导航：首页 > 服务器 >

日志服务Python消费组如何进行实时分发数据

发表于：2024-11-18 作者：千家信息网编辑

千家信息网最后更新 2024年11月18日，这篇文章给大家介绍日志服务Python消费组如何进行实时分发数据，内容非常详细，感兴趣的小伙伴们可以参考借鉴，希望对大家能有所帮助。场景目标使用日志服务的Web-tracking、logtail（文件

千家信息网最后更新 2024年11月18日日志服务Python消费组如何进行实时分发数据

这篇文章给大家介绍日志服务Python消费组如何进行实时分发数据，内容非常详细，感兴趣的小伙伴们可以参考借鉴，希望对大家能有所帮助。

场景目标

使用日志服务的Web-tracking、logtail（文件极简）、syslog等收集上来的日志经常存在各种各样的格式，我们需要针对特定的日志（例如topic）进行一定的分发到特定的logstore中处理和索引，本文主要介绍如何使用消费组实时分发日志到不通的目标日志库中。并且利用消费组的特定，达到自动平衡、负载均衡和高可用性。

cdn.com/cdd946a301ff55389b6f03559de059b6dc3b4b81.png">

基本概念

协同消费库（Consumer Library）是对日志服务中日志进行消费的高级模式，提供了消费组（ConsumerGroup）的概念对消费端进行抽象和管理，和直接使用SDK进行数据读取的区别在于，用户无需关心日志服务的实现细节，只需要专注于业务逻辑，另外，消费者之间的负载均衡、failover等用户也都无需关心。

消费组（Consumer Group） - 一个消费组由多个消费者构成，同一个消费组下面的消费者共同消费一个logstore中的数据，消费者之间不会重复消费数据。
消费者（Consumer） - 消费组的构成单元，实际承担消费任务，同一个消费组下面的消费者名称必须不同。

在日志服务中，一个logstore下面会有多个shard，协同消费库的功能就是将shard分配给一个消费组下面的消费者，分配方式遵循以下原则：

每个shard只会分配到一个消费者。
一个消费者可以同时拥有多个shard。
新的消费者加入一个消费组，这个消费组下面的shard从属关系会调整，以达到消费负载均衡的目的，但是上面的分配原则不会变，分配过程对用户透明。

协同消费库的另一个功能是保存checkpoint，方便程序故障恢复时能接着从断点继续消费，从而保证数据不会被重复消费。

使用消费组进行实时分发

这里我们描述用Python使用消费组进行编程，实时根据数据的topic进行分发。
注意：本篇文章的相关代码可能会更新，最新版本在这里可以找到：Github样例.

安装

环境

建议程序运行在源日志库同Region下的ECS上，并使用局域网服务入口，这样好处是网络速度最快，其次是读取没有外网费用产生。
强烈推荐PyPy3来运行本程序，而不是使用标准CPython解释器。
日志服务的Python SDK可以如下安装：

pypy3 -m pip install aliyun-log-python-sdk -U

更多SLS Python SDK的使用手册，可以参考这里

程序配置

如下展示如何配置程序：

配置程序日志文件，以便后续测试或者诊断可能的问题（跳过，具体参考样例）。
基本的日志服务连接与消费组的配置选项。
目标Logstore的一些连接信息

请仔细阅读代码中相关注释并根据需要调整选项：

#encoding: utf8def get_option():    ##########################    # 基本选项    ##########################    # 从环境变量中加载SLS参数与选项，根据需要可以配置多个目标    accessKeyId = os.environ.get('SLS_AK_ID', '')    accessKey = os.environ.get('SLS_AK_KEY', '')    endpoint = os.environ.get('SLS_ENDPOINT', '')    project = os.environ.get('SLS_PROJECT', '')    logstore = os.environ.get('SLS_LOGSTORE', '')    to_endpoint = os.environ.get('SLS_ENDPOINT_TO', endpoint)    to_project = os.environ.get('SLS_PROJECT_TO', project)    to_logstore1 = os.environ.get('SLS_LOGSTORE_TO1', '')    to_logstore2 = os.environ.get('SLS_LOGSTORE_TO2', '')    to_logstore3 = os.environ.get('SLS_LOGSTORE_TO3', '')    consumer_group = os.environ.get('SLS_CG', '')    # 消费的起点。这个参数在第一次跑程序的时候有效，后续再次运行将从上一次消费的保存点继续。    # 可以使"begin"，"end"，或者特定的ISO时间格式。    cursor_start_time = "2018-12-26 0:0:0"    # 一般不要修改消费者名，尤其是需要并发跑时    consumer_name = "{0}-{1}".format(consumer_group, current_process().pid)    # 构建一个消费组和消费者    option = LogHubConfig(endpoint, accessKeyId, accessKey, project, logstore, consumer_group, consumer_name, cursor_position=CursorPosition.SPECIAL_TIMER_CURSOR, cursor_start_time=cursor_start_time)    # bind put_log_raw which is faster    to_client = LogClient(to_endpoint, accessKeyId, accessKey)    put_method1 = partial(to_client.put_log_raw, project=to_project, logstore=to_logstore1)    put_method2 = partial(to_client.put_log_raw, project=to_project, logstore=to_logstore2)    put_method3 = partial(to_client.put_log_raw, project=to_project, logstore=to_logstore3)    return option, {u'ngnix': put_method1, u'sql_audit': put_method2, u'click': put_method3}

注意，这里使用了functools.partial对put_log_raw进行绑定，以便后续调用方便。

数据消费与分发

如下代码展示如何从SLS拿到数据后根据topic进行转发。

if __name__ == '__main__':    option, put_methods = get_copy_option()    def copy_data(shard_id, log_groups):        for log_group in log_groups.LogGroups:            # update topic            if log_group.Topic in put_methods:                put_methods[log_group.Topic](log_group=log_group)    logger.info("*** start to consume data...")    worker = ConsumerWorker(ConsumerProcessorAdaptor, option, args=(copy_data, ))    worker.start(join=True)

启动

假设程序命名为"dispatch_data.py"，可以如下启动：

export SLS_ENDPOINT=export SLS_AK_ID=export SLS_AK_KEY=export SLS_PROJECT=export SLS_LOGSTORE=export SLS_LOGSTORE_TO1=export SLS_LOGSTORE_TO1=export SLS_LOGSTORE_TO1=export SLS_CG=<消费组名，可以简单命名为"dispatch_data">pypy3 dispatch_data.py

性能考虑

启动多个消费者

基于消费组的程序可以直接启动多次以便达到并发作用：

nohup pypy3 dispatch_data.py &nohup pypy3 dispatch_data.py &nohup pypy3 dispatch_data.py &...

注意:
所有消费者使用了同一个消费组的名字和不同的消费者名字（因为消费者名以进程ID为后缀）。
因为一个分区（Shard）只能被一个消费者消费，假设一个日志库有10个分区，那么最多有10个消费者同时消费。

性能吞吐

基于测试，在没有带宽限制、接收端速率限制（如Splunk端）的情况下，以推进硬件用pypy3运行上述样例，单个消费者占用大约10%的单核CPU下可以消费达到5 MB/s原始日志的速率。因此，理论上可以达到50 MB/s原始日志每个CPU核，也就是每个CPU核每天可以消费4TB原始日志。

注意: 这个数据依赖带宽、硬件参数和目标Logstore是否能够较快接收数据。