云原生架构下日志服务数据预处理
更新时间:
直达最佳实践
更多最佳实践
场景描述
某家国际教育机构,提供在线教育服务,其用户主要分布在中美两地,该企业拥抱云计算,在架构设计上也全面采用了云原生服务,本实践将重点聚焦该客户以下几个典型场景:
场景一:跨地域/跨账号数据汇集
场景二:数据内容富化(join维表)
场景三:数据投递/归档、入湖分析
场景四:统一采集,按业务分发分析
场景五:数据监控与智能告警
基于这些场景,本篇实践会介绍对应的解决方案和最佳实践操作手册,方便用户快速对号入座,解决云原生架构下的常见日志难题。
方案优势
数据规整:对混乱格式的日志进行字段提取、格式转换,获取结构化数据以支持后续的流处理、数仓计算。
数据富化:日志(例如业务订单)与维表(例如用户信息MySQL表)进行字段join,为日志添加更多维度信息供分析。
数据分发/汇聚:将全量日志按转发规则分别提取到多个下游存储供不同业务使用。
监控告警:监控大规模数据,触发告警,支持机器学习算法(e.g:智能巡检),通过告警策略配置,对触发的告警进行降噪处理(去重、静默、合并、抑制、路由分派等),然后分派给特定通知渠道(短信、邮件等)。
业务架构
反馈
- 本页导读
文档反馈