app-protocol-stat-traffic-merge

Live Traffic Chart统计程序，基于协议栈拆分多流聚合，存储到协议与应用统计表中，使用增量窗口计算，统计周期5秒，watermark5秒。

数据源

以下不论基于哪种计算，Topic均为NETWORK-TRAFFIC-METRICS

1.app-protocol-stat-traffic-agent程序基于已关闭/过渡会话日志统计Application and Protocol Metrics，聚合粒度为1秒。（TSG 23.05版本）

2.功能端进行统计产生的Application and Protocol Metrics数据，聚合粒度为1秒。（≥TSG 23.05版本）

操作

1.过滤Measurement Name是traffic_application_protocol_stat的数据。

2.基于Tags内容进行分组统计。

3.拆分protocol_stack_id协议树为多个节点，例如：ETHERNET.IPv4.TCP.https.kingsoft.wps_office，每个节点ID为

1. ETHERNET
2. ETHERNET.IPv4
3. ETHERNET.IPv4.TCP
4. ETHERNET.IPv4.TCP.https
5. ETHERNET.IPv4.TCP.https.kingsoft
6. ETHERNET.IPv4.TCP.https.kingsoft.wps_office

为避免展示重复的协议，拆分应去除Decoded Path（最后一个元素）与 Application（第一个元素）重复的基础协议，例如：{"protocol_label": "ETHERNET.IPv4.TCP.dns","app_full_path": "dns"}

1. ETHERNET
2. ETHERNET.IPv4
3. ETHERNET.IPv4.TCP
4. ETHERNET.IPv4.TCP.dns

将protocol_label内最后的一个基础协议去除

4.app_name仅在终端节点输出。

5.输出结果时Measurement Name=application_protocol_stat。

启动

Standalone:

flink run [-p parallelism] -c com.zdjizhi.topology.ApplicationProtocolTopology app-protocol-stat-traffic-merge-[version].jar app.properties

Yarn:

flink run -t yarn-per-job -Djobmanager.memory.process.size=1024m -Dtaskmanager.memory.process.size=2048m -Dyarn.application.name=APP-PROTOCOL-STAT-TRAFFIC-MERGE -Dtaskmanager.numberOfTaskSlots=1 -d -p 3 -c com.zdjizhi.topology.ApplicationProtocolTopology app-protocol-stat-traffic-merge-[version].jar app.properties

配置项说明

配置项	类型	必填	默认值	含义
source.kafka.topic	STRING	Y		数据源的Kafka Topic 名称
source.kafka.props.*	STRING	N		数据源的Kafka 消费者连接相关参数
startup.mode	STRING	N	group	数据源消费策略（group：从当前消费组的偏移量开始，latest：从分区最新的偏移量开始，earliest：从分区最早的偏移量开始）
sink.kafka.topic	STRING	Y		数据输出的Kafka Topic 名称
sink.kafka.props.*	STRING	N		数据输出的Kafka 生产者连接相关参数
count.window.time	INT	N	5	聚合窗口大小（单位：秒）
watermark.max.orderness	INT	N	5	乱序数据的最大延迟时间（单位：秒）
log.failures.only	BOOLEAN	N	false	true：生产者出现错误时任务失败，false：只记录错误信息
measurement.name	STRING	N	application_protocol_stat	数据输出时的指标标识名称