【大数据新手上路】“零基础”系列课程--Flume收集网站日志数据到MaxCompute

免费开通大数据服务:https://www.aliyun.com/product/odps

概述:大数据时代,谁掌握了足够的数据,谁就有可能掌握未来,而其中的数据采集就是将来的流动资产积累。


任何规模的企业,每时每刻都在产生大量的数据,但这些数据如何归集、提炼始终是一个困扰。而大数据技术的意义确实不在于掌握规模庞大的数据信息,而在于对这些数据进行智能处理,从中分析和挖掘出有价值的信息,但前提是如何获取大量有价值的数据。


相信很多做过网站管理的人对网站访问日志(Access Log)应该不会陌生,现在主流的网站服务器(如apache,tomcat,ngxin等)都支持将日志数据记录到服务器的日志文件中。

网站的访问日志中记录了很多有用的信息,比如正常用户的访问足迹、恶意捣乱的足迹、用户的入站方式、出站页面等信息。对以上信息汇总分类后,可以得到更有价值的东西,比如可以得到搜索引擎的抓取频率和来访时间段、可以得到哪些页面是用户的热搜等。


MaxCompute



下面介绍一个对中小企业客户比较适合的,低成本投入的日志采集存储方案;


对于一个比较活跃的网站来说,访问日志将会是一个海量的数据,考虑到网站日志更新频繁、和海量数据的特点,我选择了Flume + MaxCompute的采集和存储方案。


【大数据新手上路】“零基础”系列课程--Flume收集网站日志数据到MaxCompute

Flume

Flume是一个分布式、高可靠、高可用的海量日志聚合的系统,支持在系统中定制各类数据发送方,用于收集数据;同时,Flume提供对数据进行简单处理,并写到各种数据接受方(可定制)的能力。


MaxCompute

MaxCompute原名是ODPS,是由阿里云自主研发的一款服务,提供针对TB/PB级数据、实时性要求不高的分布式处理能力,它适用于海量数据的存储、计算,商业智能等领域。


flume能够支持多种Source和Sink插件,而我们今天要介绍的就是如何使用Apache flume的 Datahub sink插件将日志数据实时上传到Datahub上然后归档到MaxCompute表中。这样做不需要投入大量人力去对环境进行部署和维护,可以有效降低企业成本,并保障了数据安全,是一个方便高效的运行方案。

 

实验前您需要:

1)拥有Linux系统;

2)拥有一定的开发经验;

3)拥有阿里云官网实名认证账号,并且创建好账号Access Key;

 

本实验您将完成以下任务:

1)安装JDKFlume

2)开通MaxCompute(https://www.aliyun.com/product/odps)Datahub

3)下载并部署Datahub Sink插件;

4)创建需要上传的本地文件;

5)创建Datahub Topic;

6)配置Flume作业配置文件;

7)启动Flume,将数据上传至Datahub;

8)配置Connector将数据归档至MaxCompute。

 

17分钟视频教程】https://yq.aliyun.com/edu/lesson/play/487


实验手册如何实现Flume收集网站日志数据到MaxCompute.pdf


常见问题Flume采集网站日志到MaxCompute常见问题汇总



欢迎加入阿里云数加钉钉群讨论

【大数据新手上路】“零基础”系列课程--Flume收集网站日志数据到MaxCompute

 

上一篇:Elasticsearch 开发人员最佳实践指南—Elastic Stack 实战手册


下一篇:[LeetCode] Self Crossing