前言
开发任务后,提交代码的那一刻,心情是自由自在……速度是八十迈……
以为接下来是游戏、逛GAI或暖烘烘的被窝。
然而,梦想何其丰满,现实何其骨干。
总有测试小姐姐教你紧急刹车,回头做(改)人(bug):你这不行啊!(吃瓜群众排排坐,笑歪了嘴)
我低头看了看自己的八块腹肌:行不行可不是你说了算!
小姐姐也不是吃素的,撸起袖子,打开她的联想十代:你行你连连报错,毒奶队友!
我:(⊙o⊙)……原来你说的是这个不行,我还以为……
小姐姐一脸疑惑:以为什么?真以为自己是大神了!
我清咳掉自己的尴尬,绝不认输:我认为是你传错了参数。毕竟本大师在本地调试时可没有任何问题。
小姐姐久经沙场,从无败绩:不!可!能!是你是你就是你!我从来不会错。
那一刻,我仿佛看到生理期的女朋友在面前闪现,内心是崩溃的。
我们俩就这样争执了很久,最后自然不出意料,缴械投降的还是我。
毕竟——
中华民族的传统美(糟)德(粕)是:好男不跟女斗!
于是我只能去服务器上看看日志,但是日志内容累累如高山,多多如牛毛,足足3.5个G,无奈的我只好使用一堆Linux骚命令,将文件切割成一个个小文件,好在最后终于找到了那次请求,排查后找到了原因。
通过这件事,我痛定思痛:如果有一个平台能实时收集我们的日志,并能以可视化的界面呈现出来,那该多好啊!这样我们就再也不用在那堆厚重的日志文件里面找数据了。
秘籍展示
其实,这种神奇的平台早就有了,那就是ELK,它是三大神兽Elasticsearch(搜索引擎), Logstash(日志收集),Kibana(可视化的Web界面)的组合,我们来看下架构图:
对照架构图,我们来看下这三大神兽的工作过程:
- 用户发送请求到我们的服务端
- 服务端将需要落日志的数据通过网络请求传送到Logstash
- Logstash对数据进行过滤清洗后,再传给Elasticsearch
- Elasticsearch负责对数据创建索引,进行存储
- 用户通过访问Kibana的Web页面,能够实时查看日志
好吧,秘籍都告诉你了,现在需要带领你们去实战了。
必备心法
在打仗之前,我们需要士兵们必须具备以下技能,不然上了战场后,只会被虐的体无完肤。
- 了解ELK三大组件
- 有实操过Docker
- 本地有Docker环境
- IDEA工具
- 配置相对高一点的武器(电脑),不然会崩溃的
准备粮草:准备一个Spring Boot项目
首先创建一个Spring Boot项目,项目结构如下:
引入项目必备依赖:
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter</artifactId>
</dependency>
<dependency>
<groupId>com.alibaba</groupId>
<artifactId>fastjson</artifactId>
<version>1.2.35</version>
</dependency>
<dependency>
<groupId>cn.hutool</groupId>
<artifactId>hutool-all</artifactId>
<version>5.4.0</version>
</dependency>
创建一些基础组件:
创建切面,实现低耦合记录日志。
下面是核心代码:
// 使用环绕通知
@Around("controllerLog()")
public Object doAround(ProceedingJoinPoint joinPoint) throws Throwable {
long startTime = System.currentTimeMillis();
// 获取当前请求对象
ServletRequestAttributes attributes =
(ServletRequestAttributes) RequestContextHolder.getRequestAttributes();
HttpServletRequest request = attributes.getRequest();
// 记录请求信息
ReqRspLog webLog = new ReqRspLog();
Object result = joinPoint.proceed();
Signature signature = joinPoint.getSignature();
MethodSignature methodSignature = (MethodSignature) signature;
Method method = methodSignature.getMethod();
// 通过反射,获取入参和出参,封装成json,落日志
long endTime = System.currentTimeMillis();
String urlStr = request.getRequestURL().toString();
webLog.setBasePath(StrUtil.removeSuffix(urlStr, URLUtil.url(urlStr).getPath()));
webLog.setIp(request.getRemoteUser());
webLog.setMethod(request.getMethod());
webLog.setParameter(getParameter(method, joinPoint.getArgs()));
webLog.setResult(result);
webLog.setSpendTime((int) (endTime - startTime));
webLog.setStartTime(startTime);
webLog.setUri(request.getRequestURI());
webLog.setUrl(request.getRequestURL().toString());
logger.info("{}", JSONUtil.parse(webLog));
return result;
}
创建测试接口:
@RestController
@RequestMapping("/api")
public class ApiController {
@GetMapping
public R<String> addLog(@RequestParam(value = "param1",required = false) String param1){
return R.success("你好,这段话将被日志记录");
}
}
我们现在请求一下接口,会发现在控制台打印出这样一段日志:
{"method":"GET","uri":"/api","url":"http://localhost:8080/api","result":{"code":200,"data":"你好,这段话将被日志记录","message":"操作成功"},"basePath":"http://localhost:8080","parameter":{"param1":"测试ELK"},"startTime":1611529379353,"spendTime":9}
使用切面,实现日志记录并打印到控制台上已经完成了,现在我们按照架构图,需要通过Logstash把日志发送到es里面,接下来整合Logstash实现传送日志的功能。
招兵买马:整合Logstash
添加Logstash依赖:
<!--集成Logstash-->
<dependency>
<groupId>net.logstash.logback</groupId>
<artifactId>logstash-logback-encoder</artifactId>
<version>5.3</version>
</dependency>
<dependency>
<groupId>org.projectlombok</groupId>
<artifactId>lombok</artifactId>
<optional>true</optional>
</dependency>
编辑配置文件logback-spring.xml:
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE configuration>
<configuration>
<include resource="org/springframework/boot/logging/logback/defaults.xml"/>
<include resource="org/springframework/boot/logging/logback/console-appender.xml"/>
<!--应用名称-->
<property name="APP_NAME" value="mall-admin"/>
<!--日志文件保存路径-->
<property name="LOG_FILE_PATH" value="${LOG_FILE:-${LOG_PATH:-${LOG_TEMP:-${java.io.tmpdir:-/tmp} } }/logs}"/>
<contextName>${APP_NAME}</contextName>
<!--每天记录日志到文件appender-->
<appender name="FILE" class="ch.qos.logback.core.rolling.RollingFileAppender">
<rollingPolicy class="ch.qos.logback.core.rolling.TimeBasedRollingPolicy">
<fileNamePattern>${LOG_FILE_PATH}/${APP_NAME}-%d{yyyy-MM-dd}.log</fileNamePattern>
<maxHistory>30</maxHistory>
</rollingPolicy>
<encoder>
<pattern>${FILE_LOG_PATTERN}</pattern>
</encoder>
</appender>
<!--输出到Logstash的appender-->
<appender name="LOGSTASH" class="net.logstash.logback.appender.LogstashTcpSocketAppender">
<!--可以访问的Logstash日志收集端口-->
<destination>127.0.0.1:4560</destination>
<encoder charset="UTF-8" class="net.logstash.logback.encoder.LogstashEncoder"/>
</appender>
<root level="info">
<appender-ref ref="CONSOLE"/>
<appender-ref ref="FILE"/>
<appender-ref ref="LOGSTASH"/>
</root>
</configuration>
编辑完之后,项目结构是这样的:
虽然在项目中已经集成了Logstash功能,但是Logstash还不知道把日志往哪里发,因为我们还没有城池。
既然没有,那就建造吧!
搭建城池:搭建ELK环境
ELK这里我使用dokcer-compose搭建,一个字:快!
首先我们约定一个根目录:/user/aimashi/docker
按要求执行如下命令:
mkdir -p /Users/yangle/docker
cd /Users/yangle/docker
mkdir elk_stanrd
cd elk_stanrd
mkdir logstash
cd logstash
vim logstash.conf
将以下文件内容复制到logstash.conf。
input {
tcp {
mode => "server"
host => "0.0.0.0"
port => 4560
codec => json_lines
}
}
output {
elasticsearch {
hosts => "es:9200"
index => "logstash-service-%{+YYYY.MM.dd}"
}
}
继续执行如下命令:
cd ../
vim docker-compose.yml
同样将以下内容复制到配置文件中。
version: '3'
services:
elasticsearch:
image: elasticsearch:6.4.0
container_name: elasticsearch
environment:
- "cluster.name=elasticsearch" #设置集群名称为Elasticsearch
- "discovery.type=single-node" #以单一节点模式启动
- "ES_JAVA_OPTS=-Xms512m -Xmx512m" #设置使用JVM内存大小
volumes:
- /Users/yangle/docker/elk_stanrd/elasticsearch/plugins:/usr/share/elasticsearch/plugins #插件文件挂载
- /Users/yangle/docker/elk_stanrd/elasticsearch/data:/usr/share/elasticsearch/data #数据文件挂载
ports:
- 9200:9200
- 9300:9300
kibana:
image: kibana:6.4.0
container_name: kibana
links:
- elasticsearch:es #可以用es这个域名访问Elasticsearch服务
depends_on:
- elasticsearch #Kibana在Elasticsearch启动之后再启动
environment:
- "elasticsearch.hosts=http://es:9200" #设置访问Elasticsearch的地址
ports:
- 5601:5601
logstash:
image: logstash:6.4.0
container_name: logstash
volumes:
- ~/Users/yangle/docker/elk_stanrd/logstash/logstash.conf:/usr/share/logstash/pipeline/logstash.conf #挂载Logstash的配置文件
depends_on:
- elasticsearch #Kibana在Elasticsearch启动之后再启动
links:
- elasticsearch:es #可以用es这个域名访问Elasticsearch服务
ports:
- 4560:4560
到目前为止,搭建ELK环境的准备工作已经完成。
现在需要启动ELK,在
/Users/yangle/docker/elk_stanrd目录下执行如下命令:
docker-compose up -d
执行之后出现如下提示,则代表初创建成功。
接下来,我们执行docker ps 来查看容器是否启动。
如果和图中一样,代表容器正常启动,但是还需等待一分钟左右,才能访问可视化平台。
访问地址: http://localhost:5601/
如果出现这个页面,则代表ELK已经搭建完成,现在,我们需要往里面塞点数据。
发起进攻:发送请求
ELK环境搭建完成之后,需要产生一点数据。该怎么做呢?
只要调用: http://localhost:8080/api?param1= 测试ELK接口,多调用几次,就会产生一些测试数据。
除此之外,还需要做一些配置才能让es去收集这些日志,用户才能看到:
选择字段,创建索引:
成功创建索引之后的界面:
选择logstash-servicez之后,界面是这样的:
可以看到系统中的日志已经被收集上来了,试下搜索“你好”。
所有包含“你好”的日志都被筛选出来,当然这里还可以有很多检索条件,例如右上角有一个时间过滤检索,我就不一一演示了,大家有兴趣的话可以自己研究下。
仓库:
https://gitee.com/yangleliu/learning.git
战后总结
每个新技术的出现,都是为了解决某一类问题。
就像ELK的出现,就是为了减少日渐脱发的代码攻城狮们从海量日志中找数据的时间,节省出更多的精力放在业务处理上面。
有了ELK,我们只需要在输入框中,轻松输入关键字,敲下回车,需要的数据就会呈现在我们面前。
测试小姐姐等待的时间短了,心情好了,矛盾自然也就少了。
如此想来,如果能有一个平台,将女友的十万个情绪爆发的原因实时展现出来,那世界将是多么美好的明天!