ELK常见部署架构以及出现的问题及解决方案

ELK常见部署架构以及出现的问题及解决方案

ELK 已经成为目前最流行的集中式日志解决方案，它主要是由Beats 、Logstash 、Elasticsearch 、

Kibana 等组件组成，来共同完成实时日志的收集，存储，展示等一站式的解决方案。本文将会介绍ELK常见的架

构以及相关问题解决。

Filebeat ：Filebeat是一款轻量级，占用服务资源非常少的数据收集引擎，它是ELK家族的新成员，可以代替

Logstash作为在应用服务器端的日志收集引擎，支持将收集到的数据输出到Kafka，Redis等队列。

Logstash ：数据收集引擎，相较于Filebeat比较重量级，但它集成了大量的插件，支持丰富的数据源收集，

对收集的数据可以过滤，分析，格式化日志格式。

Elasticsearch ：分布式数据搜索引擎，基于Apache Lucene实现，可集群，提供数据的集中式存储，分析，

以及强大的数据搜索和聚合功能。

Kibana ：数据的可视化平台，通过该web平台可以实时的查看 Elasticsearch 中的相关数据，并提供了丰富

的图表统计功能。

1、ELK常见部署架构

1.1 Logstash作为日志收集器

这种架构是比较原始的部署架构，在各应用服务器端分别部署一个Logstash组件，作为日志收集器，然后将

Logstash收集到的数据过滤、分析、格式化处理后发送至Elasticsearch存储，最后使用Kibana进行可视化展示。

这种架构不足的是：Logstash比较耗服务器资源，所以会增加应用服务器端的负载压力。

1.2 Filebeat作为日志收集器

该架构与第一种架构唯一不同的是：应用端日志收集器换成了Filebeat，Filebeat轻量，占用服务器资源少，所以

使用Filebeat作为应用服务器端的日志收集器，一般Filebeat会配合Logstash一起使用，这种部署方式也是目前最

常用的架构。

1.3 引入缓存队列的部署架构

该架构在第二种架构的基础上引入了Kafka消息队列（还可以是其他消息队列），将Filebeat收集到的数据发送至

Kafka，然后在通过Logstasth读取Kafka中的数据，这种架构主要是解决大数据量下的日志收集方案，使用缓存队

列主要是解决数据安全与均衡Logstash与Elasticsearch负载压力。

1.4 以上三种架构的总结

第一种部署架构由于资源占用问题，现已很少使用，目前使用最多的是第二种部署架构，至于第三种部署架构个人

觉得没有必要引入消息队列，除非有其他需求，因为在数据量较大的情况下，Filebeat 使用压力敏感协议向

Logstash 或 Elasticsearch 发送数据。

如果 Logstash 正在繁忙地处理数据，它会告知 Filebeat 减慢读取速度。拥塞解决后，Filebeat 将恢复初始速度并

继续发送数据。

2、问题及解决方案

2.1 如何实现日志的多行合并功能” />filebeat.prospectors:– paths:– /home/project/elk/logs/test.log input_type: log multiline:pattern: ‘^\[‘negate: truematch: afteroutput: logstash:hosts: [“localhost:5044”]

• pattern：正则表达式
• negate：默认为false，表示匹配pattern的行合并到上一行；true表示不匹配pattern的行合并到上一行
• match：after表示合并到上一行的末尾，before表示合并到上一行的行首

如：

pattern: '\['negate: truematch: after

该配置表示将不匹配pattern模式的行合并到上一行的末尾。

2、multiline在Logstash中的配置方式

input {beats {port => 5044}}filter {multiline {pattern => "%{LOGLEVEL}\s*\]"negate => truewhat => "previous"}}output {elasticsearch {hosts => "localhost:9200"}}

（1）Logstash中配置的what属性值为previous，相当于Filebeat中的after，Logstash中配置的what属性值为

next，相当于Filebeat中的before。

（2）pattern => "%{LOGLEVEL}\s*\]" 中的LOGLEVEL 是Logstash预制的正则匹配模式，预制的还有好多常

用的正则匹配模式，详细请看：

https://github.com/logstash-plugins/logstash-patterns-core/tree/master/patterns

2.2 如何将Kibana中显示日志的时间字段替换为日志信息中的时间?

默认情况下，我们在Kibana中查看的时间字段与日志信息中的时间不一致，因为默认的时间字段值是日志收集时

的当前时间，所以需要将该字段的时间替换为日志信息中的时间。

解决方案：使用grok分词插件与date时间格式化插件来实现

在Logstash的配置文件的过滤器中配置grok分词插件与date时间格式化插件，如：

input {beats {port => 5044}}filter {multiline {pattern => "%{LOGLEVEL}\s*\]\[%{YEAR}%{MONTHNUM}%{MONTHDAY}\s+%{TIME}\]"negate => truewhat => "previous"}# 时间格式配置grok { match => [ "message" , "(?%{YEAR}%{MONTHNUM}%{MONTHDAY}\s+%{TIME})" ]}# 时间格式配置date { # 格式化时间 match => ["customer_time", "yyyyMMdd HH:mm:ss,SSS"] # 替换默认的时间字段 target => "@timestamp"}}output {elasticsearch {hosts => "localhost:9200"}}

如要匹配的日志格式为：

[DEBUG][20170811 10:07:31,359][DefaultBeanDefinitionDocumentReader:106] Loading bean definitions

解析出该日志的时间字段的方式有：

①、通过引入写好的表达式文件，如表达式文件为./customer-patterms/mypatterns，内容为：

CUSTOMER_TIME %{YEAR}%{MONTHNUM}%{MONTHDAY}\s+%{TIME}

注： 内容格式为：[自定义表达式名称] [正则表达式]

然后logstash中就可以这样引用：

filter {grok {# 引用表达式文件路径patterns_dir => ["./customer-patterms/mypatterns"]# 使用自定义的grok表达式match => [ "message" , "%{CUSTOMER_TIME:customer_time}" ]}}

②、以配置项的方式，规则为：(?正则匹配规则)，如：

filter {grok {match => [ "message" , "(?%{YEAR}%{MONTHNUM}%{MONTHDAY}\s+%{TIME})" ]}}

2.3 如何在Kibana中通过选择不同的系统日志模块来查看数据?

一般在Kibana中显示的日志数据混合了来自不同系统模块的数据，那么如何来选择或者过滤只查看指定的系统模

块的日志数据？

解决方案：新增标识不同系统模块的字段或根据不同系统模块建ES索引

1、新增标识不同系统模块的字段，然后在Kibana中可以根据该字段来过滤查询不同模块的数据，这里以第二种部

署架构讲解，在Filebeat中的配置内容为：

filebeat.prospectors:- paths:- /home/project/elk/logs/account.log input_type: log multiline:pattern: '^\['negate: truematch: after fields: log_from: account- paths:- /home/project/elk/logs/customer.log input_type: log multiline:pattern: '^\['negate: truematch: after fields:log_from: customeroutput: logstash:hosts: ["localhost:5044"]

通过新增：log_from字段来标识不同的系统模块日志

2、根据不同的系统模块配置对应的ES索引，然后在Kibana中创建对应的索引模式匹配，即可在页面通过索引模式

下拉框选择不同的系统模块数据。

filebeat.prospectors:- paths:- /home/project/elk/logs/account.log input_type: log multiline:pattern: '^\['negate: truematch: after fields: log_from: account- paths:- /home/project/elk/logs/customer.log input_type: log multiline:pattern: '^\['negate: truematch: after fields:log_from: customeroutput: logstash:hosts: ["localhost:5044"]

通过新增：log_from字段来标识不同的系统模块日志

这里以第二种部署架构讲解，分为两步：

①、在Filebeat中的配置内容为：

filebeat.prospectors:- paths:- /home/project/elk/logs/account.log input_type: log multiline: pattern: '^\[' negate: true match: after document_type: account- paths:- /home/project/elk/logs/customer.log input_type: log multiline: pattern: '^\[' negate: true match: after document_type: customeroutput:logstash:hosts: ["localhost:5044"]

通过document_type来标识不同系统模块

②、修改Logstash中output的配置内容为：

output {elasticsearch {hosts => "localhost:9200"index => "%{type}"}}

在output中增加index属性，%{type}表示按不同的document_type值建ES索引

3、总结

本文主要介绍了ELK实时日志分析的三种部署架构，以及不同架构所能解决的问题，这三种架构中第二种部署方式

是时下最流行也是最常用的部署方式。

最后介绍了ELK作在日志分析中的一些问题与解决方案，说在最后，ELK不仅仅可以用来作为分布式日志数据集中

式查询和管理，还可以用来作为项目应用以及服务器资源监控等场景，更多内容请看官网。