OSSで支えられるライブドアの巨大ログ集計 #nhntech
•
89 likes•7,247 views
Report
Share
OSSで支えられるライブドアの巨大ログ集計 #nhntech
- 1. OSSで支えられる ライブドアの巨大ログ集計 - HiveとFluentd - 第2回 NHNテクノロジーカンファレンス 2012/08/18 TAGOMORI Satoshi (@tagomoris) 12年8月18日土曜日
- 2. TAGOMORI Satoshi (@tagomoris) NHNJapan株式会社 ウェブサービス本部 開発2室 12年8月18日土曜日
- 3. 今日の話 どういうことをやっているかの話 機能とコンポーネント分離の話 規模の拡大とデプロイの話 12年8月18日土曜日
- 5. アクセスログ収集・集計 システム・サービスの稼動状況を明確にする PV, UUの集計 HTTPレスポンスコード毎の割合の時系列変化 レスポンスタイムの統計・時系列変化 そのほか必要に応じたログ調査など 12年8月18日土曜日
- 6. 概要 Web Server Fluentd log Web Server info Graphs (GrowthForecast) log Hive Client query Hive Server Hadoop/HDFS 12年8月18日土曜日
- 7. 構成ソフトウェア Hadoop Cluster (Hadoop, Hive) CDH3u5 + CentOS5 + JDK6 Fluentd Cluster Fluentd 0.10.25 + CentOS5 + Ruby 1.9.3-p194 + jemalloc Others GrowthForecast, HRForecast fluent-agent-lite, Shib, ShibUI 12年8月18日土曜日
- 8. Hive オープンソースプロダクト Hadoop MapReduce のためのDSL(ドメイン特化言語) HiveQL というほぼSQLそのままのものを使える 特に集計・統計においてパフォーマンスが良い Hive Server経由でRPCを使える 12年8月18日土曜日
- 9. Fluentd オープンソースプロダクト 構造化ログ収集用ソフトウェア インストールが簡単、拡張性があり、比較的高速に動作 プラグイン機構を備えていて豊富な公開プラグインが存在 いくつかの機能を使うことでデータ処理にも使用可能 12年8月18日土曜日
- 10. アクセスログ収集・集計 ログ収集・変換: Fluentd 集計処理: Hive リアルタイム統計処理: Fluentd 12年8月18日土曜日
- 11. 概要 Web Server Fluentd log Web Server info Graphs (GrowthForecast) log Hive Client query Hive Server Hadoop/HDFS 12年8月18日土曜日
- 12. 実装の詳細 "Hive Tools in NHN Japan" Hadoop Source Code Reading vol.9 (2012/05/30) http://www.slideshare.net/tagomoris/hive-tools-in-nhn-japan-hadoopreading "Distributed message stream processing on Fluentd" Fluentd meetup in Japan #1 (2012/02/04) http://www.slideshare.net/tagomoris/distributed-stream-processing-on-fluentd-fluentd "Plugins by tagomoris" Fluentd Casual Talks (2012/05/18) http://www.slideshare.net/tagomoris/plugins-by-tagomoris-fluentdcasual 12年8月18日土曜日
- 13. 実装の詳細 ごめん、無理…… "Hive Tools in NHN Japan" 30分 Hadoop Source Code Reading vol.9 (2012/05/30) http://www.slideshare.net/tagomoris/hive-tools-in-nhn-japan-hadoopreading "Distributed message stream processing on Fluentd" Fluentd meetup in Japan #1 (2012/02/04) 60分 30分 http://www.slideshare.net/tagomoris/distributed-stream-processing-on-fluentd-fluentd "Plugins by tagomoris" Fluentd Casual Talks (2012/05/18) 10分 30分 http://www.slideshare.net/tagomoris/plugins-by-tagomoris-fluentdcasual 12年8月18日土曜日
- 14. 集計クエリの登録と実行 Shib / ShibUI の画面でごらんください Shib でのクエリ入力と実行 ShibUI でのクエリ登録、グラフの閲覧 ShibUI でのクエリ作成 12年8月18日土曜日
- 15. Why We Don't Use Data Analytics Services? 12年8月18日土曜日
- 16. なぜ自分達で作るか なぜ Google Analytics (or others)じゃいけないのか？ 根拠: 数字の理由が説明可能でなければならない 再現性: データさえあれば追試可能でなければならない 機能と継続性の問題 機能とコンポーネント分離の話 規模の拡大とデプロイの話 12年8月18日土曜日
- 18. コンポーネント分離 Hadoop / HDFS Hive Server 例:Hive系 Shib (node.js) ShibUI (Perl/Plack Web Application: Kossy) Users (Web Browser) HRForecast 12年8月18日土曜日
- 19. 機能のアップデート ミドルウェアの機能アップデート この分野のツールはアップデートが頻繁にある しかも適用したいアップデートが多い UIツール等の機能アップデート (社内)ユーザ向けの機能の追加・修正など 頻繁に行えないようでは仕事をしているとは言えない 12年8月18日土曜日
- 20. 機能向上のための鉄則 頻繁に、ただし全体を壊さずにアップデートしたい コンポーネント分離を徹底する インターフェイスを明確に定めて疎結合化するため ある箇所の変更の影響範囲をできるだけ小さくするため 小さく、変更内容が追えるツールをOSSで揃える 更新タイミングをコントロール可能な状態を維持する 12年8月18日土曜日
- 22. デプロイ対象 deliver archiver backup servers deliver servers servers worker worker worker worker worker worker worker worker worker servers servers serializer serializer 例:Fluentdクラスタ HDFS (WebHDFS) 12年8月18日土曜日
- 23. 規模の拡大への対応 量の拡大 PV増にともなうアクセスログの増大への対応 「サーバを増やしてリストに追加するだけ」になってる？ バリエーションの拡大 サービス増減に関して手間がかかるようでは駄目 「ログを流せばあとは全自動」になってる？ 私見 「スケールする」と言うとき、両方に対応できているべき 12年8月18日土曜日
- 24. スケールするクラスタ構成の鉄則 変更は少なく、追加は容易に 変更なしでバリエーション増に対応できる設定セットを作る その上で規模の桁が違う一部にだけ特例の設定を行う 汎用の公開ソフトウェアを可能な限りそのまま使う デプロイ手順が複雑な構成はスケールしない できるだけミドルウェアに任せることで複雑さを軽減する 10%+の性能よりもデプロイ容易性の方が価値が高い 12年8月18日土曜日
- 25. 場合によっては あらゆるところに 手を入れる覚悟をしておく 12年8月18日土曜日
- 26. コンセプトの良いOSSを 選んで使う Hive と Fluentd 12年8月18日土曜日
- 27. Thanks! photo: crouton & luke by @kbysmnr 12年8月18日土曜日