分布式即時日誌分析解決方案 ELK 部署架構

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，來共同完成即時日誌的收集，儲存，展示等一站式的解決方案。本篇文章主要給大家介紹了關於分布式即時日誌分析解決方案 ELK 部署架構 ，有需要的朋友可以看一下

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，來共同完成即時日誌的收集，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等隊列。

2. Logstash：資料收集引擎，相較於Filebeat比較重量級，但它整合了大量的外掛程式，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：分布式資料搜尋引擎，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彙總功能。

4. Kibana：資料的可視化平台，通過該web平台可以即時的查看 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作為記錄收集器

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組件，作為記錄收集器，然後將Logstash收集到的資料過濾、分析、格式化處理後發送至Elasticsearch儲存，最後使用Kibana進行可視化展示，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作為記錄收集器

該架構與第一種架構唯一不同的是：應用端記錄收集器換成了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記錄收集器，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、引入緩衝隊列的部署架構

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收集到的資料發送至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，使用緩衝隊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 使用力道感應式協議向 Logstash 或 Elasticsearch 發送資料。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 將恢複初始速度並繼續發送資料。

推薦一個交流學習群：478030634 裡面會分享一些資深架構師錄製的視頻錄影：有Spring，MyBatis，Netty源碼分析，高並發、高效能、分布式、微服務架構的原理，JVM效能最佳化這些成為架構師必備的知識體系。還能領取免費的學習資源，目前受益良多：

三、問題及解決方案

問題：如何?日誌的多行合并功能？

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并。

解決方案：使用Filebeat或Logstash中的multiline多行合并外掛程式來實現

在使用multiline多行合并外掛程式的時候需要注意，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：

• pattern：Regex

• negate：預設為false，表示匹配pattern的行合并到上一行；true表示不匹配pattern的行合并到上一行

• match：after表示合并到上一行的末尾，before表示合并到上一行的行首

如：

pattern: '['
negate: true
match: after

該配置表示將不匹配pattern模式的行合并到上一行的末尾

2、multiline在Logstash中的配置方式

（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-p...

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中查看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目前時間，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分詞外掛程式與date時間格式化外掛程式來實現

在Logstash的設定檔的過濾器中配置grok分詞外掛程式與date時間格式化外掛程式，如：

如要匹配的日誌格式為：“DEBUG[DefaultBeanDefinitionDocumentReader:106] Loading bean definitions”，解析出該日誌的時間欄位的方式有：

① 通過引入寫好的運算式檔案，如運算式檔案為customer_patterns，內容為：
CUSTOMER_TIME %{YEAR}%{MONTHNUM}%{MONTHDAY}s+%{TIME}
註：內容格式為：[自訂運算式名稱] [Regex]
然後logstash中就可以這樣引用：

② 以配置項的方式，規則為：(?<自訂運算式名稱>正則匹配規則)，如：

問題：如何在Kibana中通過選擇不同的系統日誌模組來查看資料

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查看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：

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比對，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：

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：
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即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資料集中式查詢和管理，還可以用來作為項目應用以及伺服器資源監控等情境。