订阅 Kafka 中的数据¶

Datakit 支持从 Kafka 中订阅消息采集链路、指标和日志信息。目前支持 SkyWalking 、Jaeger 以及自定义 Topic。

配置¶

配置文件示例：

主机安装Kubernetes

进入 DataKit 安装目录下的 conf.d/kafkamq 目录，复制 kafkamq.conf.sample 并命名为 kafkamq.conf。示例如下：

[[inputs.kafkamq]]
  addrs = ["localhost:9092"]
  # your kafka version:0.8.2 ~ 3.2.0
  kafka_version = "2.0.0"
  group_id = "datakit-group"
  # consumer group partition assignment strategy (range, roundrobin, sticky)
  assignor = "roundrobin"

  ## rate limit.
  #limit_sec = 100
  ## sample
  # sampling_rate = 1.0

  ## kafka tls config
  # tls_enable = true
  # tls_security_protocol = "SASL_PLAINTEXT"
  # tls_sasl_mechanism = "PLAIN"
  # tls_sasl_plain_username = "user"
  # tls_sasl_plain_password = "pw"

  ## -1:Offset Newest, -2:Offset Oldest
  offsets=-1

  ## skywalking custom
  #[inputs.kafkamq.skywalking]
    ## Required！send to datakit skywalking input.
    #dk_endpoint="http://localhost:9529"
    #thread = 8 
    #topics = [
    #  "skywalking-metrics",
    #  "skywalking-profilings",
    #  "skywalking-segments",
    #  "skywalking-managements",
    #  "skywalking-meters",
    #  "skywalking-logging",
    #]
    #namespace = ""

  ## Jaeger from kafka. Please make sure your Datakit Jaeger collector is open ！！！
  #[inputs.kafkamq.jaeger]
    ## Required！ ipv6 is "[::1]:9529"
    #dk_endpoint="http://localhost:9529"
    #thread = 8 
    #source: agent,otel,others...
    #source = "agent"
    ## Required！ topics
    #topics=["jaeger-spans","jaeger-my-spans"]

  ## user custom message with PL script.
  #[inputs.kafkamq.custom]
    #spilt_json_body = true
    #thread = 8 
    ## spilt_topic_map determines whether to enable log splitting for specific topic based on the values in the spilt_topic_map[topic].
    #[inputs.kafkamq.custom.spilt_topic_map]
    #  "log_topic"=true
    #  "log01"=false
    #[inputs.kafkamq.custom.log_topic_map]
    #  "log_topic"="log.p"
    #  "log01"="log_01.p"
    #[inputs.kafkamq.custom.metric_topic_map]
    #  "metric_topic"="metric.p"
    #  "metric01"="rum_apm.p"
    #[inputs.kafkamq.custom.rum_topic_map]
    #  "rum_topic"="rum_01.p"
    #  "rum_02"="rum_02.p"

  #[inputs.kafkamq.remote_handle]
    ## Required！
    #endpoint="http://localhost:8080"
    ## Required！ topics
    #topics=["spans","my-spans"]
    # send_message_count = 100
    # debug = false
    # is_response_point = true
    # header_check = false

  ## Receive and consume OTEL data from kafka.
  #[inputs.kafkamq.otel]
    #dk_endpoint="http://localhost:9529"
    #trace_api="/otel/v1/trace"
    #metric_api="/otel/v1/metric"
    #trace_topics=["trace1","trace2"]
    #metric_topics=["otel-metric","otel-metric1"]
    #thread = 8 

  ## todo: add other input-mq

配置好后，重启 DataKit 即可。

目前可以通过 ConfigMap 方式注入采集器配置来开启采集器。

注意：自 v1.6.0 开始全部支持采样和速率限制，之前的版本只有自定义消息支持。

配置文件注意的地方：

kafka_version: 长度为 3，例如：1.0.0，1.2.1 等等
offsets: 注意是 Newest 还是 Oldest
SASL : 如果开启了安全认证，请正确配置用户和密码，如果 Kafka 监听地址是域名形式，请在 /etc/hosts 添加映射 IP
自 v1.23.0 开始支持多线程模式。

消费组和消息分区¶

目前采集器采用的消费组模式来消费 Kafka 中的消息，消息的每一个分区只能被一个消费者去消费，同一个消息只能被一个消费者消费，去就是说，如果消息有 5 个分区，则最多有 5 个采集器同时消费，当某一个消费者离线或者无法消费时，kafka 会重新分配消费者的消费分区。所以，当消息量很大的时候可以通过多开分区并增加消费者来实现负载均衡和提高吞吐量。

SkyWalking¶

kafka 插件默认会将 traces/JVM metrics/logging/Instance Properties/profiled snapshots 发送到 Kafka 集群中。

该功能默认是关闭的。需要将 kafka-reporter-plugin-x.y.z.jar 从 agent/optional-reporter-plugins 放到 agent/plugins 目录才会生效。

配置文件及说明：

# skywalking custom
[inputs.kafkamq.skywalking]

  # !!!Required: send to datakit skywalking input.
  dk_endpoint="http://localhost:9529"

  topics = [
    "skywalking-metrics",
    "skywalking-profilings",
    "skywalking-segments",
    "skywalking-managements",
    "skywalking-meters",
    "skywalking-logging",
  ]
  namespace = ""

将注释打开即可开启订阅，订阅的主题在 SkyWalking agent 配置文件 config/agent.config 中。

注意：该采集器只是将订阅的数据转发到 Datakit SkyWalking 采集器中，请打开 SkyWalking 采集器，并将 dk_endpoint 注释打开。

Jaeger¶

配置文件：

# Jaeger from kafka. !!!Note: Make sure Datakit Jaeger collector is open.
[inputs.kafkamq.jaeger]
    ## !!!Required: ipv6 is "[::1]:9529"
    dk_endpoint="http://localhost:9529"

    ## !!!Required: topics 
    topics=["jaeger-spans","jaeger-my-spans"]

注意：该采集器只是将订阅的数据转发到 Datakit Jaeger 采集器中，请打开 jaeger 采集器，并将 dk_endpoint 注释打开。

自定义 Topic¶

有些时候用户使用的并不是市面上常用的工具，有些的三方库并不是开源的，数据结构也不是公开的。这样就需要根据采集到的数据结构手动进行处理，这时候就体现到 Pipeline 的强大之处，用户可通过自定义配置进行订阅并消费消息。

更多的情况往往是现有的系统已经将数据发送到 kafka，而随着开发运维人员迭代，进行修改输出变的复杂难以实现，这时候使用自定义模式便是很好的方式。

配置文件：

# user custom message with PL script.
[inputs.kafkamq.custom]
# spilt_json_body = true
[inputs.kafkamq.custom.spilt_topic_map]
  "log_topic"=true
  "log01"=false
[inputs.kafkamq.custom.log_topic_map]
  "log_topic"="log.p"
  "log"="rum_apm.p"

[inputs.kafkamq.custom.metric_topic_map]
  "metric_topic"="rum_apm.p"

[inputs.kafkamq.custom.rum_topic_map]
  "rum"="rum.p"

注意：metric 的 Pipeline 脚本应该放在 pipeline/metric/ 目录下，RUM 的 Pipeline 脚本应该放到 pipeline/rum/ 目录下。

理论上每一个消息体应该是一条日志或者一个指标，如果您的消息是多条日志，可以使用 spilt_json_body 开启全局 JSON 切割数组功能，同时你也可以使用 spilt_topic_map 开启单个 Topic 的 JSON 切割数组功能，当数据是 JSON 数组，配合 PL 可以将数组切割成单个日志或者指标数据。

消费 OpenTelemetry 数据¶

配置说明：

## Receive and consume OTEL data from kafka.
[inputs.kafkamq.otel]
    dk_endpoint="http://localhost:9529"
    trace_api="/otel/v1/trace" 
    metric_api="/otel/v1/metric"
    trace_topics=["trace1","trace2"]
    metric_topics=["otel-metric","otel-metric1"]

配置文件中的 dk_endpoint trace_api metric_api 对应的是 DataKit 的地址和 OpenTelemetry 采集器的 API 地址。

注意：从 Kafka 中订阅的消息并不会直接进行解析，而是直接发送到 OpenTelemetry 采集器中，所以必须打开 OpenTelemetry 采集器，目前仅支持 x-protobuf 数据流格式。

示例¶

以一个简单的 metric 为例，介绍如何使用自定义配置订阅消息。

当不知道发送到 Kafka 上的数据结构时什么格式时。可以先将 Datakit 的日志级别改为 Debug。将订阅打开，在 Datakit 日志中会有输出。假设拿到的如下数据：

# 打开 debug 日志级别之后，查看日志，Datakit 会将消息信息打印出来。
tailf /var/log/datakit/log | grep "kafka_message"

假设拿到的这是一个 metric 的 JSON 格式纯文本字符串：

{"time": 1666492218, "dimensions": {"bk_biz_id": 225,"ip": "10.200.64.45" },  "metrics": { "cpu_usage_pct": 0.01}, "exemplar": null}

有了数据格式，就可以手写 Pipeline 脚本。登录「观测云 -> 管理 -> 文本处理（Pipeline）编写脚本」。如：

data = load_json(message)
drop_origin_data()

hostip = data["dimensions"]["ip"]
bkzid = data["bk_biz_id"]
cast(bkzid,"sttr")

set_tag(hostip,hostip)
set_tag(bk_biz_id,bkzid)

add_key(cpu_usage_pct,data["metrics"]["cpu_usage_pct"])

# 注意 此处为行协议缺省值，Pipeline 脚本通过之后 这个 message_len 就可以删掉了。
drop_key(message_len)

将文件放到 /usr/local/datakit/pipeline/metric/ 目录下。

注意：指标数据的 Pipeline 脚本放到 metric/ 下，logging 数据的 Pipeline 脚本放到 pipeline/ 目录下。

配置好 Pipeline 脚本，重启 Datakit 即可。

Handle¶

配置文件：

 [inputs.kafkamq.remote_handle]
    ## Required！
    endpoint="http://localhost:8080"
    ## Required！ topics
    topics=["spans","my-spans"]
    send_message_count = 100
    debug = false
    is_response_point = true
    # header_check = false

KafkaMQ 提供一种插件机制：将数据（[]byte）通过 HTTP 发送到外部 handle，经过处理后可以再通过 response 返回行协议的格式数据。实现定制化数据处理。

配置说明：

endpoint Handle 地址
send_message_count 一次发送的消息点数。
topics 消息的 topic 数组
debug bool 值当开启 debug 功能， message_points 则无效，如果开启 debug 模式，则将原始消息体中的数据发送，不再进行消息合并。
is_response_point 是否将行协议数据发送回来
header_check 特殊的头部检测（ bfy 定制化，并非通用）

KafkaMQ 收到消息后，合并成一个包含 send_message_count 条消息的包，发送到指定的 handle 地址上，数据结构如下：

[
  {"topic": "bfySpan", "value": "dmFsdWUx"},
  {"topic": "bfySpan", "value": "dmFsdWUx"},
  {"topic": "bfySpan", "value": "dmFsdWUx"},
  {"topic": "bfySpan", "value": "dmFsdWUx"},
  ...
]

返回的数据应当遵循 v1/write/tracing 接口规定，接口文档

返回的 header 头部也应该说明该数据的类型：默认就是 tracing

X-category=tracing

DataKit 支持数据类型

只要接收到数据就代表 KafkaMQ 将数据发送成功，无论解析如何就应该返回 200，后等待下一个请求。

如果解析失败，则建议将 KafkaMQ 配置中的 debug=true 这时候，不会再进行 JSON 的组装和序列化。而是请求的 body 就是消息本身。

外部插件有一些约束：

KafkaMQ 接收数据但不负责解析后序列化，因为这是定制化开发，无法为所有用户使用。
外部插件解析后的数据可以发送到 dk apis ，也可以返回到 KafkaMQ 再发送到观测云。
通过 response 返回到 KafkaMQ 必须是 行协议格式，如果是 JSON 格式需要带上头部信息： Content-Type:application/json 另外，返回的头部信息也应该带上类型： X-category:tracing 表示这个链路信息。
外部插件收到数据，无论解析失败与否都应该返回 200。
KafkaMQ 发送数据到外部插件如果出现超时，端口不存在等问题。会尝试重连。不再消费 Kafka 中的消息。

基准测试¶

消息的消费能力受限于网络和带宽的限制，所以基准测试只是测试 Datakit 的消费能力而不是 IO 能力。本次测试的机器配置是 4 核 8 线程、16G 内存。测试过程中 CPU 峰值 60%~70%，内存增加 10%。

消息数量	用时	每秒消费能力（条）
100k	5s~7s	16k
1000k	1m30s	11k

另外减少日志输出、关闭 cgroup 限制、增加内网和公网带宽等，可以增加消费能力。

多台 Datakit 负载均衡¶

当消息量很大，一台 Datakit 消费能力不足时可以增加多台 Datakit 进行消费，这里有三点需要注意：

确保 Topic 分区不是一个（至少 2 个），这个可以通过工具 kafka-map查看
确保 KafkaMQ 采集器的配置是 assignor = "roundrobin"（负载均衡策略的一种），group_id="datakit"（组名称必须一致，否则会重复消费）
确保消息的生产者将消息发送多分区，语言不同方法不同这里不列出代码了，自行查找相关实现

FAQ¶

Pipeline script¶

当写好 Pipeline 脚本之后不确定是否能切割正确，可以使用测试命令：

datakit pipeline -P metric.p -T '{"time": 1666492218,"dimensions":{"bk_biz_id": 225,"ip": "172.253.64.45"},"metrics": {"cpu_usage_pct": 0.01}, "exemplar": null}'

切割正确之后，通过在 datakit.conf 中开启数据录制功能，可以查看数据是否正确。

连接失败可能是版本问题，请在配置文件中正确填写 kafka 版本。目前支持的版本列表：[0.8.2] - [3.3.1]

消息堆积¶

开启多线程模式增加消费能力。
如果性能到达瓶颈之后，则扩展物理内存和 CPU 。
增加后端的写入能力。
取消任何网络带宽限制。
增加采集器数量并扩大消息分区数量让更多的消费者消费。
如果上述解决方案依旧无法解决问题，可以使用 bug-report 收集运行时指标分析。

其他问题：通过 datakit monitor 命令查看，或者 datakit monitor -V 查看。

订阅 Kafka 中的数据¶

配置¶

消费组和消息分区¶

SkyWalking¶

Jaeger¶

自定义 Topic¶

消费 OpenTelemetry 数据¶

示例¶

Handle¶

基准测试¶

多台 Datakit 负载均衡¶

FAQ¶

Pipeline script¶

消息堆积¶

文档内容是否对您有帮助？ ×