歡迎光臨
每天分享高質量文章

分佈式實時日誌分析解決方案 ELK 部署架構

(點擊上方公眾號,可快速關註)


來源:FEINIK ,

my.oschina.net/feinik/blog/1580625

一、概述

ELK 已經成為目前最流行的集中式日誌解決方案,它主要是由Beats、Logstash、Elasticsearch、Kibana等組件組成,來共同完成實時日誌的收集,儲存,展示等一站式的解決方案。本文將會介紹ELK常見的架構以及相關問題解決。

  1. Filebeat:Filebeat是一款輕量級,占用服務資源非常少的資料收集引擎,它是ELK家族的新成員,可以代替Logstash作為在應用服務器端的日誌收集引擎,支持將收集到的資料輸出到Kafka,Redis等佇列。

  2. Logstash:資料收集引擎,相較於Filebeat比較重量級,但它集成了大量的插件,支持豐富的資料源收集,對收集的資料可以過濾,分析,格式化日誌格式。

  3. Elasticsearch:分佈式資料搜索引擎,基於Apache Lucene實現,可集群,提供資料的集中式儲存,分析,以及強大的資料搜索和聚合功能。

  4. Kibana:資料的可視化平臺,通過該web平臺可以實時的查看 Elasticsearch 中的相關資料,並提供了豐富的圖表統計功能。

二、ELK常見部署架構

2.1、Logstash作為日誌收集器

這種架構是比較原始的部署架構,在各應用服務器端分別部署一個Logstash組件,作為日誌收集器,然後將Logstash收集到的資料過濾、分析、格式化處理後發送至Elasticsearch儲存,最後使用Kibana進行可視化展示,這種架構不足的是:Logstash比較耗服務器資源,所以會增加應用服務器端的負載壓力。

2.2、Filebeat作為日誌收集器

該架構與第一種架構唯一不同的是:應用端日誌收集器換成了Filebeat,Filebeat輕量,占用服務器資源少,所以使用Filebeat作為應用服務器端的日誌收集器,一般Filebeat會配合Logstash一起使用,這種部署方式也是目前最常用的架構。 

2.3、引入快取佇列的部署架構

該架構在第二種架構的基礎上引入了Kafka訊息佇列(還可以是其他訊息佇列),將Filebeat收集到的資料發送至Kafka,然後在通過Logstasth讀取Kafka中的資料,這種架構主要是解決大資料量下的日誌收集方案,使用快取佇列主要是解決資料安全與均衡Logstash與Elasticsearch負載壓力。

2.4、以上三種架構的總結

第一種部署架構由於資源占用問題,現已很少使用,目前使用最多的是第二種部署架構,至於第三種部署架構個人覺得沒有必要引入訊息佇列,除非有其他需求,因為在資料量較大的情況下,Filebeat 使用壓力敏感協議向 Logstash 或 Elasticsearch 發送資料。如果 Logstash 正在繁忙地處理資料,它會告知 Filebeat 減慢讀取速度。擁塞解決後,Filebeat 將恢復初始速度並繼續發送資料。

三、問題及解決方案

問題:如何實現日誌的多行合併功能?

系統應用中的日誌一般都是以特定格式進行打印的,屬於同一條日誌的資料可能分多行進行打印,那麼在使用ELK收集日誌的時候就需要將屬於同一條日誌的多行資料進行合併。

解決方案:使用Filebeat或Logstash中的multiline多行合併插件來實現

在使用multiline多行合併插件的時候需要註意,不同的ELK部署架構可能multiline的使用方式也不同,如果是本文的第一種部署架構,那麼multiline需要在Logstash中配置使用,如果是第二種部署架構,那麼multiline需要在Filebeat中配置使用,無需再在Logstash中配置multiline。

1、multiline在Filebeat中的配置方式:

filebeat.prospectors:

    –

       paths:

          – /home/project/elk/logs/test.log

       input_type: log 

       multiline:

            pattern: ‘^\[‘

            negate: true

            match: after

output:

   logstash:

      hosts: [“localhost:5044”]

  • pattern:正則運算式

  • negate:預設為false,表示匹配pattern的行合併到上一行;true表示不匹配pattern的行合併到上一行

  • match:after表示合併到上一行的末尾,before表示合併到上一行的行首

如:

pattern: ‘\[‘

negate: true

match: after

該配置表示將不匹配pattern樣式的行合併到上一行的末尾

2、multiline在Logstash中的配置方式

input {

  beats {

    port => 5044

  }

}

 

filter {

  multiline {

    pattern => “%{LOGLEVEL}\s*\]”

    negate => true

    what => “previous”

  }

}

 

output {

  elasticsearch {

    hosts => “localhost:9200”

  }

}

(1)Logstash中配置的what屬性值為previous,相當於Filebeat中的after,Logstash中配置的what屬性值為next,相當於Filebeat中的before。

(2)pattern => “%{LOGLEVEL}\s*\]” 中的LOGLEVEL是Logstash預製的正則匹配樣式,預製的還有好多常用的正則匹配樣式,詳細請看:https://github.com/logstash-plugins/logstash-patterns-core/tree/master/patterns

問題:如何將Kibana中顯示日誌的時間欄位替換為日誌信息中的時間?

預設情況下,我們在Kibana中查看的時間欄位與日誌信息中的時間不一致,因為預設的時間欄位值是日誌收集時的當前時間,所以需要將該欄位的時間替換為日誌信息中的時間。

解決方案:使用grok分詞插件與date時間格式化插件來實現

在Logstash的配置檔案的過濾器中配置grok分詞插件與date時間格式化插件,如:

input {

  beats {

    port => 5044

  }

}

 

filter {

  multiline {

    pattern => “%{LOGLEVEL}\s*\]\[%{YEAR}%{MONTHNUM}%{MONTHDAY}\s+%{TIME}\]”

    negate => true

    what => “previous”

  }

 

  grok {

    match => [ “message” , “(?%{YEAR}%{MONTHNUM}%{MONTHDAY}\s+%{TIME})” ]

  }

 

  date {

        match => [“customer_time”, “yyyyMMdd HH:mm:ss,SSS”] //格式化時間

        target => “@timestamp” //替換預設的時間欄位

  }

}

 

output {

  elasticsearch {

    hosts => “localhost:9200”

  }

}

如要匹配的日誌格式為:“[DEBUG][20170811 10:07:31,359][DefaultBeanDefinitionDocumentReader:106] Loading bean definitions”,解析出該日誌的時間欄位的方式有:

① 通過引入寫好的運算式檔案,如運算式檔案為customer_patterns,內容為:

CUSTOMER_TIME %{YEAR}%{MONTHNUM}%{MONTHDAY}\s+%{TIME}

註:內容格式為:[自定義運算式名稱] [正則運算式]

然後logstash中就可以這樣取用:

filter {

  grok {

      patterns_dir => [“./customer-patterms/mypatterns”] //取用運算式檔案路徑

      match => [ “message” , “%{CUSTOMER_TIME:customer_time}” ] //使用自定義的grok運算式

  }

}

② 以配置項的方式,規則為:(?正則匹配規則),如:

filter {

  grok {

    match => [ “message” , “(?%{YEAR}%{MONTHNUM}%{MONTHDAY}\s+%{TIME})” ]

  }

}

問題:如何在Kibana中通過選擇不同的系統日誌模塊來查看資料

一般在Kibana中顯示的日誌資料混合了來自不同系統模塊的資料,那麼如何來選擇或者過濾只查看指定的系統模塊的日誌資料?

解決方案:新增標識不同系統模塊的欄位或根據不同系統模塊建ES索引

1、新增標識不同系統模塊的欄位,然後在Kibana中可以根據該欄位來過濾查詢不同模塊的資料

這裡以第二種部署架構講解,在Filebeat中的配置內容為:

filebeat.prospectors:

    –

       paths:

          – /home/project/elk/logs/account.log

       input_type: log 

       multiline:

            pattern: ‘^\[‘

            negate: true

            match: after

       fields: //新增log_from欄位

         log_from: account

 

    –

       paths:

          – /home/project/elk/logs/customer.log

       input_type: log 

       multiline:

            pattern: ‘^\[‘

            negate: true

            match: after

       fields:

         log_from: customer

output:

   logstash:

      hosts: [“localhost:5044”]

通過新增:log_from欄位來標識不同的系統模塊日誌

2、根據不同的系統模塊配置對應的ES索引,然後在Kibana中創建對應的索引樣式匹配,即可在頁面通過索引樣式下拉框選擇不同的系統模塊資料。

這裡以第二種部署架構講解,分為兩步:

① 在Filebeat中的配置內容為:

filebeat.prospectors:

    –

       paths:

          – /home/project/elk/logs/account.log

       input_type: log 

       multiline:

            pattern: ‘^\[‘

            negate: true

            match: after

       document_type: account

 

    –

       paths:

          – /home/project/elk/logs/customer.log

       input_type: log 

       multiline:

            pattern: ‘^\[‘

            negate: true

            match: after

       document_type: customer

output:

   logstash:

      hosts: [“localhost:5044”]

通過document_type來標識不同系統模塊

② 修改Logstash中output的配置內容為:

output {

  elasticsearch {

    hosts => “localhost:9200”

    index => “%{type}”

  }

}

在output中增加index屬性,%{type}表示按不同的document_type值建ES索引

四、總結

本文主要介紹了ELK實時日誌分析的三種部署架構,以及不同架構所能解決的問題,這三種架構中第二種部署方式是時下最流行也是最常用的部署方式,最後介紹了ELK作在日誌分析中的一些問題與解決方案,說在最後,ELK不僅僅可以用來作為分佈式日誌資料集中式查詢和管理,還可以用來作為專案應用以及服務器資源監控等場景,更多內容請看官網。

【關於投稿】


如果大家有原創好文投稿,請直接給公號發送留言。


① 留言格式:
【投稿】+《 文章標題》+ 文章鏈接

② 示例:
【投稿】《不要自稱是程式員,我十多年的 IT 職場總結》:http://blog.jobbole.com/94148/

③ 最後請附上您的個人簡介哈~



看完本文有收穫?請轉發分享給更多人

關註「ImportNew」,提升Java技能

赞(0)

分享創造快樂