Flowback

项目简介

flowback 亿级消息落库,低成本秒级百兆消息落库方案(单机秒级处理100M/s~300M/s)

亿级数据检索秒级响应,单机秒级落库处理20w+数据,集群可叠加性能

高压缩率的存储节省磁盘空间1GB数据只需要原来的80%~90%存储甚至更低

原本需要接收1GB的数据压缩后只需要200M来传递是原来的1/4，从而节省带宽

适用于大数据落库需求、网关日志收集、各类日志收集、物联网设备数据收集、游戏、app埋点数据收集、大量数据收集统计需求 等等..

功能

• 稳定持续秒级写入20W+消息，磁盘性能稳定情况下几乎无缓冲实时落库
• 秒级统计监控实时接收消息，实时落库消息，实时堆积消息
• 支持集群clickhouse
• 支持本地文件存储数据
• 支持从直接从消息队列直接消费消息，无需入侵性（目前支持rabbitmq更多mq中间件后续可支持）
• 后台实时看版（后续支持）

架构图

设计关键要点

• 使用堆内外缓存方式大量减少GC带来的影响
• Netty作为高性能通信服务使用TCP方式保证消息可靠
• 使用Disruptor缓冲流转消息与多级BlockingQueue组成无锁竞争双缓冲队列
• Clickhouse作为高性能OLAP仓库,活跃于大数据领域,亿级数据秒级响应,数据高压缩率是原数据的80%~90%
• 使用ZSTD压缩算法对消息进行压缩,原1GB只需要200M来传递,是原来的4-5倍
• 实时自动创建表结构拿来即用不需要关心建表问题(大数据量建议手动设计表)
• 使用Mmap技术实现DB故障下兜底保存数据，保证数据不丢失

核心使用技术

• Java 1.8

• SpringBoot 2.2.6

• Netty 4.1.23.Final

• OHC (off-heap-cache)

• Clickhouse

• FastJsoN

• Disruptor

性能压测

采用腾讯云主机单机16核心32G，1T云盘，1 work端发送消息,1 server端接收消息落库16亿条消息耗时8小时

系统资源监控

cpu,内存使用率平稳,磁盘平均写入130M/s

JVM监控

持续8小时落库,堆整体使用率低平稳,堆使用仅有几百兆

检索测试

符合稀疏索引的匹配规则下从16亿数据随意输入匹配条件耗时1s左右,表设计优秀速度更快

安装教程

1. 全新环境Centos7.9部署(自动安装docker,docker-compose)

   • 复制项目/readme/fb文件到目录到任意目录
   • 执行 chmod 777 start.sh
   • 执行 ./start.sh

2. docker & docker-compose 环境部署

   • 复制项目/readme/fb文件到目录到任意目录
   • 执行 docker-compose -f docker-compose-standalone.yaml up -d

spring集成

1. maven client 依赖包（待完善提供）
2. 配置rabbitmq消息队列与队列名称（目前仅支持）
3. 复制work端代码配置，使用ProtocolUtils发送消息，参考WorkClientHandler

参考文献

• Netty相关知识

• http://www.52im.net/

• 京东秒级百G设计方案

• https://my.oschina.net/1Gk2fdm43/blog/5312538

• 京东秒级百G开源

• https://gitee.com/jd-platform-opensource/jlog?_from=gitee_search

• 压缩算法对比

• https://tech.meituan.com/2021/01/07/pack-gzip-zstd-lz4.html

• Clickhouse

• https://clickhouse.com/docs/zh/introduction/performance/

• OHC

• https://www.cnblogs.com/liang1101/p/13499781.html

开发工具

• IDEA

• https://www.jetbrains.com/zh-cn/idea/

• datagrip(数据库可视化工具 )

• https://www.jetbrains.com/datagrip

参与项目

热爱开源,热爱编程。

感兴趣可以加wx一起做开源