内容简介:本文是基于ruby-china上提出的开源日志收集方案所作的实践方案的提出在这篇:
本文是基于ruby-china上提出的开源日志收集方案所作的实践
方案的提出在这篇:
李华顺: InfluxDB + Grafana 快速搭建自己的 NewRelic,分析应用运行情况
安装
InfluxDB
用HomeBrew
$ brew update $ brew install influxdb
Grafana
$ wget http://grafanarel.s3.amazonaws.com/grafana-1.9.1.tar.gz $ tar zxf grafana-1.9.1.tar.gz $ cd grafana-1.9.1 $ python -m SimpleHTTPServer Serving HTTP on 0.0.0.0 port 8000 ...
Fluentd
因为我们依赖于 Fluentd
做日志收集,我们后台用的ruby,所以直接用gem安装就好了
$ gem install fluentd
收集打点
huacnLee的方案中,主要是对Rails提供的web服务的监控,所以只需要用到 ActiveSupport::Notifications.subscribe
订阅Controller::Action就好
在我们的后台主要是Grape提供API服务,所以我们需要利用Rack和Grape的中间件机制,插入到API运行的过程中,获取运行数据
如果是直接让Service把数据导入到influxdb在高并发下可能会有效率问题,所以采用各个Service先写log文件,Fluentd采集数据,上传数据库的方式
日志记录我们用最简单的 Ruby 自带的Logger就行了,当然还有其他方案,只要最后输出JSON就行了
Rack
在这一层面上,我们不需要自己统计运行时间,我们只需要拿到 ResponseHeader
中的 X-Runtime
就行了
equire 'logger' require 'json' require 'time' module WhosvPerformance module Rack class WhosvRackDebugger def initialize(app) @app = app end def call(env) @env = env before_log status, headers, body = @app.call env log_runtime headers [status, headers, body] end private def before_log @whosv_performance_logger = Logger.new('rpm.log') original_formatter = Logger::Formatter.new @whosv_performance_logger.formatter = proc { |severity, datetime, progname, msg| {:severity => severity,:datetime => datetime.strftime("%Y-%m-%d %H:%M:%S")}.merge(msg).to_json << "\n" } end def log_runtime headers @whosv_performance_logger.info ({:method => @env['REQUEST_METHOD'],:path => @env['REQUEST_PATH'],:runtime => headers['X-Runtime'].to_f,:component=>"Rack"}) end end end end
当然你需要把你的中间件插入到Rails的RackStack里面,注意顺序,由于RackMiddlewares的结构是栈,FILO,需要插到Runtime插件之上
config.middleware.insert_before Rack::Runtime,WhosvPerformance::Rack::WhosvRackDebugger
Grape
require 'logger' require 'json' require 'time' module API module Middleware class WhosvPerformance < Grape::Middleware::Base def before @whosv_performance_logger = Logger.new('rpm.log') original_formatter = Logger::Formatter.new @whosv_performance_logger.formatter = proc { |severity, datetime, progname, msg| {:severity => severity,:datetime => datetime.strftime("%Y-%m-%d %H:%M:%S")}.merge(msg).to_json << "\n" } @whosv_start_time = Time.now puts @app nil end def after puts "End Grape" @whosv_end_time = Time.now whosv_api_runtime = @whosv_end_time - @whosv_start_time @whosv_performance_logger.info result_runtime(whosv_api_runtime) nil end private def result_runtime runtime { :method => @env['REQUEST_METHOD'], :path => @env['REQUEST_PATH'], :runtime => runtime, :component => 'Grape' } end end end end
这里有一点需要注意,可能你发现有时候Rack记到了点,但是Grape没有记录到,因为如果你需要在Grape中在半路不显示return,但需要结束整个api调用
所以你用了 error!(hash,status)
方法
该方法是 Grape::DSL
提供的内置方法,他会抛出一个 :error
,所以你的收集代码运行,就被catch住了
订阅日志
我们用Fluentd内置的input插件来收集,输出需要安装 fluent-plugin-influxdb 的插件
安装:
$ fluent-gem install fluent-plugin-influxdb
注意最后可能你的安装版本略旧,怎么也没法上传,这时候用源码替换一下
配置
我们用tail方式监听文件变动,该插件是一个基于buffered的fluentd插件,默认flush时间是60秒,所以结果并非是实时的
## File input ## read apache logs with tag=apache.access <source> @type tail format json time_key datetime time_format %Y-%m-%d %H:%M:%S path /Users/megrez/Code/whosv/whosv-rails/rpm.log pos_file /Users/megrez/Code/whosv/whosv-rails/rpm.log.pos tag api.performance </source> <match api.performance> @type influxdb host localhost port 8086 dbname whosv_rails_dev user root password root time_precision s </match>
Grafana
按之前的帖子配置一下Grafana
就能看到界面,里面的图按照自己的需求画就行了,这块就比较简单了
总结
整个方案比较轻量级,比之 Flume-ng + Apache-Avro + MQ + Kafka + Storm/Hadoop + Kibana
要容易很多
我觉得比较适合后端是Ruby的项目,在收集器这方面我只是做了一些尝试,具体可以参考
Measuring Performance in Grape APIs With NewRelic RPM
stevebartholomew/newrelic_moped
以上包括了Grape层面的记录,数据库查询等的记录等
数据有了,分析的方法可能还比较局限,包括InfluxDB本身还不完善,主要还是适用于时间序列的分析
方案离实践还比较远,还需要做很多工作,本文权当抛砖引玉
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
机器与人:埃森哲论新人工智能
【美】保罗•多尔蒂 詹姆斯•威尔逊 / 赵亚男 / 中信出版社 / 2018-10-1 / 49.00元
自人工智能问世以来,人们普遍持有人机对立的观点,且无时无刻不在害怕自己的工作会被人工智能取代。作者认为,是时候抛开这些无谓的担忧了,因为人类社会正走向一个与机器共融共生的时代。 未来的新型工作模式是什么?未来有哪些工作不会被人工智能取代?人工智能时代重要的生存技能是什么?本书围绕这三大核心问题做了透彻的分析。作者带我们见识了置于业务流程背景之下的人工智能,阐述了其在不同职能部门中起到的推动作......一起来看看 《机器与人:埃森哲论新人工智能》 这本书的介绍吧!
随机密码生成器
多种字符组合密码
RGB HSV 转换
RGB HSV 互转工具