Agent 插件

概述

在 Standard Architecture 中，我们可以通过 InLong Agent 来采集各种类型的数据源。InLong Agent 支持以插件的方式扩展新的采集类型，本文将指导开发者如何自定义新的 Agent 采集数据源插件。

核心概念

Task 和 Instance

Task 和 Instance 是 Agent 最核心的两个概念，简单理解：Task 对应管理平台上配置的一个采集任务，而 Instance 则是由 Task 生成的一个具体的采集实例。举个例子，管理平台上有个采集任务的配置： 127.0.0.1 -> /data/log/YYMMDDhh.log._[0-9]+，表示用户需要在 127.0.0.1 这台机器上采集符合 /data/log/YYMMDDhh.log._[0-9]+，这个路径规则的数据，这就是一个 Task。这个 Task 会根据这个路径规则去寻找满足条件的文件，为每个符合条件的文件生成一个对应的 Instance，比如说有/data/log/2024040221.log.0，/data/log/2024040221.log.1，/data/log/2024040221.log.3 3个文件，那么 Task 就会生成 3 个 Instance 分别采集这三个文件的数据。

Source 和 Sink

Source 和 Sink 属于 Instance 下一级的概念，可以简单理解为每个 Instance 都有一个 Source 和 一个 Sink。顾名思义，Source 用于从数据源读取数据；Sink 用于向目标存储写入数据。

开发流程（以 Pulsar 为例）

主流程

• 新增 Task：实现初始化、销毁、配置校验等逻辑。
• 新增 Instance：实现节点信息设置等逻辑。
• 新增 Source：实现初始化、销毁、采集数据、提供数据等逻辑。
• 新增 Sink：实现初始化、销毁、数据输入、数据输出等逻辑（本文只针对新增数据源，Sink 不做介绍，默认 Sink 是 ProxySink）。
• 新增 TaskPojo：处理 Agent 与 Manager 字段上的差异以及绑定 Task、Source 等。

新增 Task

这里就是要在 org.apache.inlong.agent.plugin.task 新增一个 PulsarTask 类。

public class PulsarTask extends AbstractTask {

    @Override
    public boolean isProfileValid(TaskProfile profile) {
        return false;
    }

    @Override
    protected void initTask() {

    }

    @Override
    protected List<InstanceProfile> getNewInstanceList() {
        return null;
    }
}

• initTask：初始化，比如文件采集可以在初始化时进行文件夹监听。
• isProfilevalid：判断任务配置是否合法，每种类型任务的配置会有不同的限制，可以在这里实现。
• releaseTask：释放任务资源，比如文件采集可以在这里取消文件夹监听。
• getNewInstanceList：获取新的实例，比如文件采集时发现有新的文件可以采集。

新增 Instance

在 org.apache.inlong.agent.plugin.instance 增加 PulsarInstance 类，这个类会比较空闲，主要逻辑都是在 CommonInstance 基类里。作用是创建 Source、Sink，从 Source 读数据，然后写入 Sink。我们这里只要实现一下 setInodeInfo 接口即可。除了 FileInstance 比较特殊需要设置文件的 Inode Info，其余的 Instance 类都只要设置成空字符串即可。

public class PulsarInstance extends CommonInstance {

    @Override
    public void setInodeInfo(InstanceProfile profile) {
        profile.set(TaskConstants.INODE_INFO, "");
    }
}

新增 Source

在 org.apache.inlong.agent.plugin.sources 增加 PulsarSource 类：

public class PulsarSource extends AbstractSource {

    @Override
    public boolean sourceExist() {
        return false;
    }

    @Override
    protected void initSource(InstanceProfile profile) {

    }

    @Override
    protected void printCurrentState() {

    }

    @Override
    protected boolean doPrepareToRead() {
        return false;
    }

    @Override
    protected List<SourceData> readFromSource() {
        return null;
    }

    @Override
    protected String getThreadName() {
        return null;
    }

    @Override
    protected boolean isRunnable() {
        return false;
    }

    @Override
    protected void releaseSource() {

    }
}

• initSource：初始化该数据源的基本资源。
• sourceExist：返回当前数据源是否存在，例如文件采集时文件是否被删除。
• printCurrentState：打印当前采集状态，定时调用。
• doPrepareToRead：在读数据之前可以做一些检查，例如文件采集时文件是否被覆盖。
• readFromSource：真正从数据源读取数据，例如从 Kafka SDK、Pulsar SDK 消费数据。
• getThreadName：获取该数据源的工作线程名。
• isRunnable：返回该数据源是否应该继续。
• releaseSource：释放该数据源的资源。

新增 TaskPojo

在 org.apache.inlong.agent.pojo 增加 PulsarTask 类：

public class PulsarTask {

    private String topic;
    private String subscription;

    public static class PulsarTaskConfig {

        private String topic;
        private String subscription;
    }
}

• PulsarTaskConfig 中的字段名称为 Manager 传递的名称，必须与 Manager 定义的字段名称保持一致。
• PulsarTask 中的字段名称以及类型为 Agent 所需。

任务配置

从上面看我们新建了 Task、Instance、Source 等类，而任务配置就是将这些了类串联起来。

在org.apache.inlong.agent.pojo.TaskProfileDto 类中的 convertToTaskProfile 中为 Pulsar 绑定 Task、Source 等：

case PULSAR:
    task.setTaskClass(DEFAULT_PULSAR_TASK);
    PulsarTask pulsarTask = getPulsarTask(dataConfig);
    task.setPulsarTask(pulsarTask);
    task.setSource(PULSAR_SOURCE);
    profileDto.setTask(task);
    break;

• task.source：指定了 Source 类。
• task.sink：指定了 Sink 类。
• task.taskClass：指定了 Task 类。

位点控制

    protected class SourceData {

        private byte[] data;
        private Long offset;
    }

    protected List<SourceData> readFromSource() {
        return null;
    }

我们可以看到，Source 读取数据时每一条数据都会记录其对应的 Offset，这个 Offset 最终在 Sink 端写入成功后才会由 Agent 自动记录。 而在 Source 初始化时会自动读取其对应的 Offset，保存在 AbstractSource 的成员变量 offsetProfile，通过 offsetProfile.getOffset() 可以 获得其 Offset 用于初始化数据源。

    protected void initOffset() {
        offsetProfile = OffsetManager.getInstance().getOffset(taskId, instanceId);
    }

测试

• 审计指标对齐 要求 Agent 采集、Agent 发送、DataProxy 接收 三个指标完全对齐