歡迎關注頭條號：老顧聊技術

精品原創技術分享，知識的組裝工

前言

前幾篇我們介紹了項目中如何使用logback組件記錄系統的日志情況；現在我們的系統都是分布式的，集群化的，那就代表著我們的應用會分布在很多服務器上面；那應用的日志文件就會分布在各個服務器上面。

問題

突然有一天我們系統出現了問題，我們第一時間想到的是先要判斷到底哪個服務出現了問題；我們的技術人員就連接生產環境服務器，查看服務器上面的應用日志。

那么多的服務器，技術人員這個時候就會很抓狂，一個個的查看分析日志，是比較愚蠢的方法。那有什么好的方式呢？今天老顧給大家介紹常規的方案。

ELK方案

ELK 是elastic公司提供的一套完整的日志收集以及展示的解決方案，是三個產品的首字母縮寫，分別是ElasticSearch、Logstash 和 Kibana。

ElasticSearch簡稱ES，它是一個實時的分布式搜索和分析引擎，它可以用于全文搜索，結構化搜索以及分析。它是一個建立在全文搜索引擎 Apache Lucene 基礎上的搜索引擎，使用 Java 語言編寫。

Logstash是一個具有實時傳輸能力的數據收集引擎，用來進行數據收集(如：讀取文本文件)、解析，并將數據發送給ES。

Kibana為 Elasticsearch 提供了分析和可視化的 Web 平臺。它可以在 Elasticsearch 的索引中查找，交互數據，并生成各種維度表格、圖形。

這三款軟件都是開源軟件，通常配合使用，而且又先后歸于Elastic.co公司名下

ELK的用途

傳統意義上，ELK是作為替代Splunk的一個開源解決方案。Splunk 是日志分析領域的領導者。日志分析并不僅僅包括系統產生的錯誤日志，異常，也包括業務邏輯，或者任何文本類的分析。而基于日志的分析，能夠在其上產生非常多的解決方案，譬如：

1.問題排查。我們常說，運維和開發這一輩子無非就是和問題在戰斗，運維和開發能夠快速的定位問題，甚至防微杜漸，把問題殺死在搖籃里。日志分析技術顯然問題排查的基石。

2.監控和預警。 日志，監控，預警是相輔相成的。基于日志的監控，預警使得運維有自己的機械戰隊，大大節省人力以及延長運維的壽命。

3.關聯事件。多個數據源產生的日志進行聯動分析，通過某種分析算法，就能夠解決生活中各個問題。比如金融里的風險欺詐等。

4.數據分析。 這個對于數據分析師，還有算法工程師都是有所裨益的。

ElasticSearch介紹

ElasticSearch是一個實時的分布式搜索和分析引擎，采用java語言編寫，現在的最新版本已經ElasticSearch7.5.x，他的主要特點如下：

實時搜索、實時分析

分布式架構、實時文件存儲

文檔導向，所有對象都是文檔

高可用，易擴展，支持集群，分片與復制

接口友好，支持json

Logstash介紹

logstash是一款輕量級的、開源的日志收集處理框架，它可以方便的把分散的、多樣化的日志收集起來，并進行自定義的過濾分析處理，然后輸出到指定的位置(如：es)。

Logstash工作原理

如上圖，Logstash的數據處理過程主要包括：Inputs, Filters, Outputs 三部分， 另外在Inputs和Outputs中可以使用Codecs對數據格式進行處理。這四個部分均以插件形式存在，用戶通過定義pipeline配置文件，設置需要使用的input，filter，output, codec插件，以實現特定的數據采集，數據處理，數據輸出等功能 。

(1)Inputs：用于從數據源獲取數據，常見的插件如file, syslog, redis, beats等

(2)Filters：用于處理數據如格式轉換，數據派生等，常見的插件如grok, mutate, drop, clone, geoip等

(3)Outputs：用于數據輸出，常見的插件如elastcisearch，file, graphite, statsd等

(4)Codecs：Codecs不是一個單獨的流程，而是在輸入和輸出等插件中用于數據轉換的模塊，用于對數據進行編碼處理，常見的插件如json，multiline

Kibana介紹

Kibana是一個開源的分析和可視化平臺，設計用于和Elasticsearch一起工作。

可以用Kibana來搜索，查看，并存儲在Elasticsearch索引中的數據進行交互。

可以輕松地執行高級數據分析，并且以各種圖標、表格和地圖的形式可視化數據。

Kibana使得理解大量數據變得很容易。它簡單的、基于瀏覽器的界面使你能夠快速創建和共享動態儀表板，實時顯示Elasticsearch查詢的變化。

什么是Filebeat

雖然我們的logstash功能已經非常強大了，里面包含采集，過濾，轉換等功能；正因為有很多的功能，導致了它比較耗資源。其實在我們應用服務器端只需要采集日志功能就行了，沒有必要logstash其他的功能；所以Filebeat等beat組件就出現了，它們比較小巧，而且不耗資源，也完全夠用。

Filebeat是一個輕量級的托運人，用于轉發和集中日志數據。Filebeat作為代理安裝在服務器上，監視您指定的日志文件或位置，收集日志事件，并將它們轉發到Elasticsearch或 Logstash進行索引。

Filebeat的工作原理：啟動Filebeat時，它會啟動一個或多個輸入，這些輸入將查找您為日志數據指定的位置。對于Filebeat找到的每個日志，Filebeat啟動一個收集器。每個收集器為新內容讀取單個日志，并將新日志數據發送到libbeat，libbeat聚合事件并將聚合數據發送到您為Filebeat配置的輸出。

官方流程圖如下:

ELK常見架構

最簡單的ELK應用架構

上面架構是簡單粗暴的架構，這種架構對數據源服務器(即應用服務器)性能影響較大，因為Logsash是需要安裝和運行在需要收集的數據源服務器(即應用服務器)中，然后將收集到的數據實時進行過濾，過濾環節是很耗時間和資源的，過濾完成后才傳輸到ES中。下面是優化后的架構圖：

用filebeat采集日志有效降低了收集日志對業務系統的系統資源的消耗。再通過logstash服務器可以過濾，轉換日志。這樣即滿足了日志的過濾轉換，也保障了業務系統的性能。

當然上面的架構中，是支持集群的

如果日志文件量特別大，以及收集的服務器日志比較多；這樣架構中需加入消息中間件做一下緩沖

此架構適合大型集群，海量數據的業務場景，消息隊列kafka集群架構有效保障了收集數據的安全性和穩定性，而后端logstash和es均采用了集群模式搭建，從整體上提高了ELK的系統的高效性，擴展性和吞吐量。

總結

今天老顧介紹了ELK的基本介紹，帶領了我們小伙伴們進入了 Elastic Stack技術棧，也開啟了小伙伴們大數據技術的大門。上面介紹的幾個技術組件，延展下去會有很多技術點。老顧下面會一一介紹分享給大家，小伙伴們也可以自行上網學習。謝謝！！！

---End---

---

總結

以上是生活随笔為你收集整理的filebeat 收集json格式_集群日志收集架构ELK的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。