ELK：簡述對ELK架構的認識

一、ELK的使用背景

一般我們需要進行日誌分析場景：直接在日誌文件中 grep、awk 就可以獲得自己想要的信息。但在規模較大的場景中，此方法效率低下，面臨問題包括日誌量太大如何歸檔、文本搜索太慢怎麼辦、如何多維度查詢。需要集中化的日誌管理，把所有服務器上的日誌收集彙總。常見解決思路是建立集中式日誌收集系統，將所有節點上的日誌統一收集，管理，訪問。

一般大型系統是一個分佈式部署的架構，不同的服務模塊部署在不同的服務器上，問題出現時，大部分情況需要根據問題暴露的關鍵信息，定位到具體的服務器和服務模塊，構建一套集中式日誌系統，可以提高定位問題的效率。

一個完整的集中式日誌系統，需要包含以下幾個主要特點：

• 收集－能夠採集多種來源的日誌數據 ；
• 傳輸－能夠穩定的把日誌數據傳輸到中央系統；
• 存儲－如何存儲日誌數據 分析－可以支持 UI 分析；
• 警告－能夠提供錯誤報告，監控機制。

ELK提供了一整套解決方案，並且都是開源軟件，之間互相配合使用，完美銜接，高效的滿足了很多場合的應用。目前主流的一種日誌系統。

二、ELK的簡介

ELK是三個開源軟件的縮寫，分別表示：Elasticsearch , Logstash, Kibana , 它們都是開源軟件。新增了一個FileBeat，它是一個輕量級的日誌收集處理工具(Agent)，Filebeat佔用資源少，適合於在各個服務器上搜集日誌後傳輸給Logstash，官方也推薦此工具。可以查看Elasticsearch中文社區。

1. Elasticsearch

Elasticsearch是個開源分佈式搜索引擎，提供蒐集、分析、存儲數據三大功能。它的特點有：分佈式，零配置，自動發現，索引自動分片，索引副本機制，restful風格接口，多數據源，自動搜索負載等。

官方文檔資料如下：

• https://www.elastic.co/cn/products/elasticsearch
• https://www.elastic.co/guide/en/elasticsearch/reference/5.6/index.html

2. Logstash

Logstash 主要是用來日誌的蒐集、分析、過濾日誌的工具，支持大量的數據獲取方式。一般工作方式爲c/s架構，client端安裝在需要收集日誌的主機上，server端負責將收到的各節點日誌進行過濾、修改等操作在一併發往elasticsearch上去。

官方文檔資料如下：

• https://www.elastic.co/cn/products/logstash
• https://www.elastic.co/guide/en/logstash/5.6/index.html

3. Kibana

Kibana 也是一個開源和免費的工具，Kibana可以爲 Logstash 和 ElasticSearch 提供的日誌分析友好的 Web 界面，可以幫助彙總、分析和搜索重要數據日誌。

官方文檔資料如下：

• https://www.elastic.co/cn/products/kibana
• https://www.elastic.co/guide/en/kibana/5.5/index.html

4. Filebeat

Filebeat隸屬於Beats。目前Beats包含四種工具：

• Packetbeat（蒐集網絡流量數據）；
• Topbeat（蒐集系統、進程和文件系統級別的 CPU 和內存使用情況等數據）；
• Filebeat（蒐集文件數據）；
• Winlogbeat（蒐集 Windows 事件日誌數據）。

官方文檔資料如下：

• https://www.elastic.co/cn/products/beats/filebeat
• https://www.elastic.co/guide/en/beats/filebeat/5.6/index.html

三、ELK的相關架構設計

1. 架構設計（一）

這是最簡單的一種ELK架構方式。
（1）優點：搭建簡單，易於上手。
（2）缺點：Logstash耗資源較大，運行佔用CPU和內存高。另外沒有消息隊列緩存，存在數據丟失隱患。

此架構由Logstash分佈於各個節點上搜集相關日誌、數據，並經過分析、過濾後發送給遠端服務器上的Elasticsearch進行存儲。Elasticsearch將數據以分片的形式壓縮存儲並提供多種API供用戶查詢，操作。用戶亦可以更直觀的通過配置Kibana Web方便的對日誌查詢，並根據數據生成報表。

2. 架構設計（二）

此種架構引入了消息隊列機制，位於各個節點上的Logstash Agent先將數據/日誌傳遞給Kafka（或者Redis），並將隊列中消息或數據間接傳遞給Logstash，Logstash過濾、分析後將數據傳遞給Elasticsearch存儲。最後由Kibana將日誌和數據呈現給用戶。因爲引入了Kafka（或者Redis）,所以即使遠端Logstash server因故障停止運行，數據將會先被存儲下來，從而避免數據丟失。

3. 架構設計（三）

此種架構將收集端logstash替換爲beats，更靈活，消耗資源更少，擴展性更強。同時可配置Logstash 和Elasticsearch 集羣用於支持大集羣系統的運維日誌數據監控和查詢。

四、ELK的各個組件的工作原理

4.1 Filebeat的工作原理

Filebeat由兩個主要組件組成：prospectors 和 harvesters。這兩個組件協同工作將文件變動發送到指定的輸出中。

Harvester（收割機）： 負責讀取單個文件內容。每個文件會啓動一個Harvester，每個Harvester會逐行讀取各個文件，並將文件內容發送到制定輸出中。Harvester負責打開和關閉文件，意味在Harvester運行的時候，文件描述符處於打開狀態，如果文件在收集中被重命名或者被刪除，Filebeat會繼續讀取此文件。所以在Harvester關閉之前，磁盤不會被釋放。默認情況filebeat會保持文件打開的狀態，直到達到close_inactive（如果此選項開啓，filebeat會在指定時間內將不再更新的文件句柄關閉，時間從harvester讀取最後一行的時間開始計時。若文件句柄被關閉後，文件發生變化，則會啓動一個新的harvester。關閉文件句柄的時間不取決於文件的修改時間，若此參數配置不當，則可能發生日誌不實時的情況，由scan_frequency參數決定，默認10s。Harvester使用內部時間戳來記錄文件最後被收集的時間。例如：設置5m，則在Harvester讀取文件的最後一行之後，開始倒計時5分鐘，若5分鐘內文件無變化，則關閉文件句柄。默認5m）。

Prospector（勘測者）： 負責管理Harvester並找到所有讀取源。

filebeat.prospectors:
- input_type: log
 paths:
   - /apps/logs/*/info.log

Prospector會找到/apps/logs/*目錄下的所有info.log文件，併爲每個文件啓動一個Harvester。Prospector會檢查每個文件，看Harvester是否已經啓動，是否需要啓動，或者文件是否可以忽略。若Harvester關閉，只有在文件大小發生變化的時候Prospector纔會執行檢查。只能檢測本地的文件。

問題：Filebeat如何記錄文件狀態？
解答：將文件狀態記錄在文件中（默認在/var/lib/filebeat/registry）。此狀態可以記住Harvester收集文件的偏移量。若連接不上輸出設備，如ES等，filebeat會記錄發送前的最後一行，並再可以連接的時候繼續發送。Filebeat在運行的時候，Prospector狀態會被記錄在內存中。Filebeat重啓的時候，利用registry記錄的狀態來進行重建，用來還原到重啓之前的狀態。每個Prospector會爲每個找到的文件記錄一個狀態，對於每個文件，Filebeat存儲唯一標識符以檢測文件是否先前被收集。

問題：Filebeat如何保證事件至少被輸出一次？
解答：Filebeat之所以能保證事件至少被傳遞到配置的輸出一次，沒有數據丟失，是因爲filebeat將每個事件的傳遞狀態保存在文件中。在未得到輸出方確認時，filebeat會嘗試一直髮送，直到得到迴應。若filebeat在傳輸過程中被關閉，則不會再關閉之前確認所有時事件。任何在filebeat關閉之前爲確認的時間，都會在filebeat重啓之後重新發送。這可確保至少發送一次，但有可能會重複。可通過設置shutdown_timeout 參數來設置關閉之前的等待事件迴應的時間（默認禁用）。

4.2 Logstash的工作原理

Logstash事件處理有三個階段：inputs → filters → outputs。是一個接收，處理，轉發日誌的工具。支持系統日誌，webserver日誌，錯誤日誌，應用日誌，總之包括所有可以拋出來的日誌類型。

（一）Input：輸入數據到logstash

一些常用的輸入爲：

• file：從文件系統的文件中讀取，類似於tial -f命令；
• syslog：在514端口上監聽系統日誌消息，並根據RFC3164標準進行解析；
• redis：從redis service中讀取；
• beats：從filebeat中讀取。

（二）Filters：數據中間處理，對數據進行操作

一些常用的過濾器爲：

• grok：解析任意文本數據，Grok 是 Logstash 最重要的插件。它的主要作用就是將文本格式的字符串，轉換成爲具體的結構化的數據，配合正則表達式使用。內置120多個解析語法。
  官方提供的grok表達式：
  https://github.com/logstash-plugins/logstash-patterns-core/tree/master/patterns
  grok在線調試：https://grokdebug.herokuapp.com/
• mutate：對字段進行轉換。例如對字段進行刪除、替換、修改、重命名等。
• drop：丟棄一部分events不進行處理。
• clone：拷貝 event，這個過程中也可以添加或移除字段。
• geoip：添加地理信息(爲前臺kibana圖形化展示使用)

（三）Outputs：outputs是logstash處理管道的最末端組件
一個event可以在處理過程中經過多重輸出，但是一旦所有的outputs都執行結束，這個event也就完成生命週期。

一些常見的outputs爲：

• elasticsearch：可以高效的保存數據，並且能夠方便和簡單的進行查詢。
• file：將event數據保存到文件中。
• graphite：將event數據發送到圖形化組件中，一個很流行的開源存儲圖形化展示的組件。

（四）Codecs：codecs 是基於數據流的過濾器
它可以作爲input，output的一部分配置。Codecs可以幫助你輕鬆的分割發送過來已經被序列化的數據。

一些常見的codecs：

• json：使用json格式對數據進行編碼/解碼。
• multiline：將匯多個事件中數據彙總爲一個單一的行。比如：java異常信息和堆棧信息。