针对公司项目微服务化，随着项目及服务器的不断增多，决定采用ELK(Elasticsearch+Logstash+Kibana)日志分析平台进行微服务日志分析。
1.ELK整体方案
1.1 ELK架构图
1.2 ELK工作流程
1.在微服务服务器上部署Logstash，作为Shipper的角色，对微服务日志文件数据进行数据采集，将采集到的数据输出到Redis消息队列。
2.在另外一台服务器上部署Logstash，作为Indexer的角色，从Redis消息队列中读取数据(可以对数据进行处理)，输出到Elasticsearch-Master主节点。
3.Elasticsearch-Master主节点内部与副节点同步数据。(Elasticsearch集群建议3个服务以上奇数)
4.Kibana部署一台服务器内，读取Elasticsearch集群数据，展示Web查询页面，提供数据展示。
2.消息队列选型
2.1 Redis
在我这个最终方案中，选择了使用Redis作为消息队列进行缓冲，降低Elasticsearch压力，起到削峰作用，主要原因还是由于公司考虑成本问题，日志收集也是只针对我们单个项目组来使用，所以选择了公司现在就已经有的Redis集群进行复用。
2.2 Kafka
最初方案中，在消息队列上选择的是Kafka，毕竟Kafka天生就是做为消息队列的，具体二者的毕竟在这里我就不多说了，百度上一大堆。
3.安装
这里就不在这里写出来了，提供三个地址仅供参考：
Linux安装Logstash
Linux安装Kibana
Linux安装Elasticsearch
4.Logstash配置
4.1 log2redis
从日志文件读取到redis
#从日志文件读取数据
#file{}
#type 日志类型
#path 日志位置
# 可以直接读取文件(a.log)
# 可以所有后缀为log的日志(*.log)
# 读取文件夹下所有文件(路径)
#start_position 文件读取开始位置 (beginning)
#sincedb_path 从什么位置读取(设置为/dev/null自动从开始位置读取)
input {
file {
type = log
path = [/root/logs/info.log]
start_position = beginning
sincedb_path = /dev/null
}
}
#根据时间戳分隔日志
#grok 区分日志中得字段
filter {
multiline {
pattern = ^%{TIMESTAMP_ISO8601}
negate = true
what = previous
}
#定义数据的格式
grok {
match = { message = %{DATA:datetime} - %{DATA:logLevel} - %{DATA:serviceName} - %{DATA:ip} - %{DATA:pid} - %{DATA:thread} - %{DATA-msg}}
}
}
#输出数据到Redis
#host Redis主机地址
#port Redis端口
#db Redis数据库编号
#data_type Redis数据类型
#key Redis的key
#password Redis密码
output {
redis {
host = ip
port = 6379
db = 6
data_type = list
password = password
key = test_log
}
}
4.2 redis2es
从redis读取到es
#从redis内读取数据
#host Redis主机ip
#port Redis端口
#data_type Redis数据类型
#batch_count
#password Redis密码
#key Redis读取Key
input {
redis {
host = ip
port = 6379
db = 6
data_type = list
password = password
key = test_log
}
}
#数据的输出我们指向了es集群
#hosts Elasticsearch主机地址
#index Elasticsearch索引名称
output {
elasticsearch {
hosts = ip:9200
index = logs-%{+YYYY.MM.dd}
}
}
5 其他
其他剩下的就是Es集群和Kibana了，这两个没什么特别值得注意的地方，上网随便搜，一大堆文章。
以上仅仅代表本人项目使用方案，不一定完美适合所有场景，仅供参考。
网友评论