你頭疼的ELK難題，本文幾乎都解決了

時間  2020-04-13
標籤 頭疼 elk 難題 本文 幾乎 解決 欄目 應用數學 简体版
原文   原文鏈接

作了幾周的測試，踩了無數的坑，總結一下，全是乾貨，給你們分享~html

1、ELK實用知識點總結java

一、編碼轉換問題linux

這個問題，主要就是中文亂碼。ios

input中的codec=>plain轉碼：golang

codec => plain {
charset => "GB2312"
}

將GB2312的文本編碼，轉爲UTF-8的編碼。面試

也能夠在filebeat中實現編碼的轉換（推薦）：redis

filebeat.prospectors:
- input_type: log
paths:
- c:\Users\Administrator\Desktop\performanceTrace.txt

encoding: GB2312

二、刪除多餘日誌中的多餘行數據庫

logstash filter中drop刪除：bootstrap

if ([message] =~ "^20.*-\ task\ request,.*,start\ time.*") { 
#用正則需刪除的多餘行  
  
drop{}  
  
}

日誌示例：vim

2018-03-20 10:44:01,523 [33]DEBUG Debug - task request,task Id:1cbb72f1-a5ea-4e73-957c-6d20e9e12a7a,start time:2018-03-20 10:43:59 #需刪除的行

-- Request String :

{"UserName":"15046699923","Pwd":"ZYjyh727","DeviceType":2,"DeviceId":"PC-20170525SADY","EquipmentNo":null,"SSID":"pc","RegisterPhones":null,"AppKey":"ab09d78e3b2c40b789ddfc81674bc24deac","Version":"2.0.5.3"} -- End

-- Response String :{"ErrorCode":0,"Success":true,"ErrorMsg":null,"Result":null,"WaitInterval":30} -- End

三、grok處理多種日誌不一樣的行

日誌示例：

2018-03-20 10:44:01,523 [33]DEBUG Debug - task request,task Id:1cbb72f1-a5ea-4e73-957c-6d20e9e12a7a,start time:2018-03-20 10:43:59

-- Request String :
{"UserName":"15046699923","Pwd":"ZYjyh727","DeviceType":2,"DeviceId":"PC-20170525SADY","EquipmentNo":null,"SSID":"pc","RegisterPhones":null,"AppKey":"ab09d78e3b2c40b789ddfc81674bc24deac","Version":"2.0.5.3"} -- End

-- Response String :
{"ErrorCode":0,"Success":true,"ErrorMsg":null,"Result":null,"WaitInterval":30} -- End

在logstash filter中grok分別處理3行：

match => {

"message" => "^20.*-\ task\ request,.*,start\ time\:%{TIMESTAMP_ISO8601:RequestTime}"

match => {

"message" => "^--\ Request\ String\ :\ \{\"UserName\":\"%{NUMBER:UserName:int}\",\"Pwd\":\"(?<Pwd>.*)\",\"DeviceType\":%{NUMBER:DeviceType:int},\"DeviceId\":\"(?<DeviceId>.*)\",\"EquipmentNo\":(?<EquipmentNo>.*),\"SSID\":(?<SSID>.*),\"RegisterPhones\":(?<RegisterPhones>.*),\"AppKey\":\"(?<AppKey>.*)\",\"Version\":\"(?<Version>.*)\"\}\ --\ \End.*"
}

match => {
"message" => "^--\ Response\ String\ :\ \{\"ErrorCode\":%{NUMBER:ErrorCode:int},\"Success\":(?<Success>[a-z]*),\"ErrorMsg\":(?<ErrorMsg>.*),\"Result\":(?<Result>.*),\"WaitInterval\":%{NUMBER:WaitInterval:int}\}\ --\ \End.*"
}
... 等多行

四、日誌多行合併處理—multiline插件（重點）

示例：

①日誌

2018-03-20 10:44:01,523 [33]DEBUG Debug - task request,task Id:1cbb72f1-a5ea-4e73-957c-6d20e9e12a7a,start time:2018-03-20 10:43:59

-- Request String :

{"UserName":"15046699923","Pwd":"ZYjyh727","DeviceType":2,"DeviceId":"PC-20170525SADY","EquipmentNo":null,"SSID":"pc","RegisterPhones":null,"AppKey":"ab09d78e3b2c40b789ddfc81674bc24deac","Version":"2.0.5.3"} -- End

-- Response String :

{"ErrorCode":0,"Success":true,"ErrorMsg":null,"Result":null,"WaitInterval":30} -- End

②logstash grok對合並後多行的處理。合併多行後續都同樣，以下：

filter {　
grok {      

match => {
"message" => "^%{TIMESTAMP_ISO8601:InsertTime}\ .*-\ task\ request,.*,start\ time:%{TIMESTAMP_ISO8601:RequestTime}\n--\ Request\ String\ :\ \{\"UserName\":\"%{NUMBER:UserName:int}\",\"Pwd\":\"(?<Pwd>.*)\",\"DeviceType\":%{NUMBER:DeviceType:int},\"DeviceId\":\"(?<DeviceId>.*)\",\"EquipmentNo\":(?<EquipmentNo>.*),\"SSID\":(?<SSID>.*),\"RegisterPhones\":(?<RegisterPhones>.*),\"AppKey\":\"(?<AppKey>.*)\",\"Version\":\"(?<Version>.*)\"\}\ --\ \End\n--\ Response\ String\ :\ \{\"ErrorCode\":%{NUMBER:ErrorCode:int},\"Success\":(?<Success>[a-z]*),\"ErrorMsg\":(?<ErrorMsg>.*),\"Result\":(?<Result>.*),\"WaitInterval\":%{NUMBER:WaitInterval:int}\}\ --\ \End" 
}  
}
}

在filebeat中使用multiline插件（推薦）：

①介紹multiline

  • pattern：正則匹配從哪行合併；
  • negate：true/false，匹配到pattern 部分開始合併，仍是不配到的合併。

match：after/before（需本身理解）

  • after：匹配到pattern 部分後合併，注意：這種狀況最後一行日誌不會被匹配處理；
  • before：匹配到pattern 部分前合併（推薦）。

②5.5版本以後（before爲例）

filebeat.prospectors:
- input_type: log
paths:
- /root/performanceTrace*
fields:
type: zidonghualog
multiline.pattern: '.*\"WaitInterval\":.*--\ End'
multiline.negate: true
multiline.match: before

③5.5版本以前（after爲例）

filebeat.prospectors:
- input_type: log
paths:
- /root/performanceTrace*
input_type: log
multiline:
pattern: '^20.*'
negate: true
match: after

在logstash input中使用multiline插件（沒有filebeat時推薦）：

①介紹multiline

  • pattern：正則匹配從哪行合併；
  • negate：true/false，匹配到pattern 部分開始合併，仍是不配到的合併。

what：previous/next（需本身理解）

  • previous：至關於filebeat 的after；
  • next：至關於filebeat 的before。

②用法

input { 

 file {
   path => ["/root/logs/log2"] 
   start_position => "beginning"  
   codec => multiline { 
      pattern => "^20.*" 
      negate => true  
      what => "previous"
     }
     }
}

在logstash filter中使用multiline插件（不推薦）：

不推薦的緣由：

  • filter設置multiline後，pipline worker會自動降爲1；
  • 5.5 版本官方把multiline 去除了，要使用的話需下載，下載命令以下：
/usr/share/logstash/bin/logstash-plugin install logstash-filter-multiline

示例：

filter {    
  multiline {  
    pattern => "^20.*"  
    negate => true  
    what => "previous" 
    }
}

五、logstash filter中的date使用

日誌示例：

2018-03-20 10:44:01 [33]DEBUG Debug - task request,task Id:1cbb72f1-a5ea-4e73-957c-6d20e9e12a7a,start time:2018-03-20 10:43:59

date使用：

date {        
match => ["InsertTime","YYYY-MM-dd HH:mm:ss "]
remove_field => "InsertTime"
}

注：match => ["timestamp" ,"dd/MMM/YYYY Hs Z"]

匹配這個字段，字段的格式爲：日日/月月月/年年年年 時/分/秒 時區，也能夠寫爲：match => ["timestamp","ISO8601"]（推薦）

date介紹：

就是將匹配日誌中時間的key替換爲@timestamp的時間，由於@timestamp的時間是日誌送到logstash的時間，並非日誌中真正的時間。

六、對多類日誌分類處理（重點）

在filebeat的配置中添加type分類：

filebeat:
prospectors:
-
paths:
#- /mnt/data/WebApiDebugLog.txt*
- /mnt/data_total/WebApiDebugLog.txt*

fields:
type: WebApiDebugLog_total
-
paths:
- /mnt/data_request/WebApiDebugLog.txt*#
- /mnt/data/WebApiDebugLog.txt*

fields:
type: 
WebApiDebugLog_request
-
paths:
- /mnt/data_report/WebApiDebugLog.txt*
#- /mnt/data/WebApiDebugLog.txt*

fields:
type: 
WebApiDebugLog_report

在logstash filter中使用if，可進行對不一樣類進行不一樣處理：

filter { 
if [fields][type] == "WebApiDebugLog_request" { 

對request 類日誌

if ([message] =~ "^20.*-\ task\ report,.*,start\ time.*") {
             #刪除report 行

     drop {}

            }

       grok {

        match => {"... ..."}

          }

}

在logstash output中使用if：

if [fields][type] == "WebApiDebugLog_total" {       
elasticsearch {  
  
            hosts => \["6.6.6.6:9200"\]  
  
            index => "logstashl-WebApiDebugLog\_total-%{+YYYY.MM.dd}"  
  
           document\_type => "WebApiDebugLog\_total\_logs"  
  
}

2、對ELK總體性能的優化

一、性能分析

服務器硬件Linux：1cpu4GRAM

假設每條日誌250Byte。

分析：

①logstash-Linux：1cpu 4GRAM

  • 每秒500條日誌；
  • 去掉ruby每秒660條日誌；
  • 去掉grok後每秒1000條數據。

②filebeat-Linux：1cpu 4GRAM

  • 每秒2500-3500條數據；
  • 天天每臺機器可處理：24h*60min*60sec* 3000*250Byte=64,800,000,000Bytes，約64G。

③瓶頸在logstash從Redis中取數據存入ES，開啓一個logstash，每秒約處理6000條數據；開啓兩個logstash，每秒約處理10000條數據（cpu已基本跑滿）；

④logstash的啓動過程佔用大量系統資源，由於腳本中要檢查java、ruby以及其餘環境變量，啓動後資源佔用會恢復到正常狀態。

二、關於收集日誌的選擇：logstash/filter

沒有原則要求使用filebeat或logstash，二者做爲shipper的功能是同樣的。

區別在於：

  • logstash因爲集成了衆多插件，如grok、ruby，因此相比beat是重量級的；
  • logstash啓動後佔用資源更多，若是硬件資源足夠則無需考慮兩者差別；
  • logstash基於JVM，支持跨平臺；而beat使用golang編寫，AIX不支持；
  • AIX 64bit平臺上須要安裝jdk（jre） 1.7 32bit，64bit的不支持；
  • filebeat能夠直接輸入到ES，可是系統中存在logstash直接輸入到ES的狀況，這將形成不一樣的索引類型形成檢索複雜，最好統一輸入到els 的源。

總結：

logstash/filter總之各有千秋，可是我推薦選擇：在每一個須要收集的日誌服務器上配置filebeat，由於輕量級，用於收集日誌；再統一輸出給logstash，作對日誌的處理；最後統一由logstash輸出給els。

三、logstash的優化相關配置

能夠優化的參數，可根據本身的硬件進行優化配置：

①pipeline線程數，官方建議是等於CPU內核數

  • 默認配置 ---> pipeline.workers: 2；
  • 可優化爲 ---> pipeline.workers: CPU內核數（或幾倍CPU內核數）。

②實際output時的線程數

  • 默認配置 ---> pipeline.output.workers: 1；
  • 可優化爲 ---> pipeline.output.workers: 不超過pipeline線程數。

③每次發送的事件數

  • 默認配置 ---> pipeline.batch.size: 125；
  • 可優化爲 ---> pipeline.batch.size: 1000。

④發送延時

  • 默認配置 ---> pipeline.batch.delay: 5；
  • 可優化爲 ---> pipeline.batch.size: 10。

總結：

經過設置-w參數指定pipeline worker數量，也可直接修改配置文件logstash.yml。這會提升filter和output的線程數，若是須要的話，將其設置爲cpu核心數的幾倍是安全的，線程在I/O上是空閒的。

默認每一個輸出在一個pipeline worker線程上活動，能夠在輸出output中設置workers設置，不要將該值設置大於pipeline worker數。

還能夠設置輸出的batch_size數，例如ES輸出與batch size一致。

filter設置multiline後，pipline worker會自動將爲1，若是使用filebeat，建議在beat中就使用multiline，若是使用logstash做爲shipper，建議在input中設置multiline，不要在filter中設置multiline。

Logstash中的JVM配置文件：

Logstash是一個基於Java開發的程序，須要運行在JVM中，能夠經過配置jvm.options來針對JVM進行設定。好比內存的最大最小、垃圾清理機制等等。JVM的內存分配不能太大不能過小，太大會拖慢操做系統。過小致使沒法啓動。默認以下：

  • Xms256m#最小使用內存；
  • Xmx1g#最大使用內存。

四、引入Redis的相關問題

filebeat能夠直接輸入到logstash（indexer），但logstash沒有存儲功能，若是須要重啓須要先停全部連入的beat，再停logstash，形成運維麻煩；另外若是logstash發生異常則會丟失數據；引入Redis做爲數據緩衝池，當logstash異常中止後能夠從Redis的客戶端看到數據緩存在Redis中；

Redis可使用list(最長支持4,294,967,295條)或發佈訂閱存儲模式；

Redis作ELK緩衝隊列的優化：

  • bind 0.0.0.0 #不要監聽本地端口；
  • requirepass ilinux.io #加密碼，爲了安全運行；
  • 只作隊列，不必持久存儲，把全部持久化功能關掉：

    快照（RDB文件）和追加式文件（AOF文件），性能更好；

    save "" 禁用快照；

    appendonly no 關閉RDB。

  • 把內存的淘汰策略關掉，把內存空間最大

    maxmemory 0 #maxmemory爲0的時候表示咱們對Redis的內存使用沒有限制。

五、Elasticsearch節點優化配置

服務器硬件配置，OS參數：

1）/etc/sysctl.conf 配置

vim /etc/sysctl.conf

① vm.swappiness = 1
#ES 推薦將此參數設置爲 1，大幅下降 swap 分區的大小，強制最大程度的使用內存，注意，這裏不要設置爲 0, 這會極可能會形成 OOM

② net.core.somaxconn = 65535
#定義了每一個端口最大的監聽隊列的長度

③ vm.max_map_count= 262144
#限制一個進程能夠擁有的VMA(虛擬內存區域)的數量。虛擬內存區域是一個連續的虛擬地址空間區域。當VMA 的數量超過這個值，OOM

④ fs.file-max = 518144
#設置 Linux 內核分配的文件句柄的最大數量
[root@elasticsearch]# sysctl -p生效一下。

2）limits.conf 配置

vim /etc/security/limits.conf
elasticsearch soft nofile 65535
elasticsearch hard nofile 65535
elasticsearch soft memlock unlimited
elasticsearch hard memlock unlimited

3）爲了使以上參數永久生效，還要設置兩個地方：

vim /etc/pam.d/common-session-noninteractive

vim /etc/pam.d/common-session

添加以下屬性：

session required pam_limits.so

可能需重啓後生效。

Elasticsearch中的JVM配置文件

-Xms2g

-Xmx2g

  • 將最小堆大小（Xms）和最大堆大小（Xmx）設置爲彼此相等。
  • Elasticsearch可用的堆越多，可用於緩存的內存就越多。但請注意，太多的堆可能會使您長時間垃圾收集暫停。
  • 設置Xmx爲不超過物理RAM的50％，以確保有足夠的物理內存留給內核文件系統緩存。
  • 不要設置Xmx爲JVM用於壓縮對象指針的臨界值以上；確切的截止值有所不一樣，但接近32 GB。不要超過32G，若是空間大，多跑幾個實例，不要讓一個實例太大內存。

Elasticsearch配置文件優化參數：

vim elasticsearch.yml

bootstrap.memory_lock: true#鎖住內存，不使用swap

#緩存、線程等優化以下bootstrap.mlockall: true
transport.tcp.compress: true
indices.fielddata.cache.size: 40%
indices.cache.filter.size: 30%
indices.cache.filter.terms.size: 1024mb
threadpool:
search:
type: cached
size: 100
queue_size: 2000

2）設置環境變量

vim /etc/profile.d/elasticsearch.sh export ES_HE AP _SIZE=2g #Heap Size不超過物理內存的一半，且小於32G。

集羣的優化（我未使用集羣）：

  • ES是分佈式存儲，當設置一樣的cluster.name後會自動發現並加入集羣；
  • 集羣會自動選舉一個master，當master宕機後從新選舉；
  • 爲防止"腦裂"，集羣中個數最好爲奇數個；
  • 爲有效管理節點，可關閉廣播discovery. zen.ping.multicast.enabled: false，並設置單播節點組discovery.zen.ping.unicast.hosts: ["ip1", "ip2", "ip3"]。

六、性能的檢查

檢查輸入和輸出的性能：

Logstash和其鏈接的服務運行速度一致，它能夠和輸入、輸出的速度同樣快。

檢查系統參數：

1）CPU

  • 注意CPU是否過載。在Linux/Unix系統中可使用top-H查看進程參數以及總計。
  • 若是CPU使用太高，直接跳到檢查JVM堆的章節並檢查Logstash worker設置。

2）Memory

  • 注意Logstash是運行在Java虛擬機中的，因此它只會用到你分配給它的最大內存。
  • 檢查其餘應用使用大量內存的狀況，這將形成Logstash使用硬盤swap，這種狀況會在應用佔用內存超出物理內存範圍時。

3）I/O監控磁盤I/O檢查磁盤飽和度

  • 使用Logstash plugin（例如使用文件輸出）磁盤會發生飽和。
  • 當發生大量錯誤，Logstash生成大量錯誤日誌時磁盤也會發生飽和。
  • 在Linux中，可以使用iostat，dstat或者其餘命令監控磁盤I/O。

4）監控網絡I/O

  • 當使用大量網絡操做的input、output時，會致使網絡飽和。
  • 在Linux中可以使用dstat或iftop監控網絡狀況。

檢查JVM heap：

  • heap設置過小會致使CPU使用率太高，這是由於JVM的垃圾回收機制致使的。
  • 一個快速檢查該設置的方法是將heap設置爲兩倍大小而後檢測性能改進。不要將heap設置超過物理內存大小，保留至少1G內存給操做系統和其餘進程。
  • 你可使用相似jmap命令行或VisualVM更加精確的計算JVM heap。

若有更多優化方法，或是難點解決的方法，歡迎在留言區補充~

做者：alonghub
來源：https://www.cnblogs.com/along...

歡迎你們關注個人微信公衆號【民工哥技術之路】，最新整理的 2TB 技術乾貨：包括架構師實戰教程、大數據、Docker容器、系統運維、數據庫、redis、MogoDB、電子書、Java基礎課程、Java實戰項目、ELK Stack、機器學習、BAT面試精講視頻等。只需在「 民工哥技術之路」微信公衆號對話框回覆關鍵字：1024便可獲取所有資料。

相關文章
相關標籤/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公眾號
   歡迎關注本站公眾號,獲取更多信息
聯繫我們 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程