ELK+filebeat+kafka日志收集，大数据开发软件开发面试题

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但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年最新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，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip204888 （备注大数据）

正文

为了能看到日志，我们必须手动添加索引：

再回到查询页面的时候我们就可以进行筛选的操作了

3.6：配置

Filebeat提供给我们的配置是非常丰富的，我们可以将收集到的数据写入很多不同的地方

这里我总结了部分常用到的，更多的配置信息我们可以到官网上去查询。

// 输出
filebeat.inputs:
// 类型
- type: filestream   
  id: my-filestream-id
  paths:
    - /var/log/*.log
    
// 模块配置 设置启动模块

filebeat.modules:
- module: nginx
  access:
  error:
- module: mysql
  slowlog:

// 输出到Es
output.elasticsearch:
  hosts: ["https://myEShost:9200"]
  username: "filebeat_writer"
  password: "YOUR_PASSWORD"
  index: "%{[fields.log_type]}-%{[agent.version]}-%{+yyyy.MM.dd}" 
  // 默认行为，当一个事件被 elasticsearch 明确拒绝时，它会被丢弃。
  non_indexable_policy.drop: ~
  
  indices:
    - index: "warning-%{[agent.version]}-%{+yyyy.MM.dd}"
      when.contains:
        message: "WARN"
    - index: "error-%{[agent.version]}-%{+yyyy.MM.dd}"
      when.contains:
        message: "ERR"
        
// 输出到logstash
output.logstash:
    hosts: ["localhost:5044", "localhost:5045"]
// 如果设置为 true 并且配置了多个 Logstash 主机，则输出插件会将已发布的事件负载平衡到所有 Logstash 主机上。
// 如果设置为 false，则输出插件将所有事件仅发送到一个主机（随机确定），
// 如果所选主机无响应，则将切换到另一台主机。默认值为假。
  loadbalance: true
  index: filebeat
  proxy_url: socks5://user:password@socks5-proxy:2233
  enabled: true
  
 output.kafka:
  # initial brokers for reading cluster metadata
  hosts: ["kafka1:9092", "kafka2:9092", "kafka3:9092"]

  # message topic selection + partitioning 用于生产事件的 Kafka 主题。
  topic: '%{[fields.log_topic]}'
  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

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：

通过docker logs id 来看logstash是否启动成功：

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 

1. 上Kibana查看

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：

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：

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）：

# 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）

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）

  <!--整合elk-->
        <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"?>
<configuration scan="true" scanPeriod="60 seconds" debug="false">
    <!-- 日志存放路径 -->
<!--    <property name="log.path" value="logs/${project.artifactId}"/>-->
    <property name="log.path" value="d:/logs"/>


    <!-- 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"/>



**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注大数据）**
![img](https://img-blog.csdnimg.cn/img_convert/48ea904f54d83ecbb087ef6bdfb7fe51.png)

**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！**

path" value="d:/logs"/>


    <!-- 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"/>



**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注大数据）**
[外链图片转存中...(img-166Ms33n-1713121543600)]

**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！**