로그 데이터 전처리 및 Kafka Produce 처리하기
앞에서는 가상의 로그 데이터를 발생시켰습니다.
이제부터는 로그 파일에 저장된 데이터들을 읽은 뒤, Json 형태로 변경하여 Kafka에 Produce하려고 합니다.
이상적인 그림은 실 서비스에서 유저가 사용하는 이벤트에 대해 직접 API 형태로 구성하면 좋겠지만, 개인 세미 프로젝트 형식으로 진행하기에 이를 로그 파일에 저장한 뒤 읽어 Produce하는 것으로 대체하였습니다.
요구 사항
- 일별 log Generator로 만들어진 Log를 Kafka
log
topic에 Produce - 로그 파일을 각 Key에 맞추어 생성 및 Dictionary로 변환
,
로 나눌 경우 예외 사항이 별도로 필요하여\t
로 split 처리
진행 사항 및 코드
- Kafka Produce, Consume하는 Module을 분리하여 구성
- Logdata 처리 시 양이 많아질 경우 메모리가 터질 수 있으니, generator로 구성
- Logdata 처리 시 Kafka Module을 상속 받아 produce 함수로 구성
-
kafka Topic 미리 생성
1 2 3 4 5 6 7 8 9 10 11
# kafka topic list $ bin/kafka-topics.sh \ --bootstrap-server master:9092,worker:9092.. \ --list $ bin/kafka-topics.sh \ --bootstrap-server master:9092,worker:9092.. \ --replication-factor 3 \ --partitions 3 \ --topic log \ --create
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
# kafka_module.py
from kafka import KafkaProducer
from kafka import KafkaConsumer
from json import dumps
from datetime import datetime
import time
class KafkaInfos:
def __init__(self, topic: str, nodes: list):
self.topic = topic
self.bootstrap_servers = nodes
def set_produce(self, values):
try:
producer = KafkaProducer(
bootstrap_servers=self.bootstrap_servers,
api_version=(2, 5, 0),
acks=0,
compression_type='gzip',
value_serializer=lambda x: dumps(x).encode('utf-8')
)
start = time.time()
print('[Produce] - 메시지 전송을 시작합니다.')
for i, val in enumerate(values, 0):
print(f'{i}번 전송중 {val}')
producer.send(self.topic, value=val)
producer.flush()
producer.close()
print(f'[Produce] 걸린시간: {time.time() - start}')
return {"status": 200}
except Exception as exc:
raise exc
def get_consume(self, option="earliest"):
try:
consumer = KafkaConsumer(
self.topic,
bootstrap_servers=self.bootstrap_servers,
value_deserializer=lambda x: x.decode(
"utf-8"
),
auto_offset_reset=option #default = latest / earliest = 과거 데이터도 consume
)
print(f'[Consume] - 시작')
for message in consumer:
print(f'Partition : {message.partition}, Offset : {message.offset}, Value : {message.value}')
except Exception as exc:
raise exc
finally:
consumer.close()
if __name__ == "__main__":
# example
kafka = KafkaInfos(topic='test', nodes=['ip:port'])
# produce
messages = {
'date': datetime.now(),
'id': '12345',
'status': 200
}
# produce
kafka.set_produce(messages)
# consume
kafka.get_consume()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
# log_data_json_produce.py
from kafka_module import KafkaInfos
class LogData(KafkaInfos):
def __init__(self, logfile_dir, logfile_name):
self.logfile = logfile_dir+logfile_name
self.__bootstrap_servers = ['master:9092', 'worker1:9092', ..]
self.__topic = "log"
super().__init__(self.__topic, self.__bootstrap_servers)
def parsing_read(self):
with open(self.logfile) as f:
f = f.readlines()
for line in f:
userid, ip, log_time, method, status, url, agent, *rest = line.split('\t')
json_log = {
'userid': userid,
'ip': ip,
'log_time': log_time,
'method': method,
'status': status,
'url': url,
'agent': agent,
}
yield json_log
def produce(self):
self.set_produce(self.parsing_read())
if __name__ == "__main__":
logfile_dir = "/Users/"
logfile_name = "/access_log_20231013.log"
logobject = LogData(logfile_dir, logfile_name)
# generator
print(logobject.parsing_read())
# log file read
[print(i) for i in logobject.parsing_read()]
# kafka produce
logobject.produce()
결과
- 1000개의 데이터가 Produce 된 것을 알 수 있습니다.
png t