基于Doris的日志存储分析平台（同步Kafka日志数据）_doris kafka

Kafka日志写入Doris

• 实现方式
  • 采用 Routine Load 官方文档：Routine Load - Apache Doris
  • 采用 SparkStreaming实时消费Kafka后写入Doris，在日志记录场景（只写不删，不覆盖，不聚合...），我们使们前者；
  • Doris 可以通过 Routine Load 导入方式持续消费 Kafka Topic 中的数据。在提交 Routine Load 作业后，Doris 会持续运行该导入作业，实时生成导入任务不断消费 Kakfa 集群中指定 Topic 中的消息。
• 我们的日志数据由log4net推入Kafka后是一串JSON格式，大致如下格式：

[
  {
      "partition": 0,
      "offset": 49,
      "msg": "{\"log_timestamp\":1715752796717,\"business\":\"example.business.project\",\"service\":\"example.service\",\"host_ip\":\"YFB-CTO\",\"level\":\"INFO\",\"logger_name\":\"Web.Controllers.RoleController\",\"message\":\"########### \\u8FD9\\u662F\\u624B\\u52A8\\u8F93\\u51FA\\u7684\\u4E2D\\u6587\\u65E5\\u5FD7\\u4FE1\\u606F ###########\",\"request_path\":null,\"request_parameter\":null,\"request_method\":null,\"request_header\":null,\"status_code\":null,\"request_response_time\":0,\"exception\":null}",
      "timespan": 1715752796716,
      "date": "2024-05-15 13:59:56"
    }
]

• 创建 Routine Load 导入作业
• 语法

•  CREATE ROUTINE LOAD [db.]job_name [ON tbl_name]
    [merge_type]
    [load_properties]
    [job_properties]
    FROM data_source [data_source_properties]
    [COMMENT "comment"]
  

• 在 Doris 中，使用 CREATE ROUTINE LOAD 命令，创建导入作业

• CREATE ROUTINE LOAD biz_log_db.ods_example_service_log_routine_load_json ON ods_example_service_log
      COLUMNS(log_timestamp,business,service,host_ip,level,logger_name,message,request_path,request_parameter,request_method,request_header,response_content,status_code,request_response_time,exception,log_time=from_millisecond(log_timestamp))
      PROPERTIES(
          "desired_concurrent_number"="3",
          "max_batch_interval" = "20",
          "max_batch_rows" = "300000",
          "max_batch_size" = "209715200",
          "strict_mode" = "false",
          "format"="json",
          "jsonpaths"="[\"$.log_timestamp\",\"$.business\",\"$.service\",\"$.host_ip\",\"$.level\",\"$.logger_name\",\"$.message\",\"$.request_path\",\"$.request_parameter\",\"$.request_method\",\"$.request_header\",\"$.response_content\",\"$.status_code\",\"$.request_response_time\",\"$.exception\"]"
      )
      FROM KAFKA(
          "kafka_broker_list" = "192.168.2.111:9092,192.168.2.184:9092,192.168.2.156:9092",
          "kafka_topic" = "example-service-log",
          "property.kafka_default_offsets" = "OFFSET_BEGINNING",
          "property.deserializer.encoding" = "UTF-8"
      )
      COMMENT "示例服务日志记录同步 KAFKA ROUTINE LOAD 配置";
  

• 说明
  • 请参考官方文档：CREATE-ROUTINE-LOAD - Apache Doris
  • 示例中通过 json_root 抽取根节点的元素进行解析，以简化配置。
  • OFFSET_BEGINNING: 表示从有数据的位置开始订阅。
  • 上述配置表示：自动默认消费所有分区，且从有数据的位置（OFFSET_BEGINNING）开始订阅
  • 查看导入运行任务
  • 
  • 查看导入运行作业
    • 创建 routine load 任务之后,可以通过show routine load命令查看运行状态的例行任务，如果在show routine load中没有找到对应的例行任务，则可能因为例行任务失败或者错误数过多被停止或者暂停，使用show all routine load查看所有状态的例行任务。
    • 
  • 暂停导入作业
    • PAUSE-ROUTINE-LOAD - Apache Doris
  • 恢复（重启）导入作业
    • RESUME-ROUTINE-LOAD - Apache Doris
  • 修改导入作业
    • ALTER-ROUTINE-LOAD - Apache Doris
  • 取消(停止)导入作业
    • STOP-ROUTINE-LOAD - Apache Doris
  • 问题排查
    • 先执行“SHOW ALL ROUTINE LOAD;”，找出有问题的ROUTINE-LOAD，拖到最右边，看到“ErrorLogUrls”，如下：
    • 
    • 复制ErrorLogUrls，在浏览器里打开，查看错误信息，如下：
    • 
    • 看一下数据
    • 
    • 最后：经过实测，已经取消的ROUTINE LOAD是没办法手动删除的，Doris会自动删除，不过这个过程等了好几天，过了一个周未才发现自动删除了已经取消的ROUTINE LOAD，如下：
    •