知識星球（點選上方公眾號，可快速關註）
來源：FEINIK ，
my.oschina.net/feinik/blog/1580625
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等元件組成，來共同完成實時日誌的收集，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。
-
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等佇列。
-
Logstash：資料收集引擎，相較於Filebeat比較重量級，但它集成了大量的外掛，支援豐富的資料源收集，對收集的資料可以過濾，分析，格式化日誌格式。
-
Elasticsearch：分散式資料搜尋引擎，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聚合功能。
-
Kibana：資料的視覺化平臺，透過該web平臺可以實時的檢視 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作為日誌收集器
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元件，作為日誌收集器，然後將Logstash收集到的資料過濾、分析、格式化處理後傳送至Elasticsearch儲存，最後使用Kibana進行視覺化展示，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作為日誌收集器
該架構與第一種架構唯一不同的是：應用端日誌收集器換成了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日誌收集器，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、引入快取佇列的部署架構
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收集到的資料傳送至Kafka，然後在透過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，使用快取佇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 使用壓力敏感協議向 Logstash 或 Elasticsearch 傳送資料。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 將恢復初始速度並繼續傳送資料。
三、問題及解決方案
問題：如何實現日誌的多行合併功能？
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併。
解決方案：使用Filebeat或Logstash中的multiline多行合併外掛來實現
在使用multiline多行合併外掛的時候需要註意，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：
filebeat.prospectors:
–
paths:
– /home/project/elk/logs/test.log
input_type: log
multiline:
pattern: ‘^\[‘
negate: true
match: after
output:
logstash:
hosts: [“localhost:5044”]
-
pattern：正則運算式
-
negate：預設為false，表示匹配pattern的行合併到上一行；true表示不匹配pattern的行合併到上一行
-
match：after表示合併到上一行的末尾，before表示合併到上一行的行首
如：
pattern: ‘\[‘
negate: true
match: after
該配置表示將不匹配pattern樣式的行合併到上一行的末尾
2、multiline在Logstash中的配置方式
input {
beats {
port => 5044
}
}
filter {
multiline {
pattern => “%{LOGLEVEL}\s*\]”
negate => true
what => “previous”
}
}
output {
elasticsearch {
hosts => “localhost:9200”
}
}
（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預製的正則匹配樣式，預製的還有好多常用的正則匹配樣式，詳細請看：https://github.com/logstash-plugins/logstash-patterns-core/tree/master/patterns
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中檢視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當前時間，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分詞外掛與date時間格式化外掛來實現
在Logstash的配置檔案的過濾器中配置grok分詞外掛與date時間格式化外掛，如：
input {
beats {
port => 5044
}
}
filter {
multiline {
pattern => “%{LOGLEVEL}\s*\]\[%{YEAR}%{MONTHNUM}%{MONTHDAY}\s+%{TIME}\]”
negate => true
what => “previous”
}
grok {
match => [ “message” , “(?
%{YEAR}%{MONTHNUM}%{MONTHDAY}\s+%{TIME})” ] }
date {
match => [“customer_time”, “yyyyMMdd HH:mm:ss,SSS”] //格式化時間
target => “@timestamp” //替換預設的時間欄位
}
}
output {
elasticsearch {
hosts => “localhost:9200”
}
}
如要匹配的日誌格式為：“[DEBUG][20170811 10:07:31,359][DefaultBeanDefinitionDocumentReader:106] Loading bean definitions”，解析出該日誌的時間欄位的方式有：
① 透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：[自定義運算式名稱] [正則運算式]
然後logstash中就可以這樣取用：
filter {
grok {
patterns_dir => [“./customer-patterms/mypatterns”] //取用運算式檔案路徑
match => [ “message” , “%{CUSTOMER_TIME:customer_time}” ] //使用自定義的grok運算式
}
}
② 以配置項的方式，規則為：(?正則匹配規則)，如：
filter {
grok {
match => [ “message” , “(?
%{YEAR}%{MONTHNUM}%{MONTHDAY}\s+%{TIME})” ] }
}
問題：如何在Kibana中透過選擇不同的系統日誌模組來檢視資料
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檢視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：
filebeat.prospectors:
–
paths:
– /home/project/elk/logs/account.log
input_type: log
multiline:
pattern: ‘^\[‘
negate: true
match: after
fields: //新增log_from欄位
log_from: account
–
paths:
– /home/project/elk/logs/customer.log
input_type: log
multiline:
pattern: ‘^\[‘
negate: true
match: after
fields:
log_from: customer
output:
logstash:
hosts: [“localhost:5044”]
透過新增：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中建立對應的索引樣式匹配，即可在頁面透過索引樣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：
filebeat.prospectors:
–
paths:
– /home/project/elk/logs/account.log
input_type: log
multiline:
pattern: ‘^\[‘
negate: true
match: after
document_type: account
–
paths:
– /home/project/elk/logs/customer.log
input_type: log
multiline:
pattern: ‘^\[‘
negate: true
match: after
document_type: customer
output:
logstash:
hosts: [“localhost:5044”]
透過document_type來標識不同系統模組
② 修改Logstash中output的配置內容為：
output {
elasticsearch {
hosts => “localhost:9200”
index => “%{type}”
}
}
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實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散式日誌資料集中式查詢和管理，還可以用來作為專案應用以及伺服器資源監控等場景，更多內容請看官網。
【關於投稿】
如果大家有原創好文投稿，請直接給公號傳送留言。
① 留言格式：
【投稿】+《 文章標題》+ 文章連結
② 示例：
【投稿】《不要自稱是程式員，我十多年的 IT 職場總結》：http://blog.jobbole.com/94148/
③ 最後請附上您的個人簡介哈~
看完本文有收穫？請轉發分享給更多人
關註「ImportNew」，提升Java技能
