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"]
- 查询是否生成索引
curl http://localhost:9200/_cat/indices?v
- 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!**