代碼在GitHub上的鏈接https://github.com/linkedin/white-elephant。

快速入門

你可以在GitHub上的 White Elephant項目check out代碼，或者下載***的snapshot版本。

可以使用一些測試數(shù)據(jù)嘗試這個服務(wù)：

cd server 
ant 
./startup.sh 

然后訪問 http://localhost:3000。它可能需要幾分鐘的時間加載測試數(shù)據(jù)。 

服務(wù)端

服務(wù)端是一個JRuby的web應(yīng)用，在生產(chǎn)環(huán)境中它可以部署到tomcat中，然后可以直接從Hadoop中讀取收集到的數(shù)據(jù)。數(shù)據(jù)存儲在 HyperSQL提供的 in-memory 類型的數(shù)據(jù)庫中，圖表由 Rickshaw提供。

開始使用

開始使用這個服務(wù)之前，首先需要設(shè)置環(huán)境：

cd server 
ant 

默認(rèn)會做以下的事情：

• 安裝JRuby 到 .rbenv下的本地目錄

• 安裝RubyRuby gems到上述目錄

• 下載JAR包

• 在 data/usage下創(chuàng)建測試數(shù)據(jù)

這時候你可以通過下面的命令啟動服務(wù)：

./startup.sh

你可以訪問 http://localhost:3000，它可能需要幾分鐘的時間加載測試數(shù)據(jù)。 

這里使用trinidad在開發(fā)環(huán)境中運行JRuby 網(wǎng)頁應(yīng)用。由于這是在開發(fā)模式，應(yīng)用假設(shè)本地數(shù)據(jù)（在config.yml中指定的路徑）可以使用。

配置

     服務(wù)端的配置在config.yml中指定，你可以在sample_config.yml中查看示例。

     當(dāng)通過./startup.sh 運行在開發(fā)模式中時，sample_config.yml會被使用，并且它和 local目錄下的配置一起生效。這里唯一的可配置參數(shù)是file_pattern，它指定了從本地加載數(shù)據(jù)的目錄。

     當(dāng)打包成WAR并運行在生產(chǎn)模式下，使用hadoop下指定的配置，假設(shè)收集到的數(shù)據(jù)可用，下述配置必須指定：

file_pattern: 從Hadoop加載使用文件的全局的文件模式。

libs: 包含Hadoop JAR文件的目錄 (加到classpath)。

conf_dir: 包含Hadoop配置的目錄(加到 classpath)。

principal: 用戶名用于訪問安全的Hadop。

keytab: keytab 文件的路徑，用于訪問安全的Hadoop 。

White Elephant并不基于某個特定版本的Hadoop，所以JARs并不會打包到WAR包中。因此配置中必須指定到Hadoop JARs的路徑。

部署

編譯一個可以部署到tomcat的WAR文件：

ant war -Dconfig.path=<path-to-config> 

你指定的配置文件config.yml將一起打包到WAR文件中。

Hadoop日志上傳

hadoop/scripts/statsupload.pl腳本可以用于上傳Hadoop日志文件到HDFS，主要就可以被處理了。

Hadoop 作業(yè)

一共兩個Hadoop作業(yè)，都被一個作業(yè)執(zhí)行器管理，并追蹤需要的工作。

***個作業(yè)是Hadoop日志解析器，它從存儲在Hadoop中的文件讀日志，解析出相應(yīng)的信息，并以Avro的格式寫出去。

第二個作業(yè)讀取Avro格式的日志數(shù)據(jù)，并以小時為單位聚合，數(shù)據(jù)以Avro格式寫出去，它本質(zhì)上建立一共數(shù)據(jù)立方體，可以很容易的被wen應(yīng)用加載到DB和查詢。

配置

示例配置存儲在 hadoop/config/jobs:

base.properties: 包括大多配置。

white-elephant-full-usage.job: 處理所有日志時被使用的作業(yè)文件。

white-elephant-incremental-usage.job: 處理增量日志時需要的作業(yè)文件。

base.properties文件包括White Elephant指定的配置，也包括Hadoop配置。所有Hadoop配置參數(shù)以hadoop-conf開頭。兩個job的配置項相同，當(dāng)然其值需要根據(jù)作業(yè)配置。

Hadoop 日志

在base.properties中存在一個參數(shù)log.root。這是解析程序查找Hadoop日志的根目錄。解析作業(yè)假設(shè)日志存儲在Hadoop每天的目錄下，目錄格式如下：


<logs.root>/<cluster-name>/daily/<yyyy>/<MMdd> 

例如，2013年1月23日的目錄格式為：


/data/hadoop/logs/prod/daily/2013/0123 

打包

創(chuàng)建一個包含所有文件的zip包可以通過下述命令生成：

    ant zip -Djob.config.dir=<path-to-job-config-dir>


job.config.dir應(yīng)該包含.properties和.job文件。

如果你使用 Azkaban作為你的作業(yè)調(diào)度器，則zip文件可以工作到base.propreties中指定的配置的時間。

運行

解壓zip文件后可以運行run.sh腳本，這需要配置兩個環(huán)境變量：

• HADOOP_CONF_DIR: Hadoop configuration directory

• HADOOP_LIB_DIR: Hadoop JARs directory

運行全量job：


./run.sh white-elephant-full-usage.job 

運行增量job：


./run.sh white-elephant-incremental-usage.job 

增量作業(yè)只處理增量數(shù)據(jù)，全量作業(yè)處理所有數(shù)據(jù)。

原文鏈接：http://www.cnblogs.com/shenh062326/p/3544868.html