分布式實時日誌分析解決方案ELK部署架構
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，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。
1. Filebeat：Filebeat是一款輕量級，占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。
2. 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。
3. Elasticsearch：分布式數據搜索引擎，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。
4. 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。
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。
2.2 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。
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。
三、問題及解決方案
問題：如何實現日誌的多行合並功能？
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，那麽在使用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並。
解決方案：使用Filebeat或Logstash中的multiline多行合並插件來實現
在使用multiline多行合並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，那麽multiline需要在Logstash中配置使用，如果是第二種部署架構，那麽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的行合並到上一行；true表示不匹配pattern的行合並到上一行
match：after表示合並到上一行的末尾，before表示合並到上一行的行首
如：
pattern: ‘\[‘
negate: true
match: after
該配置表示將不匹配pattern模式的行合並到上一行的末尾
2、multiline在Logstash中的配置方式
input {
beats {
port => 5044
}
}
filter {
multiline {
pattern => "%{LOGLEVEL}\s*\]"
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預制的正則匹配模式，預制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" , "(?<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}
註：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：(?<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})" ]
}
}
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，那麽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。
這裏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布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。
出處：https://my.oschina.net/feinik/blog/1580625
分布式實時日誌分析解決方案ELK部署架構