ELK原理與介紹

爲何用到ELK：

通常咱們須要進行日誌分析場景：直接在日誌文件中 grep、awk 就能夠得到本身想要的信息。但在規模較大的場景中，此方法效率低下，面臨問題包括日誌量太大如何歸檔、文本搜索太慢怎麼辦、如何多維度查詢。須要集中化的日誌管理，全部服務器上的日誌收集彙總。常看法決思路是創建集中式日誌收集系統，將全部節點上的日誌統一收集，管理，訪問。

通常大型系統是一個分佈式部署的架構，不一樣的服務模塊部署在不一樣的服務器上，問題出現時，大部分狀況須要根據問題暴露的關鍵信息，定位到具體的服務器和服務模塊，構建一套集中式日誌系統，能夠提升定位問題的效率。

一個完整的集中式日誌系統，須要包含如下幾個主要特色：

• 收集－可以採集多種來源的日誌數據
• 傳輸－可以穩定的把日誌數據傳輸到中央系統
• 存儲－如何存儲日誌數據
• 分析－能夠支持 UI 分析
• 警告－可以提供錯誤報告，監控機制

ELK提供了一整套解決方案，而且都是開源軟件，之間互相配合使用，完美銜接，高效的知足了不少場合的應用。目前主流的一種日誌系統。

ELK簡介：

ELK是三個開源軟件的縮寫，分別表示：Elasticsearch , Logstash, Kibana , 它們都是開源軟件。新增了一個FileBeat，它是一個輕量級的日誌收集處理工具(Agent)，Filebeat佔用資源少，適合於在各個服務器上搜集日誌後傳輸給Logstash，官方也推薦此工具。

Elasticsearch是個開源分佈式搜索引擎，提供蒐集、分析、存儲數據三大功能。它的特色有：分佈式，零配置，自動發現，索引自動分片，索引副本機制，restful風格接口，多數據源，自動搜索負載等。

Logstash 主要是用來日誌的蒐集、分析、過濾日誌的工具，支持大量的數據獲取方式。通常工做方式爲c/s架構，client端安裝在須要收集日誌的主機上，server端負責將收到的各節點日誌進行過濾、修改等操做在一併發往elasticsearch上去。

Kibana 也是一個開源和免費的工具，Kibana能夠爲 Logstash 和 ElasticSearch 提供的日誌分析友好的 Web 界面，能夠幫助彙總、分析和搜索重要數據日誌。

Filebeat隸屬於Beats。目前Beats包含四種工具：

1. Packetbeat（蒐集網絡流量數據）
2. Topbeat（蒐集系統、進程和文件系統級別的 CPU 和內存使用狀況等數據）
3. Filebeat（蒐集文件數據）
4. Winlogbeat（蒐集 Windows 事件日誌數據）

官方文檔：

Filebeat：

https://www.elastic.co/cn/products/beats/filebeat
https://www.elastic.co/guide/en/beats/filebeat/5.6/index.html

Logstash：
https://www.elastic.co/cn/products/logstash
https://www.elastic.co/guide/en/logstash/5.6/index.html

Kibana:

https://www.elastic.co/cn/products/kibana

https://www.elastic.co/guide/en/kibana/5.5/index.html

Elasticsearch：
https://www.elastic.co/cn/products/elasticsearch
https://www.elastic.co/guide/en/elasticsearch/reference/5.6/index.html

elasticsearch中文社區：
https://elasticsearch.cn/

 

ELK架構圖：

架構圖一：

這是最簡單的一種ELK架構方式。優勢是搭建簡單，易於上手。缺點是Logstash耗資源較大，運行佔用CPU和內存高。另外沒有消息隊列緩存，存在數據丟失隱患。

此架構由Logstash分佈於各個節點上搜集相關日誌、數據，並通過分析、過濾後發送給遠端服務器上的Elasticsearch進行存儲。Elasticsearch將數據以分片的形式壓縮存儲並提供多種API供用戶查詢，操做。用戶亦能夠更直觀的經過配置Kibana Web方便的對日誌查詢，並根據數據生成報表。

架構圖二：

此種架構引入了消息隊列機制，位於各個節點上的Logstash Agent先將數據/日誌傳遞給Kafka（或者Redis），並將隊列中消息或數據間接傳遞給Logstash，Logstash過濾、分析後將數據傳遞給Elasticsearch存儲。最後由Kibana將日誌和數據呈現給用戶。由於引入了Kafka（或者Redis）,因此即便遠端Logstash server因故障中止運行，數據將會先被存儲下來，從而避免數據丟失。

架構圖三：

此種架構將收集端logstash替換爲beats，更靈活，消耗資源更少，擴展性更強。同時可配置Logstash 和Elasticsearch 集羣用於支持大集羣系統的運維日誌數據監控和查詢。

Filebeat工做原理：

Filebeat由兩個主要組件組成：prospectors 和 harvesters。這兩個組件協同工做將文件變更發送到指定的輸出中。

Harvester（收割機）：負責讀取單個文件內容。每一個文件會啓動一個Harvester，每一個Harvester會逐行讀取各個文件，並將文件內容發送到制定輸出中。Harvester負責打開和關閉文件，意味在Harvester運行的時候，文件描述符處於打開狀態，若是文件在收集中被重命名或者被刪除，Filebeat會繼續讀取此文件。因此在Harvester關閉以前，磁盤不會被釋放。默認狀況filebeat會保持文件打開的狀態，直到達到close_inactive（若是此選項開啓，filebeat會在指定時間內將再也不更新的文件句柄關閉，時間從harvester讀取最後一行的時間開始計時。若文件句柄被關閉後，文件發生變化，則會啓動一個新的harvester。關閉文件句柄的時間不取決於文件的修改時間，若此參數配置不當，則可能發生日誌不實時的狀況，由scan_frequency參數決定，默認10s。Harvester使用內部時間戳來記錄文件最後被收集的時間。例如：設置5m，則在Harvester讀取文件的最後一行以後，開始倒計時5分鐘，若5分鐘內文件無變化，則關閉文件句柄。默認5m）。

Prospector（勘測者）：負責管理Harvester並找到全部讀取源。

1 2 3 4

filebeat.prospectors: - input_type: log    paths:      - /apps/logs/*/info.log

Prospector會找到/apps/logs/*目錄下的全部info.log文件，併爲每一個文件啓動一個Harvester。Prospector會檢查每一個文件，看Harvester是否已經啓動，是否須要啓動，或者文件是否能夠忽略。若Harvester關閉，只有在文件大小發生變化的時候Prospector纔會執行檢查。只能檢測本地的文件。

Filebeat如何記錄文件狀態：

將文件狀態記錄在文件中（默認在/var/lib/filebeat/registry）。此狀態能夠記住Harvester收集文件的偏移量。若鏈接不上輸出設備，如ES等，filebeat會記錄發送前的最後一行，並再能夠鏈接的時候繼續發送。Filebeat在運行的時候，Prospector狀態會被記錄在內存中。Filebeat重啓的時候，利用registry記錄的狀態來進行重建，用來還原到重啓以前的狀態。每一個Prospector會爲每一個找到的文件記錄一個狀態，對於每一個文件，Filebeat存儲惟一標識符以檢測文件是否先前被收集。

Filebeat如何保證事件至少被輸出一次：

Filebeat之因此能保證事件至少被傳遞到配置的輸出一次，沒有數據丟失，是由於filebeat將每一個事件的傳遞狀態保存在文件中。在未獲得輸出方確認時，filebeat會嘗試一直髮送，直到獲得迴應。若filebeat在傳輸過程當中被關閉，則不會再關閉以前確認全部時事件。任何在filebeat關閉以前爲確認的時間，都會在filebeat重啓以後從新發送。這可確保至少發送一次，但有可能會重複。可經過設置shutdown_timeout 參數來設置關閉以前的等待事件迴應的時間（默認禁用）。

 

Logstash工做原理：

Logstash事件處理有三個階段：inputs → filters → outputs。是一個接收，處理，轉發日誌的工具。支持系統日誌，webserver日誌，錯誤日誌，應用日誌，總之包括全部能夠拋出來的日誌類型。

 

Input：輸入數據到logstash。

一些經常使用的輸入爲：

file：從文件系統的文件中讀取，相似於tial -f命令

syslog：在514端口上監聽系統日誌消息，並根據RFC3164標準進行解析

redis：從redis service中讀取

beats：從filebeat中讀取

Filters：數據中間處理，對數據進行操做。

一些經常使用的過濾器爲：

grok：解析任意文本數據，Grok 是 Logstash 最重要的插件。它的主要做用就是將文本格式的字符串，轉換成爲具體的結構化的數據，配合正則表達式使用。內置120多個解析語法。

官方提供的grok表達式：https://github.com/logstash-plugins/logstash-patterns-core/tree/master/patterns
grok在線調試：https://grokdebug.herokuapp.com/

mutate：對字段進行轉換。例如對字段進行刪除、替換、修改、重命名等。

drop：丟棄一部分events不進行處理。

clone：拷貝 event，這個過程當中也能夠添加或移除字段。

geoip：添加地理信息(爲前臺kibana圖形化展現使用)

Outputs：outputs是logstash處理管道的最末端組件。一個event能夠在處理過程當中通過多重輸出，可是一旦全部的outputs都執行結束，這個event也就完成生命週期。

一些常見的outputs爲：

elasticsearch：能夠高效的保存數據，而且可以方便和簡單的進行查詢。

file：將event數據保存到文件中。

graphite：將event數據發送到圖形化組件中，一個很流行的開源存儲圖形化展現的組件。

Codecs：codecs 是基於數據流的過濾器，它能夠做爲input，output的一部分配置。Codecs能夠幫助你輕鬆的分割發送過來已經被序列化的數據。

一些常見的codecs：

json：使用json格式對數據進行編碼/解碼。

multiline：將匯多個事件中數據彙總爲一個單一的行。好比：java異常信息和堆棧信息。