Chaperone：来自Uber工程师团队的Kafka监控工具

Uber工程师团队 发布了开源项目Chaperone（中文意为监护人），这是一个 Kafka监控工具。在Uber，它被用于监控多个数据中心和大容量Kafka集群中数据丢失、延迟以及重复的问题。

Uber现在的Kafka数据管道跨越了多个数据中心。Uber的各个系统会生成大量服务调用和事件的日志信息。这已就高吞吐量进行了优化。这些服务在多个数据仓库间以多活模式运行。通过Uber的Kafka管道的数据被同时用于批处理以及实时数据分析。

Kafka作为数据总线，会连接Uber各个系统以及一个称为 uReplicator的工具。uReplicator是一个Kafka的复制器，它参照了Kafka用于复制现存集群的 MirrorMaker的原理进行设计。当日志消息被推送到Kafka的代理，代理会将消息进行汇总并推送到数据仓库对应的Kafka区域性集群。消费者会同时处理各个Kafka区域集群与合并了多个数据仓库数据的Kafka架构内的数据。Chaperone就用于实时监控这些消息。

Chaperone的首要职责是在数据通过管道时检测数据丢失、延迟、重复等数据异常。它包含四个组件：

• 监控类库（AuditLibrary），它会收集、汇总并输出每个应用监控消息的统计信息。这个类库使用了翻转窗口（Tumbling Windows）的概念，用于汇总信息来生成监控消息，并将它们发送到对应Kafka主题（topic）。 翻转窗口常被用于像 Apache Flink这样的流处理系统中，用于将流数据分为不重叠的分片数据。
• Chaperone服务（ChaperoneService），它会消费Kafka的每条数据并记录下时间戳，并向对应的Kafka主题中推送生成的监控消息。
• Chaperone收集器（ChaperoneCollector），它会接收ChaperoneService产生的数据并将它们存入数据库，再将它们显示在用户界面中，这样就可以方便地检测和定位消息的丢失和延迟。
• WebService，它会暴露出REST APIs用于获取或处理数据。

在Chaperone的实现上，必须要保证监控数据的准确性。为了实现准确性，Chaperone采用的策略是保证每一条数据会并且只会被监控一次。这里使用了预写式日志（WAL）。WAL会在消息从ChaperoneService被送到Kafka之前记录一条监控日志，这就保证了如果服务宕机，任何发送的消息都可以被重放。这个 技术常见于一些数据库，如 PostgreSQL。

还有一个策略是无论监控消息是在哪里、哪一步被处理，都能使用一个一致的时间戳。Chaperone尚未完全解决这一问题。目前使用的是基于消息编码的混合技术。对于 Avro-schema编码的消息，时间戳可以在常量时间内被读出，对于JSON消息，Chaperone团队写了一个基于流的JSON解析器，它只会读取时间戳而不会解析整个JSON消息。而在代理客户端和服务端仍然使用消息处理时的时间戳。

Chaperone的作用并不仅限于检查数据丢失，还可以用其从Kafka中按照时间戳来读取数据而非通过偏移量。这样无论数据是否已经被处理，用户都可以读取任意时间范围内的数据。因此，Chaperone也可以被用作调试工具，让用户查看已经处理过的消息用以进一步分析。

Chaperone的源码可在 Github上获取。