ELK 企业级日志分析系统
1.ELK概述
1.1 ELK简介
ELK平台是一套完整的日志集中处理解决方案,将ElasticSearch、Logstash和kibana三个开源工具配合使用, 完成更强大的,用户对日志的查询、排序、统计需求。
ElasticSearch
- ElasticSearch:是基于Lucene(一个全文检索引擎的架构)开发的分布式存储检索引擎,用来存储各类日志。
Elasticsearch是用Java开发的,可通过RESTful Web接口,让用户可以通过浏览器与Elasticsearch通信。
Elasticsearch是一个实时的、分布式的、可扩展的搜索引擎,允许进行全文、结构化搜索,它通常用于索引和搜索大容量的日志数据,也可用于搜索许多不同类型的文档。
kibana
- kibana:kibana通常与Elasticsearch一起部署,kibana是Elasticsearch的一个功能强大的数据可视化Dashboard,kibana提供图形化的web界面,来浏览Elasticsearch日志数据,可以用来汇总、分析和搜索重要数据。
Logstash
- Logstash:作为数据收集引擎。它支持动态的从各种数据源搜集数据,并对数据进行过滤、分析、丰富、统一格式等操作,然后存储到用户指定的位置,一般会发送给Elasticsearch。
Logstash由Ruby语言编写,运行在Java虚拟机(JVM)上,是一款强大的数据处理工具, 可以实现数据传输、格式处理、格式化输出。Logstash具有强大的插件功能,常用于日志处理。
1.2 可以添加的其它组件
Filebeat
- Filebeat:轻量级开源日志文件数据搜集器。通常在需要采集数据的客户端安装Filebeat,并指定目录与日志格式,Filebeat就能快速收集数据,并发送给logstash进行解析,或是直接发给Elasticsearch存储,性能上相比运行于JVM上的logstash优势明显,是对它的替代。常应用于EFLK架构当中。
1.3 filebeat结合logstash带来好处
(1)通过Logstash有基于磁盘的自适应缓冲系统,该系统将吸收传入的吞吐量,从而减轻 Elasticsearch持续写入数据的压力.
(2)从其他数据源(例如数据库,S3对象存储或消息传递队列)中提取.
(3)将数据发送到多个目的地,例如S3,HDFS(Hadoop分布式文件系统)或写入文件.
(4)使用条件数据流逻辑,组成更复杂的处理管道.
-
缓存/消息队列(redis、kafka、RabbitMQ等):可以对高并发日志数据进行流量削峰和缓冲,这样的缓冲可以一定程度的保护数据不丢失,还可以对整个架构进行应用解耦。
-
Fluentd:是一个流行的开源数据收集器。由于logstash太重量级的缺点,Logstash性能低、资源消耗比较多等问题,随后就有Fluentd的出现。相比较logstash,Fluentd更易用、资源消耗更少、性能更高,在数据处理上更高效可靠,受到企业欢迎,成为logstash的一种替代方案,常应用于EFK架构当中。在Kubernetes集群中也常使用EFK作为日志数据收集的方案。
在Kubernetes集群中一般是通过DaemonSet来运行Fluentd,以便它在每个Kubernetes工作节点上都可以运行一个Pod。 它通过获取容器日志文件、过滤和转换日志数据,然后将数据传递到 Elasticsearch集群,在该集群中对其进行索引和存储。
1.4 为什么要使用ELK?
日志主要包括系统日志、应用程序日志和安全日志。系统运维和开发人员可以通过日志,了解服务器软硬件信息、检查配置过程中的错误及错误发生的原因。经常分析日志可以了解服务器的负荷,性能安全性,从而及时采取措施纠正错误。
往往单台机器的日志,我们使用grep、awk等工具就能基本实现简单分析,但是当日志被分散的储存在不同的设备中。如果你管理数十上百台服务器,你还在使用依次登录每台机器的传统方法查阅日志。这样是不是感觉很繁琐和效率低下。当务之急我们使用集中化的日志管理,例如:开源的syslog,将所有服务器上的日志收集汇总。集中化管理日志后,日志的统计和检索又成为一件比较麻烦的事情,一般我们使用grep、awk和wc等Linux命令能实现检索和统计,但是对于要求更高的查询、排序和统计等要求,庞大的机器数量依然使用这样的方法难免有点力不从心。
一般大型系统是一个分布式部署的架构,不同的服务模块部署在不同的服务器上。问题出现时,大部分情况需要根据问题暴露的关键信息,定位到具体的服务器和服务模块,构建一套集中式日志系统,可以提高定位问题的效率。
1.5 完整日志系统基本特征
收集:能够采集多种来源的日志数据
传输:能够稳定的把日志数据解析过滤,并传输到存储系统
存储:存储日志数据
分析:支持UI分析
警告:能够提供错误报告,监控机制
1.6 ELK的工作原理
(1)在所有需要收集日志的服务器上部署Logstash;或者先将日志进行集中化管理在日志服务器上,在日志服务器上部署Logstash。
(2)Logstash收集日志,将日志格式化并输出到Elasticsearch群集中。
(3)Elasticsearch对格式化后的数据,进行索引和存储。
(4)Kibana从ES群集中查询数据生成图表,并进行前端数据的展示。
总结:
logstash作为日志搜集器,从数据源采集数据,并对数据进行过滤,格式化处理,然后交由Elasticsearch存储,kibana对日志进行可视化处理,并在web前端页面展示。
2. Elasticsearch节点优化
master - 主节点:
elasticsearch.yml :
node.master: true
node.data: false
主要功能:维护元数据,管理集群节点状态;不负责数据写入和查询。
配置要点:内存可以相对小一些,但是机器一定要稳定,最好是独占的机器。
data - 数据节点:
elasticsearch.yml :
node.master: false
node.data: true
主要功能:负责数据的写入与查询,压力大。
配置要点:大内存,最好是独占的机器。
client - 客户端节点:
elasticsearch.yml :
node.master: false
node.data: false
主要功能:负责任务分发和结果汇聚,分担数据节点压力。
配置要点:大内存,最好是独占的机器
mixed- 混合节点(不建议):
elasticsearch.yml :
node.master: true
node.data: true
主要功能:综合上述三个节点的功能。
配置要点:大内存,最好是独占的机器。
特别说明:不建议这种配置,节点容易挂掉。
3.部署ELK集群
3.1 安装Elasticsearch
###关闭和禁止防火墙开机自启功能
systemctl stop firewalld
systemctl disable firewalld
setenforce 0
sed -i 's/enforcing/disabled/' /etc/selinux/config
(1)准备环境,设置Java环境
java -version
#yum install -y java
(2)部署Elasticsearch软件
###安装elasticsearch—rpm包
cd /opt
rz -E
#elasticsearch-6.7.2.rpm
rpm -ivh elasticsearch-6.7.2.rpm
(3)修改elasticsearch主配置文件
cp /etc/elasticsearch/elasticsearch.yml /etc/elasticsearch/elasticsearch.yml.bak
vim /etc/elasticsearch/elasticsearch.yml
--17--取消注释,指定集群名字
cluster.name: my-elk-cluster
--23--取消注释,指定节点名字:Node1节点为node1,Node2节点为node2
node.name: node1
node.master: true #是否master节点,false为否
node.data: true #是否数据节点,false为否
--33--取消注释,指定数据存放路径
path.data: /var/lib/elasticsearch
--37--取消注释,指定日志存放路径
path.logs: /var/log/elasticsearch
--43--取消注释,避免es使用swap交换分区
bootstrap.mem