在《
Spring Cloud使用Sleuth在应用中进行日志跟踪》教程中的案例,我们已经实现了服务调用之间的链路追踪,但是这些日志是分散在各个机器上的,就算出现问题了,我们想快速定位,也得从各个机器把日志整合起来,再去查问题。
这个时候就需要引入日志分析系统了,比如 ELK,可以将多台服务器上的日志信息统一收集起来,在出问题的时候我们可以轻松根据 traceId 来搜索出对应的请求链路信息。
ELK 简介 ELK 由三个组件组成:
Elasticsearch 是个开源分布式搜索引擎,它的特点有分布式、零配置、自动发现、索引自动分片、索引副本机制、restful 风格接口、多数据源、自动搜索负载等。
Logstash 是一个完全开源的工具,它可以对日志进行收集、分析并存储以供以后使用。
kibana 是一个开源和免费的工具,它可以为 Logstash 和 ElasticSearch 提供日志分析友好的 Web 界面,可以汇总、分析和搜索重要数据日志。
输出 JSON 格式日志 可以通过 logback 来输出 Json 格式的日志,让 Logstash 收集存储到 Elasticsearch 中,然后在 kibana 中查看。想要输入 Json 格式的数据需要加一个依赖,具体代码如下所示。
net.logstash.logback
logstash-logback-encoder
5.2
然后创建一个 logback-spring.xml 文件。配置 logstash 需要收集的数据格式如下:
class="ch.qos.logback.core.rolling.RollingFileAppender">
${LOG_FILE}.json
class="ch.qos.logback.core.rolling.TimeBasedRollingPolicy">
${LOG_FILE}.json.%d{yyyy-MM-dd}.gz
7
class="net.logstash.logback.encoder.LoggingEventCompositeJsonEncoder">
UTC
{
"severity": "%level",
"service": "${springAppName:-}",
"trace": "%X{X-B3-TraceId:-}",
"span": "%X{X-B3-SpanId:-}",
"parent": "%X{X-B3-ParentSpanId:-}",
"exportable":
"%X{X-Span-Export:-}",
"pid": "${PID:-}",
"thread": "%thread",
"class": "%logger{40}",
"rest": "%message"
}
集成好后就能在输出的日志目录中看到有一个以“.json”结尾的日志文件了,里面的数据格式是 Json 形式的,可以直接通过 Logstash 进行收集。{
"@timestamp": "2019-11-30T01:48:32.221+00:00",
"severity": "DEBUG",
"service": "fsh-substitution",
"trace": "41b5a575c26eeea1",
"span": "41b5a575c26eeea1",
"parent": "41b5a575c26eeea1",
"exportable": "false",
"pid": "12024",
"thread": "hystrix-fsh-house-10",
"class": "c.f.a.client.fsh.house.HouseRemoteClient",
"rest": "[HouseRemoteClient#hosueInfo]
} 日志收集存入 ElasticSearch 之后,就可以用 Kibana 进行展示。需要排查某个请求的问题时,直接根据 traceid 搜索,就可以把整个请求链路相关的日志信息查询出来。