ELKB簡介
ELKB 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,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作為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,可集群,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。
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。
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,佔用服務器資源少,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。
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。
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,因為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
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
問題:如何將Kibana中顯示日誌的時間字段替換為日誌信息中的時間?
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,因為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" , "(?%{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為:“[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,如表達式文件為customer_patterns,內容為:
CUSTOMER_TIME %{YEAR}%{MONTHNUM}%{MONTHDAY}\s+%{TIME}
注:內容格式為:[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。
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
總結
本文主要介紹了ELKB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ELKB作在日誌分析中的一些問題與解決方案,說在最後,ELKB不僅僅可以用來作為分佈式日誌數據集中式查詢和管理,還可以用來作為項目應用以及服務器資源監控等場景,更多內容請看官網。