Flume数据传输事务分析

Flume数据传输事务分析

本文基于ThriftSource,MemoryChannel,HdfsSink三个组件，对Flume数据传输的事务进行分析，如果使用的是其他组件，Flume事务具体的处理方式将会不同。一般情况下，用MemoryChannel就好了，我们公司用的就是这个，FileChannel速度慢，虽然提供日志级别的数据恢复，但是一般情况下，不断电MemoryChannel是不会丢数据的。

Flume提供事物操作，保证用户的数据的可靠性，主要体现在：

• 数据在传输到下个节点时(通常是批量数据)，如果接收节点出现异常，比如网络异常，则回滚这一批数据。因此有可能导致数据重发

• 同个节点内，Source写入数据到Channel,数据在一个批次内的数据出现异常，则不写入到Channel。已接收到的部分数据直接抛弃，靠上一个节点重发数据。

  

编程模型

Flume在对Channel进行Put和Take操作的时候，必须要用事物包住,比如：

Channel ch = new MemoryChannel();Transaction txn = ch.getTransaction();//事物开始txn.begin();try {  Event eventToStage = EventBuilder.withBody("Hello Flume!",                       Charset.forName("UTF-8"));  //往临时缓冲区Put数据  ch.put(eventToStage);  //或者ch.take()  //将这些数据提交到channel中  txn.commit();} catch (Throwable t) {  txn.rollback();  if (t instanceof Error) {    throw (Error)t;  }} finally {  txn.close();}

Put事务流程

Put事务可以分为以下阶段：

• doPut:将批数据先写入临时缓冲区putList
• doCommit:检查channel内存队列是否足够合并。
• doRollback:channel内存队列空间不足，抛弃数据

我们从Source数据接收到写入Channel这个过程对Put事物进行分析。

ThriftSource会spawn多个Worker线程(ThriftSourceHandler)去处理数据，Worker处理数据的接口，我们只看batch批量处理这个接口：

    @Override    public Status appendBatch(List<ThriftFlumeEvent> events) throws TException {      List<Event> flumeEvents = Lists.newArrayList();      for(ThriftFlumeEvent event : events) {        flumeEvents.add(EventBuilder.withBody(event.getBody(),          event.getHeaders()));      }        //ChannelProcessor,在Source初始化的时候传进来.将数据写入对应的Channel        getChannelProcessor().processEventBatch(flumeEvents);        ...      return Status.OK;    }

事务逻辑都在processEventBatch这个方法里：

public void processEventBatch(List<Event> events) {    ...    //预处理每行数据，有人用来做ETL嘛    events = interceptorChain.intercept(events);    ...    //分类数据，划分不同的channel集合对应的数据    // Process required channels    Transaction tx = reqChannel.getTransaction();    ...        //事务开始，tx即MemoryTransaction类实例        tx.begin();        List<Event> batch = reqChannelQueue.get(reqChannel);        for (Event event : batch) {          // 这个put操作实际调用的是transaction.doPut          reqChannel.put(event);        }        //提交，将数据写入Channel的队列中        tx.commit();      } catch (Throwable t) {        //回滚        tx.rollback();        ...      }    }    ...  }

每个Worker线程都拥有一个Transaction实例，保存在Channel(BasicChannelSemantics)里的ThreadLocal变量currentTransaction.

那么，事务到底做了什么？

实际上，Transaction实例包含两个双向阻塞队列LinkedBlockingDeque(感觉没必要用双向队列，每个线程写自己的putList，又不是多个线程？),分别为：

• putList
• takeList

对于Put事物操作，当然是只用到putList了。putList就是一个临时的缓冲区，数据会先put到putList,最后由commit方法会检查channel是否有足够的缓冲区，有则合并到channel的队列。

channel.put -> transaction.doPut：

    protected void doPut(Event event) throws InterruptedException {      //计算数据字节大小      int eventByteSize = (int)Math.ceil(estimateEventSize(event)/byteCapacitySlotSize);      //写入临时缓冲区putList      if (!putList.offer(event)) {        throw new ChannelException(          "Put queue for MemoryTransaction of capacity " +            putList.size() + " full, consider committing more frequently, " +            "increasing capacity or increasing thread count");      }      putByteCounter += eventByteSize;    }

transaction.commit：

@Override    protected void doCommit() throws InterruptedException {      //检查channel的队列剩余大小是否足够      ...      int puts = putList.size();      ...      synchronized(queueLock) {        if(puts > 0 ) {          while(!putList.isEmpty()) {            //写入到channel的队列            if(!queue.offer(putList.removeFirst())) {              throw new RuntimeException("Queue add failed, this shouldn't be able to happen");            }          }        }        //清除临时队列        putList.clear();        ...      }      ...    }

如果在事务期间出现异常，比如channel剩余空间不足，则rollback:

@Override    protected void doRollback() {    ...        //抛弃数据，没合并到channel的内存队列        putList.clear();      ...    }

Take事务

Take事务分为以下阶段：

• doTake:先将数据取到临时缓冲区takeList
• 将数据发送到下一个节点
• doCommit:如果数据全部发送成功，则清除临时缓冲区takeList
• doRollback:数据发送过程中如果出现异常，rollback将临时缓冲区takeList中的数据归还给channel内存队列。

Sink其实是由SinkRunner线程调用Sink.process方法来了处理数据的。我们从HdfsEventSink的process方法说起，Sink类都有个process方法，用来处理传输数据的逻辑。：

public Status process() throws EventDeliveryException {    ...    Transaction transaction = channel.getTransaction();    ...    //事务开始    transaction.begin();    ...      for (txnEventCount = 0; txnEventCount < batchSize; txnEventCount++) {        //take数据到临时缓冲区,实际调用的是transaction.doTake        Event event = channel.take();        if (event == null) {          break;        }        ...      //写数据到HDFS      bucketWriter.append(event);      ...      // flush all pending buckets before committing the transaction      for (BucketWriter bucketWriter : writers) {        bucketWriter.flush();      }      //commit      transaction.commit();      ...    } catch (IOException eIO) {      transaction.rollback();      ...    } finally {      transaction.close();    }  }

大致流程图：

接着看看channel.take，作用是将数据放到临时缓冲区,实际调用的是transaction.doTake:

protected Event doTake() throws InterruptedException {      ...      //从channel内存队列取数据      synchronized(queueLock) {        event = queue.poll();      }      ...      //将数据放到临时缓冲区      takeList.put(event);      ...      return event;    }

接着，HDFS写线程bucketWriter将take到的数据写到HDFS,如果批数据都写完了，则要commit了：

protected void doCommit() throws InterruptedException {    ...    takeList.clear();    ...}

很简单，其实就是清空takeList而已。如果bucketWriter在写数据到HDFS的时候出现异常，则要rollback:

protected void doRollback() {      int takes = takeList.size();      //检查内存队列空间大小，是否足够takeList写回去      synchronized(queueLock) {        Preconditions.checkState(queue.remainingCapacity() >= takeList.size(), "Not enough space in memory channel " +            "queue to rollback takes. This should never happen, please report");        while(!takeList.isEmpty()) {          queue.addFirst(takeList.removeLast());        }        ...      }      ...    }