System with Apache Flume
http://flume.apache.org/FlumeUserGuide.html