partition.round_robin:
reachable_only: false
// 代理要求的 ACK 可靠性级别。0=无响应,1=等待本地提交,-1=等待所有副本提交。默认值为 1
required_acks: 1
// 设置输出压缩编解码器
compression: gzip
// JSON 编码消息的最大允许大小
max_message_bytes: 1000000
#### 3.7:总结:
我们主要完成在Docker环境下部署 Filebeat 日志收集工具,他是搭建ELK日志非常重要的一部分,我们利用Filebeat日志收集完成之后,将数据写入 Elasticsearch 后用 Kibana 进行可视化展示,目前我们已经完成了Fliebeat + Es +Kibana部分。
### 4:安装logstash
#### 4.1:是什么
Logstash是具有实时流水线能力的开源的数据收集引擎。Logstash可以动态统一不同来源的数据,并将数据标准化到您选择的目标输出。它提供了大量插件,可帮助我们解析,丰富,转换和缓冲任何类型的数据。
#### 4.2:工作方式
**管道**(Logstash Pipeline)是Logstash中独立的运行单元,每个管道都包含两个必须的**元素输入**(input)和**输出**(output),和一个可选的**元素过滤器**(filter),事件处理管道负责协调它们的执行。
输入和输出支持编解码器,使您可以在数据进入或退出管道时对其进行编码或解码,而不必使用单独的过滤器。如:json、multiline等
![](https://img-blog.csdnimg.cn/direct/a8d899109a4b460186e330c7484aaa67.png)
##### inputs(输入阶段):
Logstash 支持各种输入选择,可以同时从众多常用来源捕捉事件。
包括:file、kafka、beats等
##### filters(筛选阶段):
数据从源传输到存储库的过程中,Logstash 筛选器能够解析各个事件,识别已命名的字段以构建结构,并将它们转换成通用格式,以便进行更强大的分析和实现商业价值。
包括:
* 利用 Grok 从非结构化数据中派生出结构
* 简化整体处理,不受数据源、格式或架构的影响等
##### outputs(输出阶段):
将事件数据发送到特定的目的地,完成了所以输出处理,改事件就完成了执行。
如:elasticsearch、file、redis等
##### Codecs(解码器):
基本上是流过滤器,作为输入和输出的一部分进行操作,可以轻松地将消息的传输与序列化过程分开。
#### 4.3:安装
logstash的部署方式有很多种,一般情况下我们可以采用下载 logstash 安装包的方式去启动。
但是官方为我们提供了Docker的部署方式,我比较倾向于利用Docker来进行管理。
#安装
docker pull logstash:7.4.2
#映射
mkdir -p /mydata/logstash/config
mkdir -p /mydata/logstash/pipeline
#创建配置文件
vi logstash.yml
config:
reload:
automatic: true
interval: 3s
xpack:
management.enabled: false
monitoring.enabled: false
#配置文件pipelines.yml(放在/mydata/logstash/config)
vi pipelines.yml
- pipeline.id: logstash_dev
path.config: /usr/share/logstash/pipeline/logstash_dev.conf
#配置文件 logstash\_dev.conf(放在/mydata/logstash/pipeline下)
vi logstash\_dev.conf
input {
#从filebeat中收集日志
beats {
port => 5047
client_inactivity_timeout => 36000
}
#客户端接入时使用的端口
tcp {
port => 5044
#输入为json数据
codec => json_lines
}
}
filter {
grok {
match => { “message” => “%{COMBINEDAPACHELOG}” }
}
mutate {
convert => {
“bytes” => “integer”
}
}
geoip {
source => “clientip”
}
useragent {
source => “user_agent”
target => “useragent”
}
date {
match => [“timestamp”, “dd/MMM/yyyy:HH:mm:ss Z”]
}
}
output {
stdout { }
elasticsearch {
hosts => [“43.138.58.104:9200”]
index => “hkc0327_test_example”
}
}
#启动
#启动
docker run -d -it --restart=always --privileged=true --name=logstash -p 5044:5044 -p 9600:9600 -v /mydata/logstash/pipeline/:/usr/share/logstash/pipeline/ -v /mydata/logstash/config/:/usr/share/logstash/config/ logstash:7.4.2
启动结果:
![](https://img-blog.csdnimg.cn/direct/3536d9f1e755450892df04065d385ff2.png)
通过docker logs id 来看logstash是否启动成功:
![](https://img-blog.csdnimg.cn/direct/92aa2868f6c54c0ca52a49c8c0f62f00.png)
#### 4.4:修改 filebeat 配置文件
在前面的文章中我们已经将FlieBeat + Es + Kibana 的合并操作
我们只需要修改 filebeat 配置文件 filebeat.yml
将输出地址更改为我们部署的 logstash 地址
filebeat.inputs:
- type: log
enabled: true
paths:- /usr/share/filebeat/logs/*
output.logstash:
hosts: [“XX.XX.XX.XX:5044”]
#output.elasticsearch:
hosts: [“XX.XX.XX.XX:9200”]
1. 查询是否生成索引
curl http://localhost:9200/_cat/indices?v
![](https://img-blog.csdnimg.cn/direct/eae6ac503e934b53b432465b7f575d2b.png)
1. 上Kibana查看
![](https://img-blog.csdnimg.cn/direct/995b92bf31794c7ba5717f74b73cd737.png)
我们主要完成在Docker环境下部署 logstash 日志收集工具,他是搭建ELK日志非常重要的一部分,上一篇文章Filebeat日志收集完成之后,将数据写入 Elasticsearch 后用 Kibana 进行可视化展示,现在我们已经完成了
Filebeat 收集数据写入 logstash处理,再将数据写入 Elasticsearch 后 Kibana 进行可视化展示的全过程。
### 5:安装kafka
注:kafka能帮助我们削峰。ELK可以使用redis作为消息队列,但redis作为消息队列不是强项而且redis集群不如专业的消息发布系统kafka
#### 5.1:Docker安装zookeeper
Kafka对于zookeeper是强依赖,保存kafka相关的节点数据,所以安装Kafka之前必须先安装zookeeper。
#下载镜像:
docker pull zookeeper:3.4.14
#创建容器
docker run -d --name zookeeper -p 2181:2181 zookeeper:3.4.14
#### 5.2:Docker安装kafka
执行下面命令前,先确认zookeeper端口可以正常访问
#下载镜像:
docker pull wurstmeister/kafka:2.12-2.3.1
#创建容器:
docker run -d --name kafka
–env KAFKA_ADVERTISED_HOST_NAME=192.168.200.130
–env KAFKA_ZOOKEEPER_CONNECT=192.168.200.130:2181
–env KAFKA_ADVERTISED_LISTENERS=PLAINTEXT://192.168.200.130:9092
–env KAFKA_LISTENERS=PLAINTEXT://0.0.0.0:9092
–env KAFKA_HEAP_OPTS=“-Xmx256M -Xms256M”
–net=host wurstmeister/kafka:2.12-2.3.1
部分参数的含义:
KAFKA\_BROKER\_ID=1 kafka在集群中的唯一标识
KAFKA\_ZOOKEEPER\_CONNECT=zookeeper:12181 监听zookeeper的地址
KAFKA\_ADVERTISED\_LISTENERS=PLAINTEXT://192.168.65.7:19092 kafka服务器的地址
#### 5.3:启动kafka的小插曲
因为预算原因,当时我开通的是腾讯云2-2g的服务器,之前我的云服务器上已经安装并启动了redis、ngins、ELK全家桶等,启动kafka的时候会报错内存不够用,如下:
![](https://img-blog.csdnimg.cn/direct/5d45bd2f7d2f4084aed5897ebca19667.png)
通过`free -h`命令内存,发现的确没剩多少运行内存了,问题原因找到了:
![](https://img-blog.csdnimg.cn/direct/590bf9cd5d5c4192b74b0b333c2b915c.png)
可以通过`swap(内存交换空间)`扩容可用的运行内存空间,首先声明扩容的内存容量(本次我扩容大约`4G`):
![](https://img-blog.csdnimg.cn/direct/9066325db0a8435fa14d5624df41f247.png)
扩容4G运行内存
of:空间名称,名为swapfile
bs:单位,kb
count:数量(4000000 * 1kb ≈ 4G)
dd if=/dev/zero of=swapfile bs=1024 count=4000000
#设置swap空间:
mkswap swapfile
启用
swapon swapfile
然后再启动kafka就没问题了
### 6:原式版本(ELK)
![](https://img-blog.csdnimg.cn/direct/a8ce096008ac4868978c1b6bb93c294b.png)
**直接将消息输出到logstash,再输出给es,进而显示在kibana里面**:
加入pom依赖。(踩坑点,logstash7.4.2整合的时候,这个版本7.4不能适配,20240326前后几天一直不知道什么问题,后面偶然间把版本改为7.3就可以正常输出日志了)
<dependency>
<groupId>net.logstash.logback</groupId>
<artifactId>logstash-logback-encoder</artifactId>
<version>7.3</version>
</dependency>
新增配置文件logback-spring.xml
<?xml version="1.0" encoding="UTF-8"?>
<!-- 日志输出格式 -->
<property name="console.log.pattern"
value="%red(%d{yyyy-MM-dd HH:mm:ss}) %green([%thread]) %highlight(%-5level) %boldMagenta(%logger{36}%n) - %msg%n"/>
<!-- 控制台输出 -->
<appender name="CONSOLE" class="ch.qos.logback.core.ConsoleAppender">
<encoder>
<pattern>${console.log.pattern}</pattern>
<charset>utf-8</charset>
</encoder>
</appender>
<!--logback输出到本地日志文件(这里可以定义成filebeat的获取日志的目录,就升级为elk+filebeat的架构了)-->
<appender name="FILE" class="ch.qos.logback.core.rolling.RollingFileAppender">
<rollingPolicy class="ch.qos.logback.core.rolling.TimeBasedRollingPolicy">
<!--日志文件输出的文件名-->
<fileNamePattern>${log.path}/log-%d{yyyy-MM-dd}.log</fileNamePattern>
</rollingPolicy>
<encoder>
<pattern>${console.log.pattern}</pattern>
</encoder>
</appender>
<!--输出到logback远程日志-->
<appender name="STASH" class="net.logstash.logback.appender.LogstashTcpSocketAppender">
<destination>43.138.58.104:5044</destination>
<encoder charset="UTF-8" class="net.logstash.logback.encoder.LogstashEncoder" />
</appender>
<!--异步输出-->
<appender name="ASYNC" class="ch.qos.logback.classic.AsyncAppender">
<!--不丢失日志,默认的,若队列的80%已满,则会丢弃TRACT、DEBUG、INFO级别的日志-->
<discardingThreshold>0</discardingThreshold>
<!--更改默认队列深度,该值会影响性能,默认是256-->
<queueSize>512</queueSize>
<!--添加附件的appender,最多添加一个-->
<appender-ref ref="FILE"></appender-ref>
</appender>
<logger name="org.apache.ibatis.cache.decorators.LoggingCache" level="DEBUG" additivity="false" >
<appender-ref ref="CONSOLE"></appender-ref>
</logger>
<logger name="org.springframework.boot" level="DEBUG" >
</logger>
<!--定义什么级别的日志输出到哪里-->
<root level="info">
<appender-ref ref="CONSOLE"/>
<appender-ref ref="FILE"/>
<appender-ref ref="STASH"/>
</root>
package com.hkc.elk;
import org.junit.jupiter.api.Test;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.boot.test.context.SpringBootTest;
import java.util.Random;
@SpringBootTest
class ElkApplicationTests {
private static final Logger logger= LoggerFactory.getLogger(ElkApplicationTests.class);
/**
* 模仿系统打印日志
* @throws InterruptedException
*/
@Test
public void contextLoads() throws InterruptedException {
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数大数据工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年大数据全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上大数据开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以添加VX:vip204888 (备注大数据获取)
一个人可以走的很快,但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎扫码加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
5)]
[外链图片转存中…(img-1uhAuf4C-1712959821996)]
[外链图片转存中…(img-Dyq8F5bV-1712959821996)]
[外链图片转存中…(img-CmsIyiYj-1712959821996)]
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上大数据开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以添加VX:vip204888 (备注大数据获取)
[外链图片转存中…(img-EtErkJAQ-1712959821997)]
一个人可以走的很快,但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎扫码加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!