1.ELK简介
ELK是ElasticSearch+LogStash+Kibana的缩写，是现代微服务架构流行的分布式日志解决方案，旨在大规模服务的日志集中管理查看，极大的为微服务开发人员提供了排查生产环境的便利。如果规模较小的日志量，直接使用ElasticSearch、Logstash、Kibana是可以满足其应用的，但是对于日志量较大的中大规模服务集群来说，这3个中间会引入Filebeat、Kafka、Zookpeer三个中间来大幅度提升采集性能、可靠性、可扩展性。目前来说，大部分公司使用的解决方案架构如下图：
此篇文章，我们一起来熟悉整个流程的搭建，为了方便演示，环境基于docker（正常情况下，因为这套系统是直接linux部署的，因为开销实在是很大）。
2.API服务
先建一个api服务，使用过滤器，让请求前后都会产生日志
我这里，将日志写到根目录下logs文件夹，以MyDockerApi *.log产生日志文件，接下来，发布，并上传到linux服务器，并用docker启动，不会的同学传送门:https://www.cnblogs.com/saltlight-wangchao/p/16646005.html。
由于docker的隔离性，想要采集日志，必须给服务docker挂载到linux宿主机的盘内，上图就是我为该API服务创建的日志写入目录，因为可能一个宿主机上可能有多个API服务，所以，可以按照规则，继续新建服务文件夹，用于存放不同API服务的日志，我这里就弄了一个先。
docker run --name API8082 -p 8081:5000 -v /etc/localtime:/etc/localtime --解决 docker 容器时间与本地时间不一致 -v /home/fileBeate/logs/mydockerapi1:/app/logs --挂载目录，降容器的app/logs目录挂载到宿主机，我们要指定该服务采集的目录 my1api
启动后，请求该服务
至此，api服务所产生的日志，已经写到我们要采集的指定目录里。
3.Filebeat
Filebeat是用于监视、采集、转发指定位置的文件轻量级开源工具，使用golang编写，就采集来说，其性能和资源利用率远好于基于jvm的logstash。
在这里，filebeat做为kafka的生产者
1）拉取filebeat镜像
docker pull docker.elastic.co/beats/filebeat:6.4.2
2）创建filebeat.yml配置文件，进行vim修改
基础的配置
---
filebeat.inputs:
- type：log
enabled: true
fields:
log_topics: mydockerapi1 --命名以服务名字，注意，因为一台宿主机可能有多个服务，而我们采集也要分开，再来一组-type
paths:
- /usr/share/filebeat/mydockerapi1-logs/*.log --这里是docker内的路径，千万别写错了。如果是
output.kafka:
hosts:
- "10.0.8.17:9092" --kafka的地址
topic: "elk-%{[fields][log_topics]}" --消息队列的topic
3)运行
docker run --restart=always --name filebeat -d -v /home/filebeat.yml:/usr/share/filebeat/filebeat.yml -v /home/fileBeate/logs/mydockerapi1/:/usr/share/filebeat/mydockerapi1-logs docker.elastic.co/beats/filebeat:6.4.2
进入filebeat容器内部如下图，可以看到已经采集到日志文件
使用 docker logs -f filebeat 命令，查看filebeat日志
上图可见，采集完日志后，像kafka发送了
4.Zookeeper/Kafka
kafka是结合zookeeper一起使用的，kafka通过zookeeper管理集群配置，选举leader，以及在consumer group发生变化时进行rebalance。producer使用push模式将消息发布到broker，consumer使用pull模式从broker订阅并消费消息,这里不过多描述，感兴趣的可以去详细查看。
1)拉取zookeeper镜像并运行
docker pull zookeeper:latest docker run -d --name zookeeper -p 2181:2181 -t zookeeper:latest
2)拉取kafka镜像并运行
docker pull wurstmeister/kafka:latest docker run -d --name kafka -p 9092:9092 -e KAFKA_BROKER_ID=0 -e KAFKA_ZOOKEEPER_CONNECT=10.0.8.17:2181 -e KAFKA_ADVERTISED_LISTENERS=PLAINTEXT://10.0.8.17:9092 -e KAFKA_LISTENERS=PLAINTEXT://0.0.0.0:9092 -t wurstmeister/kafka:latest
3）查看filebeat是否采集完日志，是否之前配置的topic写进来，直接执行下面命令
docker exec -it kafka bash cd /opt/kafka/bin kafka-topics.sh --zookeeper 10.0.8.17:2181 --list
可见，我们采集的日志已经写进来了。接下来，使用exit命令退出容器。
5.Logstash
Logstash是一个接收、过滤、输出的组件，三块形成一个管道，其实这个的功能性很强大，配置起来也很繁琐，我们这里主要是收集各个API服务的日志用，所以就做基础配置即可
1)拉取镜像
docker pull docker.elastic.co/logstash/logstash:6.4.3
2)创建配置文件并配置
input{
kafka{ 数据源来自kafka，此时logstash做为消费者
bootstrap_servers => "10.0.8.17:9092" kafka地址
topics_pattern => "elk-.*" 消费的主题匹配elk-开头的
consumer_threads => 5 -消费线程数
decorate_events => true
codec => "json"
auto_offset_reset => "latest"
}
}
output {
elasticsearch { 输出到es
hosts => ["10.0.8.17:9200"] es地址
index => "ts-mydockerapi1" es的索引
}
}
上述是简单的配置，生产中在输出output块中，，要根据topic来输出到不同的索引配置如下:
output {
if [@metadata][kafka][topic] == "elk-mydockerapi1" {
elasticsearch {
hosts => "http://10.0.8.17:9200"
index => "ts-mydockerapi1"
timeout => 300
}
} 这里可以多个if判断，输出到不同的索引中
stdout {}
}
3）运行
docker run --name logstash -d -e xpack.monitoring.enabled=false -v /home/logstash:/config-dir docker.elastic.co/logstash/logstash:6.4.3 -f /config-dir/logstash.conf
至此logstash启动成功，日志显示正常。至于繁琐的过滤配置，主做运维的同学，可以深研究下，后端同学了解下就行了。我这期间，老是遇到内存溢出的情况，可以改一下，logstash的配置文件，进入docker容器，位置在config/jvm.options,可以修改下内存使用。
6.ElasticSearch
简称es,elasticsearch 是一个分布式、高扩展、高实时的搜索与数据分析引擎。它能很方便的使大量数据具有搜索、分析和探索的能力。充分利用elasticsearch的水平伸缩性，能使数据在生产环境变得更有价值。官方概念，我们本篇文章不做深入研究，只就ELK分布式日志应用来说。
1)拉取镜像
docker pull docker.elastic.co/elasticsearch/elasticsearch:6.4.2
2）运行es
docker run --name myes --restart=always -p 9200:9200 -p 9300:9300 -d -e "discovery.type=single-node" docker.elastic.co/elasticsearch/elasticsearch:6.4.2
3)查看logstash输入到es的数据
浏览器运行http://你的IP:9200/_search?pretty
日志数据已经进来了，接下来最后一步，展示日志。
7.Kibana
kibana是一个开源的分析与可视化平台，设计出来用于和elasticsearch一起使用的。你可以用kibana搜索、查看、交互存放在elasticsearch索引里的数据，使用各种不同的图表、表格、地图等kibana能够很轻易地展示高级数据分析与可视化.
1)拉取镜像
docker pull docker.elastic.co/kibana/kibana:6.4.3
2)运行
docker run -d --name kibana -p 5601:5601 -e ELASTICSEARCH_URL=http://10.0.8.17:9200 docker.elastic.co/kibana/kibana:6.4.3
3配置展示
运行起来后，打开你的ip:5601，刚进来会让你创建索引，步骤如下图
选择next step按钮，创建完毕，如下图
由于我这个linux服务器太弱了，ELK完全运行起来太卡了，就不继续做了，可以再建个API服务，模拟多个服务日志，通过ELK采集，在kibana里，根据logstash输入进es的索引，来展示对应服务的日志，如下图：
这里就可以选择对应API服务的索引日志了。。。
最后做为后端研发来说，一个有规模的做微服务的团队，ELK的搭建不是直接购买云产品，就是由运维来搭建，但是小规模团队，还是需要后端同学来搞的，总之，后端研发人员可以不实践，但是最好要了解一下整体流程。OK本文到此结束。
标签：
留言评论