实时收集、解析Nginx日志（日志文件在不断地增加），需要较好的处理：

• 断点续读：agent意外挂掉，重启之后从上次处理过的位置继续处理
• 日志滚动：当rename Nginx日志文件，并reload Nginx的时候，需要在读尽旧的日志文件之后，从头开始处理新的日志文件
• 并发计算：解析日志的时候，需要消耗大量的CPU资源，因此使用进程池，降低因复杂计算而产生的延迟
• 历史日志重放：当需求方需要历史日志的时候，能够从原始的历史日志文件进行解析，输出解析结果给需求方
• 扩展性良好：既利用了flume强大的拓扑结构，比如：扇入、扇出等功能。又利用了Python高效的开发效率。同时，可以很方便的自定义parser回调函数

• 安装Flume
  • 安装JDK（省略）
  • 去官网提供的下载地址下载flume的二进制包
  • 解压缩：
    • tar zxvf apache-flume-1.7.0-bin.tar.gz
• 安装Python（2.6+即可，省略）
• 安装python parser所用到的第三方模块
  • 安装MySQLdb
    • sudo yum install -y mysql-devel MySQL-python
  • 安装ua-parser
    • sudo easy_install ua-parser
  • 安装concurrent futures
    • sudo easy_install futures

• 将Flume 1.7.0安装到/home/gadmin
• 从gitlab检出Flume的配置文件 和 相关的python脚本
  • cd /home/gadmin
  • git clone http:https://code.ds.gome.com.cn/gitlab/zhoujingjiang/log-parser.git
• 创建相关临时文件和目录
  • Flume file channel相关目录
    • mkdir -p /home/gadmin/log-parser/flume_file_channel/checkpointdir
    • mkdir -p /home/gadmin/log-parser/flume_file_channel/datadir
  • python parser相关文件
    • touch /home/gadmin/log-parser/js_sdk.lock.file
    • touch /home/gadmin/log-parser/js_sdk.position.file
• 启动Flume
  • cp log-parser/flume-conf.properties apache-flume-1.7.0-bin/conf/flume-conf.properties
  • apache-flume-1.7.0-bin/bin/flume-ng agent --conf apache-flume-1.7.0-bin/conf/ --conf-file apache-flume-1.7.0-bin/conf/flume-conf.properties --name tier1 -Dflume.root.logger=INFO,console
  • 可以使用screen、nohup等命令将Flume放到后台执行

• 10.125.143.121
• 10.125.143.122
• 10.125.143.123

单台单个日志文件200+RPS。

请移步蒂米的博客