【技术干货】日志服务架构设计和实践

又拍云作为一家 CDN 服务提供商，每天产生 50T 左右的日志，数量庞大、种类繁多，不论是公司内部，还是客户，对日志都有需求，而且需求都不尽相同。

所以，我首先谈一谈，为什么又拍云需要一个强大的日志系统，主要有三个原因：

首先是为用户提供日志归档的服务，日志根据不同的服务名可提供给用户下载，包括在又拍云后台上可以看到的服务，比如用户想了解自己的服务今天访问最热门的是哪些资源等。

其次是提供近乎实时、多维度的日志分析，包括问题排查，并对接到内部报警系统，这点对又拍云平台的稳定性来说非常重要，比如某个用户的源站网络出现问题，我们可以通过监控系统和内部的服务，将日志给到报警系统实现报警，从而可以通知用户。

第三是日志离线分析功能，可以进行复杂的数据模型计算分析，提供包括细化到每一个省份、城市，定期生成的报表，用户可以了解自己的服务在各个城市的访问情况。

日志服务系统概览

又拍云的日志都是通过 CDN 边缘节点的服务产生，服务基于 ngx_lua。ngx_lua 是 OpenResty 的一个核心组件，它将 Lua VM 嵌入到 Nginx 当中，极大地扩展了 Nginx 的能力。

这里介绍一下又拍云 CDN 代理层的服务全部是基于 OpenResty / Nginx 开发的，我们在 Nginx 的优化和二次开发方面投入了大量的精力。

这些日志在边缘节点进行一定的缓冲后，通过公网上传到数据中心的日志服务代理层。因为 CDN 节点分布在全国和海外一些地区，如果每一个机房都到数据中心建传输网络，这个成本比较大，所以这里都是走公网传输。

数据中心日志代理这层使用的是基于 OpenResty / Nginx 构建的一个服务，这层主要是由 LVS 进行四层的负载均衡，所有日志都会均摊到这个集群中的每台机器。这层还会根据日志类型，比如是某个定制的大客户的日志、内部人员使用的日志等，将日志进行一致性哈希，保存到不同的 Kafka topic 。

日志会在 Kafka 集群里面进行暂存。在 Kafka 后面连接着成百上千个日志消费者（包括公司部门和客户），不同的消费者会消费不同的 Kafka topic，它会根据不同的需求，将日志转换成用户所要的格式。

潜在的两个问题

在日志服务过程中，可能会遇到些许问题，这里仅列举了两个问题，当然不止这两点，也存在一些其他值得关注的问题。

问题一：上传问题——由于 CDN 的特点，CDN 的边缘机房部署在全国各地和海外，通过公网上传日志如果遇到部分网络不理想的情况，就会上传失败、丢失。

问题二：日志消费赶不上生产的问题——上传成功，都保存在 Kafka ，但是日志消费者消费能力有限的时候，会导致 Kafka 队列发生堆积。

机房掉电也是很严重的问题。不过又拍云的 Kafka 集群所在的机器装备了双电源，保证它至少在 99.9999% 的情况下，不会出现掉电影响服务。

下面我针对这两个问题，聊一聊又拍云的解决方法。

日志上报方案：解决日志上传问题

我这里说的“日志上报”，指的是又拍云针对 Nginx 日志格式的上报方案。

第一种是通过脚本周期性地向 Nginx 发送信号进行日志切割，然后把日志归档上传。这种方式有个弊端，Nginx 是一个基于事件循环来展开工作的，它最大的敌人就是阻塞，Nginx access.log 目前写磁盘采用的是同步的方式，而且经过了文件系统，极有可能哪个文件系统或者磁盘抽风，整个进程就卡住，导致这个进程内的所有请求一段时间内会处在“饥饿”的状态，影响到它的工作。这种方案看起来显然不是特别完美。

第二种是利用 Nginx 在 1.7.1 版本所支持的直接将产生的 access.log 发到外部的 syslog 组件的方案，这个方案存在一个缺点是如果发送失败日志就会直接丢失，所以也不是特别符合我们的需求。

考虑到又拍云的服务所产生的日志数据相对比较复杂，直接用 Nginx 的 access.log 是不能很好地描述这些日志数据，因此我们采用了以下的方案：

lua-resty-logger-socket （）是 cloudflare 针对日志发送的开源方案。该库有一个核心的内存 buffer，它会把上传所提交来的日志数据全部暂存起来，buffer 的内容只会在达到一定大小（flush_limit）之后才将数据冲刷出去，如果发送失败，内容不会被丢弃；如果缓冲的数据大小超过一个硬性值（drop_limit），那么当前的日志会被丢弃。

这个库是基于 nginx_lua 的 Cosocket 技术，Cosocket 通过利用 Lua coroutine 的 yield / resume 特性，完美结合了 Nginx 的事件框架，因此是百分百非阻塞的，这避免了 access.log 写磁盘带来的阻塞问题，和又拍云的 CDN 服务的软件架构非常契合。

接下来日志就到了边缘的 log agent 组件，我们内部称之为“logger”，接收 CDN 边缘服务所发来的日志并进行转发。其实它做的事情很简单，周期性地把日志转发出去，如果网络质量相对比较理想，这些日志只会被短暂地缓冲在内存当中。而如果网络出现异常，内存里的日志会越来越多，当超过某个阈值的时候，日志会自动加入到 disk queue ，这是一个基于文件系统的先进先出队列，当需要转发日志的时，会优先处理在内存和磁盘中排队的日志数据。

如果网络一直很差，日志一直堆积，甚至本机磁盘都不够放，那这个问题就太严重了。这种情况下因为毕竟磁盘容量有限，所幸我们有完善的报警机制，基本上只要出现问题我们立刻就会发现，然后运维和研发会去介入并解决问题。

通过这套机制保证日志即使在网络情况不理想的时候也不会被丢弃。如此，就解决了上面的第一个问题：公网网络不理想的情况下，日志上传不上去，出现丢失的问题，CDN 边缘机房日志上报可靠性得到了保障。

自研 Morgans 系统：让“日志消费”跟上“日志生产”

又拍云的日志种类繁多，包括内部使用、客户使用或者通用的等，需求也不尽相同，所以需要一个通用的日志消费者（包括需要调用日志的公司部门和客户）框架，避免重复劳动，满足不同的需求，基于此，又拍云自研了 Morgans 项目 。

又拍云没有采用开源的日志解决方案，有几个具体的原因：

目前 Morgans 系统已经接管了又拍云所有日志定制和内部监控数据的处理，消耗的 CPU 、内存均比较少，稳定且基本无害。

容器化：解决日志生产和消费的思路

如果日志到 Kafka 这一层没有问题，但日志消费者不给力，这会直接导致了日志数据无法及时传递到下一层，破坏了整个系统近实时的传输转发能力。如何增强消费能力？消费者在设计上需要支持水平可扩容，才能从容应对日志量突增的情况，避免服务可用性降低。

如果新增一种消费者程序或者扩容时，需要提前申请物理机、人工推送服务上线、部署对应的监控报警程序等，全部弄完可能一天的时间已经过去，但是问题还是没有解决，整个操作周期很长，如果是紧急的情况，可能会带来不少的损失。

相比之下，使用容器云平台的优势就非常明显：

上图是在又拍云容器云平台上创建一个服务，首先创建一个组和相应的名字，最重要的是填入容器镜像的下载地址，包括启动命令、需要多少 CPU、多少内存、磁盘等。配置完成后，服务就起来了，可以说运维成本相对比较低。

上图是日志消费者服务的部分运行监控图，第一个是 CPU 监控图，平均每个容器占用的 CPU 变化；第二个是内存的监控图，可以看到内存使用非常平稳，如此可以了解大概是怎么样利用我们的服务资源。

模块设计：沿袭自 Nginx 的设计哲学

Nginx 的设计哲学是一些皆模块。Morgans 项目也遵循了这个设计哲学，内部也有四个模块：

Morgans 的模块设计借鉴了 Nginx ，Nginx 的模块设计已经相当漂亮，可以自己注册一些配置指令，如果配置想提供给用户，就注册这样的配置项。Morgans 也如法炮制，每个模块拥有自己的配置结构，可以注册配置指令，注册各类功能的钩子函数。这些钩子函数在不同的阶段发挥各自的作用，这种用法可能会颠覆了大家对 golang 语言使用的看法。

如上图，是 Morgans 前端的一个模块结构体，名字、配置项、类型，包括 PostParse 处理到某条配置文件指令时，某个模块的某个配置指令钩子会被调用，从而正确解析到该配置；配置文件解析完毕后，模块的 PostParse 钩子会被调用；准备开始工作时，模块的 InitProcess 钩子会被调用等。

如果编译过 Nginx，一定知道 Nginx 的目录下有一个 auto 子目录，其目录下的 configure 脚本是用来定制其构建配置的。通过它可以选择编译哪些模块，打开某些功能等。与 Nginx 类似，Morgans 每个模块都会有一个 config ，可以让他设置几个变量，包括名字、模块类型、钩子等，通过只编译需要的模块，还可以减小编译得到的二进制文件大小。

灵活的配置文件设计

Morgans 拥有灵活的配置文件设计，首先指令式的配置方式，简洁而不失描述能力。

其次，Morgans 支持从外部的 key-value 存储中加载配置。当我们在容器云平台配置消费者时，需要给他们提供镜像，包含了消费者二进制和全部配置，如果某个时刻我们得去更新配置，那么就需要重新构建镜像并上传，镜像在 CI /CD 中构建相对比较慢，而如果它能够支持外部读取内存，那就会快很多（无需重新构建镜像，只需要重启服务即可），目前我们使用满配置的 hashicorp 公司开源的 consul，把它作为一个 key-value 的存储，我们某个时刻修改了配置，在容器云平台找到对应的服务，重启一下就能生效。

第三是结合消费者框架内置的变量系统，实现了变量插值功能。

上图是变量插值的示例，进行 input::kafka 的实例 mykafka ，定义一些需要的设计云系统架构，比如 topic mytopic 数据如何分割、定义换行符来区分、配置多少个 broker 、消费者组是什么，最后还有 offset 的管理等。

下面定义了一个 filter ，比如有一个 common 的过滤模块，随便给个名字，后面是 一个 hdfs output 模块，包括文件的 replication 属性、hdfs namenode 的地址、user等。在 filepath 里面， mylog_timestamp 称之为变量。整个 filepath 的配置利用到了变量插值的技术，即取出配置里的源字符串，转换为中间形态，使用的时候去解析，得到目标字符串。

Morgans 内置了一套简易的运行时变量系统，和 Nginx 的类似，这套变量系统关联到每个日志对象，每个模块可以自行注册变量，以及变量被使用时需要调用的钩子，钩子则可以关联到一个日志对象的上下文。使用分成两步，第一步会处理源字符串当中每个变量和常量并解析得 到 ComplexValue 对象，第二步是发生在需要使用时，调用这项变量和常量的 handler 从而拼接得到经过解释后的完整字符串。这样做的好处是什么？比如有很多用户他们都存到了 HDFS ）

（编辑：52站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!