ELK 6下日志平台监控Nginx日志构建实践

ゞ浴缸里的玫瑰 2022-12-20 12:49 135阅读 0赞

# 整体架构 #

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwOTA3OTc3_size_16_color_FFFFFF_t_70_pic_center]  
整体架构主要分为 4 个模块，分别提供不同的功能  
**Filebeat**：轻量级数据收集引擎。基于原先 Logstash-fowarder 的源码改造出来。换句话说：Filebeat就是新版的 Logstash-fowarder，也会是 ELK Stack 在 Agent 的第一选择。  
**Kafka**: 数据缓冲队列。作为消息队列解耦了处理过程，同时提高了可扩展性。具有峰值处理能力，使用消息队列能够使关键组件顶住突发的访问压力，而不会因为突发的超负荷的请求而完全崩溃。  
**Logstash** ：数据收集处理引擎。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，然后存储以供后续使用。  
**Elasticsearch** ：分布式搜索引擎。具有高可伸缩、高可靠、易管理等特点。可以用于全文检索、结构化检索和分析，并能将这三者结合起来。Elasticsearch 基于 Lucene 开发，现在使用最广的开源搜索引擎之一，Wikipedia 、StackOverflow、Github 等都基于它来构建自己的搜索引擎。

Filebeat: 6.2.4
    Kafka: 2.11-1
    Logstash: 6.2.4
    Elasticsearch: 6.2.4
    Kibana: 6.2.4
    
    相应的版本最好下载对应的插件

# 具体实践 #

我们就以比较常见的 Nginx 日志来举例说明下，日志内容是 JSON 格式

{ "@timestamp":"2017-12-27T16:38:17+08:00","host":"192.168.56.11","clientip":"192.168.56.11","size":26,"responsetime":0.000,"upstreamtime":"-","upstreamhost":"-","http_host":"192.168.56.11","url":"/nginxweb/index.html","domain":"192.168.56.11","xff":"-","referer":"-","status":"200"}
    { "@timestamp":"2017-12-27T16:38:17+08:00","host":"192.168.56.11","clientip":"192.168.56.11","size":26,"responsetime":0.000,"upstreamtime":"-","upstreamhost":"-","http_host":"192.168.56.11","url":"/nginxweb/index.html","domain":"192.168.56.11","xff":"-","referer":"-","status":"200"}
    { "@timestamp":"2017-12-27T16:38:17+08:00","host":"192.168.56.11","clientip":"192.168.56.11","size":26,"responsetime":0.000,"upstreamtime":"-","upstreamhost":"-","http_host":"192.168.56.11","url":"/nginxweb/index.html","domain":"192.168.56.11","xff":"-","referer":"-","status":"200"}
    { "@timestamp":"2017-12-27T16:38:17+08:00","host":"192.168.56.11","clientip":"192.168.56.11","size":26,"responsetime":0.000,"upstreamtime":"-","upstreamhost":"-","http_host":"192.168.56.11","url":"/nginxweb/index.html","domain":"192.168.56.11","xff":"-","referer":"-","status":"200"}
    { "@timestamp":"2017-12-27T16:38:17+08:00","host":"192.168.56.11","clientip":"192.168.56.11","size":26,"responsetime":0.000,"upstreamtime":"-","upstreamhost":"-","http_host":"192.168.56.11","url":"/nginxweb/index.html","domain":"192.168.56.11","xff":"-","referer":"-","status":"200"}

# Filebeat #

> 为什么用 Filebeat ，而不用原来的 Logstash 呢？

原因很简单，资源消耗比较大。  
由于 Logstash 是跑在 JVM 上面，资源消耗比较大，后来作者用 GO 写了一个功能较少但是资源消耗也小的轻量级的 Agent 叫 Logstash-forwarder。  
后来作者加入 elastic.co 公司， Logstash-forwarder 的开发工作给公司内部 GO 团队来搞，最后命名为 Filebeat。  
Filebeat 需要部署在每台应用服务器上，可以通过 Salt 来推送并安装配置。  
**下载**

wget https://artifacts.elastic.co/downloads/beats/filebeat/filebeat-6.2.4-darwin-x86_64.tar.gz

解压

tar -zxvf filebeat-6.2.4-darwin-x86_64.tar.gz
    mv filebeat-6.2.4-darwin-x86_64 filebeat
    cd filebeat

**修改配置**

修改 Filebeat 配置，支持收集本地目录日志，并输出日志到 Kafka 集群中

$ vim fileat.yml
    filebeat.prospectors:
    - input_type: log
      paths:
        -  /opt/logs/server/nginx.log
      json.keys_under_root: true
      json.add_error_key: true
      json.message_key: log
    
    output.kafka:   
      hosts: ["192.168.0.1:9092，192.168.0.2:9092，192.168.0.3:9092"]
      topic: 'nginx'

Filebeat 6.0 之后一些配置参数变动比较大，比如 document\_type 就不支持，需要用 fields 来代替等等。  
**启动**

$ ./filebeat -e -c filebeat.yml

# Kafka #

生产环境中 Kafka 集群中节点数量建议为（2N + 1 ）个，这边就以 3 个节点举例

**下载**  
直接到官网下载 Kafka

$ wget http://mirror.bit.edu.cn/apache/kafka/1.0.0/kafka_2.11-1.0.0.tgz

解压

tar -zxvf kafka_2.11-1.0.0.tgz
    mv kafka_2.11-1.0.0 kafka
    cd kafka

**修改 Zookeeper 配置**

修改 Zookeeper 配置，搭建 Zookeeper 集群，数量 ( 2N + 1 ) 个

ZK 集群建议采用 Kafka 自带，减少网络相关的因素干扰

$ vim zookeeper.properties
    
    tickTime=2000
    dataDir=/opt/zookeeper
    clientPort=2181
    maxClientCnxns=50
    initLimit=10
    syncLimit=5
    
    server.1=192.168.0.1:2888:3888
    server.2=192.168.0.2:2888:3888
    server.3=192.168.0.3:2888:3888

Zookeeper data 目录下面添加 myid 文件，内容为代表 Zooekeeper 节点 id （1，2，3），并保证不重复。

# vim /opt/zookeeper/myid
    1

# 启动 Zookeeper 节点 #

分别启动 3 台 Zookeeper 节点，保证集群的高可用

$ ./zookeeper-server-start.sh -daemon ./config/zookeeper.properties

**修改 Kafka 配置**

kafka 集群这边搭建为 3 台，可以逐个修改 Kafka 配置，需要注意其中 broker.id 分别 （1，2，3）

$ vim ./config/server.properties
    broker.id=1
    port=9092
    host.name=192.168.0.1
    num.replica.fetchers=1
    log.dirs=/opt/kafka_logs
    num.partitions=3
    zookeeper.connect=192.168.0.1: 192.168.0.2: 192.168.0.3:2181
    zookeeper.connection.timeout.ms=6000
    zookeeper.sync.time.ms=2000
    num.io.threads=8
    num.network.threads=8
    queued.max.requests=16
    fetch.purgatory.purge.interval.requests=100
    producer.purgatory.purge.interval.requests=100
    delete.topic.enable=true

**启动 Kafka 集群**

分别启动 3 台 Kafka 节点，保证集群的高可用

$ ./bin/kafka-server-start.sh -daemon ./config/server.properties

查看 topic 是否创建成功

$ bin/kafka-topics.sh --list --zookeeper localhost:2181
    
    nginx

**监控 Kafka Manager**

Kafka-manager 是 Yahoo 公司开源的集群管理工具。

可以在 Github 上下载安装：https://github.com/yahoo/kafka-manager  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwOTA3OTc3_size_16_color_FFFFFF_t_70_pic_center 1]  
如果遇到 Kafka 消费不及时的话，可以通过到具体 cluster 页面上，增加 partition。Kafka 通过 partition 分区来提高并发消费速度。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwOTA3OTc3_size_16_color_FFFFFF_t_70_pic_center 2]

# Logstash #

Logstash 提供三大功能

*  INPUT 进入
 *  FILTER 过滤功能
 *  OUTPUT 出去  
    如果使用 Filter 功能的话，强烈推荐大家使用 Grok debugger 来预先解析日志格式。  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwOTA3OTc3_size_16_color_FFFFFF_t_70_pic_center 3]  
    下载

$ wget https://artifacts.elastic.co/downloads/logstash/logstash-6.2.4.tar.gz

解压重命名

$ tar -zxvf logstash-6.2.4.tar.gz
    $ mv logstash-6.2.4 logstash

**修改 Logstash 配置**  
修改 Logstash 配置，使之提供 indexer 的功能，将数据插入到 Elasticsearch 集群中

$ vim nginx.conf
    
    input { 
      kafka { 
        type => "kafka"
        bootstrap_servers => "192.168.0.1:2181,192.168.0.2:2181,192.168.0.3:2181"
        topics => "nginx"
        group_id => "logstash"
        consumer_threads => 2
      }
    }
    
    output { 
      elasticsearch { 
        host => ["192.168.0.1","192.168.0.2"，"192.168.0.3"]
        port => "9300"
        index => "nginx-%{+YYYY.MM.dd}"
      }
    }

启动 Logstash

$ ./bin/logstash -f nginx.conf

# Elasticsearch #

下载

# wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-6.2.4.tar.gz

解压

$ tar -zxvf elasticsearch-6.2.4.tar.gz
    $ mv elasticsearch-6.2.4.tar.gz elasticsearch

修改配置

$ vim config/elasticsearch.yml
    
    cluster.name: es
    node.name: es-node1
    network.host: 192.168.0.1
    discovery.zen.ping.unicast.hosts: ["192.168.0.1"]
    discovery.zen.minimum_master_nodes: 1

**启动**  
通过 -d 来后台启动

$ ./bin/elasticsearch -d

打开网页 http://192.168.0.1:9200/, 如果出现下面信息说明配置成功

{ 
        name: "es-node1",
        cluster_name: "es",
        cluster_uuid: "XvoyA_NYTSSV8pJg0Xb23A",
        version: { 
            number: "6.2.4",
            build_hash: "ccec39f",
            build_date: "2018-04-12T20:37:28.497551Z",
            build_snapshot: false,
            lucene_version: "7.2.1",
            minimum_wire_compatibility_version: "5.6.0",
            minimum_index_compatibility_version: "5.0.0"
        },
        tagline: "You Know, for Search"
    }

**控制台**  
Cerebro 这个名字大家可能觉得很陌生，其实过去它的名字叫 kopf ！因为 Elasticsearch 5.0 不再  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwOTA3OTc3_size_16_color_FFFFFF_t_70_pic_center 4]  
注意点

*  Master 与 Data 节点分离，当 Data 节点大于 3 个的时候，建议责任分离，减轻压力
 *  Data Node 内存不超过 32G ，建议设置成 31 G ，具体原因可以看上一篇文章
 *  discovery.zen.minimum\_master\_nodes 设置成 （ total / 2 + 1 ），避免脑裂情况
 *  最重要的一点，不要将 ES 暴露在公网中，建议都安装 X-PACK ，来加强其安全性

# kibana #

下载

$ wget https://artifacts.elastic.co/downloads/kibana/kibana-6.2.4-darwin-x86_64.tar.gz

解压

$ tar -zxvf kibana-6.2.4-darwin-x86_64.tar.gz
    $ mv kibana-6.2.4-darwin-x86_64.tar.gz kibana

修改配置

$ vim config/kibana.yml
    
    server.port: 5601
    server.host: "192.168.0.1"
    elasticsearch.url: "http://192.168.0.1:9200"

启动 Kibana

$ nohup ./bin/kibana &

**界面展示**

创建索引页面需要到 Management -> Index Patterns 中通过前缀来指定  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwOTA3OTc3_size_16_color_FFFFFF_t_70_pic_center 5]  
最终效果展示  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwOTA3OTc3_size_16_color_FFFFFF_t_70_pic_center 6]

# 总结 #

综上，通过上面部署命令来实现 ELK 的整套组件，包含了日志收集、过滤、索引和可视化的全部流程，基于这套系统实现分析日志功能。同时，通过水平扩展 Kafka、Elasticsearch 集群，可以实现日均亿级的日志实时处理。

参考链接 ：  
ELK 日志平台构建实践 ：https://mp.weixin.qq.com/s/IQuYrQWU84SBJZRoC-REKg

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwOTA3OTc3_size_16_color_FFFFFF_t_70_pic_center]: /images/20221120/f04a4878677a454a936d95e4af1d04f6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwOTA3OTc3_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221120/764de0aee8f14382a6772f4903be7515.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwOTA3OTc3_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20221120/62a782326beb40ddbca7b0d15d94f797.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwOTA3OTc3_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20221120/e8cfce07772a4a90a79f616c01d36d41.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwOTA3OTc3_size_16_color_FFFFFF_t_70_pic_center 4]: /images/20221120/9beb6f8e9a1143ee8c2ca857d898105d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwOTA3OTc3_size_16_color_FFFFFF_t_70_pic_center 5]: /images/20221120/e92d17172dc742399aa1e9b41cbc7eef.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwOTA3OTc3_size_16_color_FFFFFF_t_70_pic_center 6]: /images/20221120/57a5fb465c3b40a7ad509d3f49d18bff.png