Spring Cloud 分佈式實時日誌分析採集三種方案
大家好,我是不才陳某~
ELK 已經成爲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,存儲,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。
-
Filebeat:Filebeat 是一款輕量級,佔用服務資源非常少的數據收集引擎,它是 ELK 家族的新成員,可以代替 Logstash 作爲在應用服務器端的日誌收集引擎,支持將收集到的數據輸出到 Kafka,Redis 等隊列。
-
Logstash:數據收集引擎,相較於 Filebeat 比較重量級,但它集成了大量的插件,支持豐富的數據源收集,對收集的數據可以過濾,分析,格式化日誌格式。
-
Elasticsearch:分佈式數據搜索引擎,基於 Apache Lucene 實現,可集羣,提供數據的集中式存儲,分析,以及強大的數據搜索和聚合功能。
-
Kibana:數據的可視化平臺,通過該 web 平臺可以實時的查看 Elasticsearch 中的相關數據,並提供了豐富的圖表統計功能。
ELK 常見部署架構
1. Logstash 作爲日誌收集器
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,作爲日誌收集器,然後將 Logstash 收集到的數據過濾、分析、格式化處理後發送至 Elasticsearch 存儲,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. Filebeat 作爲日誌收集器
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,佔用服務器資源少,所以使用 Filebeat 作爲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。
3 引入緩存隊列的部署架構
該架構在第二種架構的基礎上引入了 Kafka 消息隊列(還可以是其他消息隊列),將 Filebeat 收集到的數據發送至 Kafka,然後在通過 Logstasth 讀取 Kafka 中的數據,這種架構主要是解決大數據量下的日誌收集方案,使用緩存隊列主要是解決數據安全與均衡 Logstash 與 Elasticsearch 負載壓力。
4. 以上三種架構的總結
第一種部署架構由於資源佔用問題,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消息隊列,除非有其他需求,因爲在數據量較大的情況下,Filebeat 使用壓力敏感協議向 Logstash 或 Elasticsearch 發送數據。
如果 Logstash 正在繁忙地處理數據,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數據。
問題及解決方案
1. 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,屬於同一條日誌的數據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數據進行合併。
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注意,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:正則表達式
-
negate:默認爲 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: '\['
negate: true
match: after
該配置表示將不匹配 pattern 模式的行合併到上一行的末尾
2、multiline 在 Logstash 中的配置方式
input {
beats {
port => 5044
}
}
filter {
multiline {
pattern => "%{LOGLEVEL}\s*\]"
negate => true
what => "previous"
}
}
output {
elasticsearch {
hosts => "localhost:9200"
}
}
(1)Logstash 中配置的 what 屬性值爲 previous,相當於 Filebeat 中的 after,Logstash 中配置的 what 屬性值爲 next,相當於 Filebeat 中的 before。
(2)pattern => "%{LOGLEVEL}\s*\]"
中的 LOGLEVEL 是 Logstash 預製的正則匹配模式,預製的還有好多常用的正則匹配模式,詳細請看:https://github.com/logstash-plugins/logstash-patterns-core/tree/master/patterns
2. 問題:如何將 Kibana 中顯示日誌的時間字段替換爲日誌信息中的時間?
默認情況下,我們在 Kibana 中查看的時間字段與日誌信息中的時間不一致,因爲默認的時間字段值是日誌收集時的當前時間,所以需要將該字段的時間替換爲日誌信息中的時間。
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 的配置文件的過濾器中配置 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" , "(?<customer_time>%{YEAR}%{MONTHNUM}%{MONTHDAY}\s+%{TIME})" ]
}
date {
match => ["customer_time", "yyyyMMdd HH:mm:ss,SSS"] //格式化時間
target => "@timestamp" //替換默認的時間字段
}
}
output {
elasticsearch {
hosts => "localhost:9200"
}
}
如要匹配的日誌格式爲:[DEBUG][20170811 10:07:31,359][DefaultBeanDefinitionDocumentReader:106] Loading bean definitions,解析出該日誌的時間字段的方式有:
① 通過引入寫好的表達式文件,如表達式文件爲 customer_patterns,內容爲:CUSTOMER_TIME %{YEAR}%{MONTHNUM}%{MONTHDAY}\s+%{TIME}
“
注:內容格式爲:[自定義表達式名稱] [正則表達式]
”
然後 logstash 中就可以這樣引用:
filter {
grok {
patterns_dir => ["./customer-patterms/mypatterns"] //引用表達式文件路徑
match => [ "message" , "%{CUSTOMER_TIME:customer_time}" ] //使用自定義的grok表達式
}
}
② 以配置項的方式,規則爲:(?< 自定義表達式名稱> 正則匹配規則),如:
filter {
grok {
match => [ "message" , "(?<customer_time>%{YEAR}%{MONTHNUM}%{MONTHDAY}\s+%{TIME})" ]
}
}
3. 問題:如何在 Kibana 中通過選擇不同的系統日誌模塊來查看數據
一般在 Kibana 中顯示的日誌數據混合了來自不同系統模塊的數據,那麼如何來選擇或者過濾只查看指定的系統模塊的日誌數據?
解決方案:新增標識不同系統模塊的字段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字段,然後在 Kibana 中可以根據該字段來過濾查詢不同模塊的數據,這裏以第二種部署架構講解,在 Filebeat 中的配置內容爲:
filebeat.prospectors:
-
paths:
- /home/project/elk/logs/account.log
input_type: log
multiline:
pattern: '^\['
negate: true
match: after
fields: //新增log_from字段
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 字段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 中創建對應的索引模式匹配,即可在頁面通過索引模式下拉框選擇不同的系統模塊數據。
filebeat.prospectors:
-
paths:
- /home/project/elk/logs/account.log
input_type: log
multiline:
pattern: '^\['
negate: true
match: after
fields: //新增log_from字段
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"]
這裏以第二種部署架構講解,分爲兩步:
① 在 Filebeat 中的配置內容爲:
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 的配置內容爲:
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
”
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 不僅僅可以用來作爲分佈式日誌數據集中式查詢和管理,還可以用來作爲項目應用以及服務器資源監控等場景,更多內容請看官網。
最後說一句(別白嫖,求關注)
陳某每一篇文章都是精心輸出,已經寫了 3 個專欄,整理成 PDF,獲取方式如下:
-
《Spring Cloud 進階》PDF:關注公衆號:【碼猿技術專欄】回覆關鍵詞 Spring Cloud 進階 獲取!
-
《Spring Boot 進階》PDF:關注公衆號:【碼猿技術專欄】回覆關鍵詞 Spring Boot 進階 獲取!
-
《Mybatis 進階》PDF:關注公衆號:【碼猿技術專欄】回覆關鍵詞 Mybatis 進階 獲取!
關注公衆號:【碼猿技術專欄】,公衆號內有超讚的粉絲福利,回覆:加羣,可以加入技術討論羣,和大家一起討論技術,吹牛逼!
碼猿技術專欄 前螞蟻 P8,純粹的技術人,專注於 Java 後端技術分享,只寫外面看不到的乾貨,你想要的都在這裏……
本文由 Readfog 進行 AMP 轉碼,版權歸原作者所有。
來源:https://mp.weixin.qq.com/s/OQ7o3aBIJwkxlUKr9Muq0A