日誌是分析線上問題的重要手段，通常我們會把日誌輸出到控制檯或者本地檔案中，排查問題時通過根據關鍵字搜尋本地日誌，但越來越多的公司，專案開發中採用分散式的架構，日誌會記錄到多個伺服器或者檔案中，分析問題時可能需要檢視多個日誌檔案才能定位問題，如果相關專案不是一個團隊維護時溝通成本更是直線上升。把各個系統的日誌聚合並通過關鍵字連結一個事務處理請求，是分析分散式系統問題的有效的方式。

ELK(elasticsearch+logstash+kibana)是目前比較常用的日誌分析系統，包括日誌收集(logstash)，日誌儲存搜尋(elasticsearch)，展示查詢(kibana)，我們使用ELK作為日誌的儲存分析系統並通過為每個請求分配requestId連結相關日誌。ELK具體結構如下圖所示:

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等元件組成，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，佔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作為在應用伺服器端的日誌收集引擎，支援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，但它集成了大量的外掛，支援豐富的資料來源收集，對收集的資料可以過濾，分析，格式化日誌格式。

3. Elasticsearch：分散式資料搜尋引擎，基於Apache Lucene實現，可叢集，提供資料的集中式儲存，分析，以及強大的資料搜尋和聚合功能。

4. Kibana：資料的視覺化平臺，通過該web平臺可以實時的檢視 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，在各應用伺服器端分別部署一個Logstash元件，作為日誌收集器，然後將Logstash收集到的資料過濾、分析、格式化處理後傳送至Elasticsearch儲存，最後使用Kibana進行視覺化展示，這種架構不足的是：Logstash比較耗伺服器資源，所以會增加應用伺服器端的負載壓力。

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，佔用伺服器資源少，所以使用Filebeat作為應用伺服器端的日誌收集器，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收集到的資料傳送至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 傳送資料。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傳送資料。

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列印的，屬於同一條日誌的資料可能分多行進行列印，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多行合併外掛來實現

在使用multiline多行合併外掛的時候需要注意，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：正則表示式

• 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中顯示日誌的時間欄位替換為日誌資訊中的時間？

預設情況下，我們在Kibana中檢視的時間欄位與日誌資訊中的時間不一致，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資訊中的時間。

解決方案：使用grok分詞外掛與date時間格式化外掛來實現

在Logstash的配置檔案的過濾器中配置grok分詞外掛與date時間格式化外掛，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 通過引入寫好的表示式檔案，如表示式檔案為customer_patterns，內容為：
CUSTOMER_TIME %{YEAR}%{MONTHNUM}%{MONTHDAY}\s+%{TIME}

注：內容格式為：[自定義表示式名稱] [正則表示式]

然後logstash中就可以這樣引用：

filter {
  grok {
      patterns_dir => ["./customer-patterms/mypatterns"] //引用表示式檔案路徑
      match => [ "message" , "%{CUSTOMER_TIME:customer_time}" ] //使用自定義的grok表示式
  }
}

② 以配置項的方式，規則為：(?<自定義表示式名稱>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組來檢視資料

一般在Kibana中顯示的日誌資料混合了來自不同系統模組的資料，那麼如何來選擇或者過濾只檢視指定的系統模組的日誌資料？

解決方案：新增標識不同系統模組的欄位或根據不同系統模組建ES索引

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

2、根據不同的系統模組配置對應的ES索引，然後在Kibana中建立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組資料。

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來標識不同系統模組

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散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伺服器資源監控等場景，更多內容請看官網。

看完本文有收穫？請轉發分享給更多人

歡迎關注“暢聊架構”，我們分享最有價值的網際網路技術乾貨文章，助力您成為有思想的全棧架構師，我們只聊網際網路、只聊架構！打造最有價值的架構師圈子和社群。

長按下方的二維碼可以快速關注我們