写点什么

基于 Elastic Stack 的日志分析系统

  • 2019-11-07
  • 本文字数:1822 字

    阅读完需:约 6 分钟

基于Elastic Stack的日志分析系统

Elastic Stack 简介

Elastic Stack 是 Elastic 公司旗下的一系列软件总称,包括 Elasticsearch、Logstash、Kibana 和 Beats。Elasticsearch 是一个分布式搜索引擎,负责数据的存储、查询,支持高并发的写入与查询;Logstash 是动态数据收集管道,可以进行数据的清洗、格式化等处理;Kibana 是基于 Elasticsearch 的数据可视化平台,提供种类丰富的图表来呈现数据;Beats 通常部署在生产环境下,扫描日志文件并向 Elasticsearch 或 Logstash 发送数据,在本文中我们使用 FileBeat。


Elastic Stack 的应用非常广泛,常见的有日志管理与分析、指标分析、性能监测、应用搜索等。本篇文章中我们借助腾讯云的 Elasticsearch、使用 Elastic Stack 搭建自动化流转过程的监控与统计系统。

准备工作

  • 日志消息协议


前边提到,Logstash 是可以进行数据处理的,所以对于日志文件的格式并没有要求,只需要后期在 Logstash 处借助 grok 进行格式化即可。方便起见,在本次使用中我们统一了日志消息协议,并统一使用 json 格式单独存储,因此省去了 Logstash 处的格式化操作。



图 1. 自动化流转日志消息协议


图 1 为我们定义的日志协议,其中 log_type 字段用于在 Elasticsearch 中建立索引(相当于我们熟悉的数据表),phase、finish_time 是我们后期监控与统计主要的划分维度,miles 是我们监控的指标。其他的一些字段是我们业务中会使用到的信息,主要用于后期统计使用。


  • 日志获取方式


在我们的使用中,日志的产生源有两大类:已完成开发的和正在进行开发的。对于前者,为了避免重新开发带来的工作量,我们采取定时扫库的方式“自给自足”的产生日志消息;对于后者,我们要求开发根据上述日志消息协议生产日志。两种日志都需要通过部署在环境内的 FileBeat 发送至 Logstash,再由 Logstash 发送至 Elasticsearch 中。

数据接入

  • 日志的准备


以 Python 为例,将日志消息 msg 使用 fp.write(json.dumps(msg))输出到文件中


  • Beats-Logstash-Elasticsearch 接入

  • Logstash 配置(conf)


input {  beats {      port => 8888      codec => "json"  }}
output { elasticsearch { hosts => ["<elasticsearch_ip>:<elasticsearch_port>"] index => "%{log_type}" } stdout { codec => rubydebug }}
复制代码


上述配置中,Logstash 监听本地 8888 端口、并使用 json 解码器对消息进行解析。对于解析后的消息,根据消息中的 log_type 字段发送至 Elasticsearch 对应的索引中,同时在命令行中输出。


  • Logstash 启动


./bin/logstash -c logstash.conf(可以使用 nohup)


  • FileBeat 配置(yml)


filebeat.inputs:- type: logenabled: truepaths:- /usr/local/app/wsd_cron_agent/script/logs/*.logoutput.logstash:hosts: ["<logstash_ip>:<logstash_port>"]
复制代码


上述配置中,FileBeat 定时扫描/usr/local/app/wsd_cron_agent/script/logs/路径下的 log 文件,发送至远端的 Logstash 处。


  • FileBeat 启动


./filebeat -e -c filebeat.yml(可以使用 nohup)


接下来 FileBeat 和 Logstash 就会自动将路径下的日志文件传输至 Elasticsearch 了。

Kibana 可视化

对于第一次接入的数据,首先要做的是创建索引,操作方法是[Management]->[Index Patterns]->[Create Index Pattern]->Index pattern 中输入索引名->单击[Create]



图 2. Kibana 建立索引


之后是使用 Kibana 自带的 visualize 进行数据的可视化,这里就是根据自身需求进行设置即可。可以在 Dashboard 中制作一个自定义的监控窗口,可以清楚直接的看到各个自动化流程的运转情况。



图 3. 地图中业流转 Dashboard

一些需要注意的问题 & 可以改进的地方

总的来说,Elastic Stack 搭建日志分析系统是非常简单、方便的,不过需要注意以下几点:


  • Elasticsearch 是一种非关系型数据库,不能做连表查询操作,因此必须将所有信息都放在一条消息/一例数据中

  • 请避免重复日志消息的产生

  • 目前得到的消息是腾讯云在和 Elastic 官方谈合作,之后会有一些插件(如报警功能)加入,使得监控和分析功能更加强大


由于之前没有接触过 Elastic Stack,所以也是磕磕碰碰的做了一些尝试,一些地方为了避免出错做了简化,之后可以再进一步优化以提升性能:


  • 需要单独产生日志消息,对于开发不够方便;可以考虑在 Logstash 出增加 grok 操作对日志进行格式化后再送入 Elasticsearch

  • FileBeat 和 Logstash 的负载均衡存在进一步提升的可能


本文转载自公众号云加社区(ID:QcloudCommunity)。


原文链接:


https://mp.weixin.qq.com/s/G473oMCOldT6wFtjqM6A3w


2019-11-07 18:141484

评论

发布
暂无评论
发现更多内容

什么CRM客户管理系统好用?公司规模不大,有推荐吗

优秀

架构学习【04】——千万级学生管理系统的考试试卷存储方案

tiger

架构实战营

千万级学生管理系统考试试卷存储设计

五月雨

架构实战营 「架构实战营」

重学架构之千万级学生管理系统的考试试卷存储方案

陈华英

架构实战营 #架构实战营

消息队列存储

supermenG

架构师训练营 4 期

TuxeraNTFS2022密钥新版安装包更新介绍

茶色酒

Tuxera NTFS2022

c 语言不输出空数据(全面覆盖)

北极的大企鹅

c 问题处理

模块四作业-设计千万级学生管理系统的考试试卷存储方案

卡西毛豆静爸

「架构实战营」

如何在Linux 系统上比较Bash 脚本中的字符串?

Ethereal

如果家庭是一家公司(17/100)

hackstoic

生活随想

了解一下CQRS模式

蜜糖的代码注释

架构设计 CQRS DDD框架 3月月更

千万级学生管理系统的考试试卷存储方案

炎彬

「架构实战营」

千万级学生管理系统的考试试卷存储方案

石小天

「架构实战营」

架构实战营-模块四作业

Leo

架构实战营

架构训练营 模块四

Geek_16d2b8

架构训练营5期

实用机器学习笔记二十二:集成学习之Boosting

打工人!

深度学习 学习笔记 集成学习 机器学习算法 3月月更

千万级学生管理系统的考试试卷存储方案设计

张逃逃

web服务整理

return

Python Go CGI web服务器 uwsgi

模块九

Only

架构师实战营 「架构实战营」

【C语言】卍字通晓→函数+递归

謓泽

递归 C语言 函数 3月月更

编码的艺术-书籍推荐

Beaver

编码的艺术

软件工程师文档写作最佳实践

俞凡

写作 研发效能 3月月更

实用机器学习笔记二十三:集成学习之Stacking

打工人!

学习笔记 集成学习 机器学习算法 3月月更

千万级学生管理系统的考试试卷存储方案

孙强

#架构实战营

云原生训练营 -Week03

jjn0703

云原生训练营

设计电商秒杀系统

drizzle

「架构实战营」

模块四作业

Geek_ec866b

架构实战营

GitHub 限制俄罗斯使用代码,开源真的无国界吗?

腾源会

开源

千万级学生管理系统的考试试卷存储方案

李大虾

#架构实战营 「架构实战营」

Spring cloud之LoadBalancer篇

邱学喆

负载均衡 spring cloud全家桶

设计微博系统中”微博评论“的高性能高可用计算架构

王大胖

基于Elastic Stack的日志分析系统_文化 & 方法_王政飞_InfoQ精选文章