1 工作流程
在这之前，我写了三篇文章关于日志系统平台的搭建，我这边现简单列出这几种的工作流程
1.1 ELK
Docker整合ELK实现日志收集
1.2 ELFK
docker 安装ELFK 实现日志统计
1.3 架构演进
- ELK缺点：ELK架构，并且Spring Boot应用使用 logstash-logback-encoder 直接发送给 Logstash，缺点就是Logstash是重量级日志收集server，占用cpu资源高且内存占用比较高
- ELFK缺点：一定程度上解决了ELK中Logstash的不足，但是由于Beats 收集的每秒数据量越来越大，Logstash 可能无法承载这么大量日志的处理
1.4 日志新贵ELK + Filebeat + Kafka
随着 Beats 收集的每秒数据量越来越大，Logstash 可能无法承载这么大量日志的处理。虽然说，可以增加 Logstash 节点数量，提高每秒数据的处理速度，但是仍需考虑可能 Elasticsearch 无法承载这么大量的日志的写入。此时，我们可以考虑 引入消息队列 ，进行缓存：
- Beats 收集数据，写入数据到消息队列中。
- Logstash 从消息队列中，读取数据，写入 Elasticsearch 中
如下就是其工作流程
2. ELK + Filebeat + Kafka 分布式日志管理平台搭建
2.1 ELFK的搭建
docker 安装ELFK 实现日志统计
2.1.1 Filebeat变动
由于我们架构演变，在filebeat中原来由传输到logstash改变为发送到kafka，我们这边filebeat.yml改动的部分为：
filebeat.inputs:- type: log enabled: true paths: - /var/logs/springboot/sparksys-authorization.log # 配置我们要读取的 Spring Boot 应用的日志 fields: #定义日志来源，添加了自定义字段 log_source: authorization- type: log enabled: true paths: - /var/logs/springboot/sparksys-gateway.log fields: log_source: gateway- type: log enabled: true paths: - /var/logs/springboot/sparksys-file.log fields: log_source: file- type: log enabled: true paths: - /var/logs/springboot/sparksys-oauth.log fields: log_source: oauth#================================ Outputs =====================================#-------------------------- Elasticsearch output ------------------------------#output.elasticsearch: # Array of hosts to connect to. # hosts: ["192.168.3.3:9200"]#----------------------------- Logstash output --------------------------------#output.logstash: # The Logstash hosts# hosts: ["logstash:5044"]#----------------------------- kafka output --------------------------------output.kafka: enabled: true hosts: ["192.168.3.3:9092"] topic: sparksys-log添加kafka输出的配置，将logstash输出配置注释掉。hosts表示kafka的ip和端口号，topic表示filebeat将数据输出到topic为sparksys-log的主题下，此处也根据自己情况修改
2.1.2 Logstash变动
logstash.conf配置input由原来的输入源beat改为kafka
input { kafka { codec => "json" topics => ["sparksys-log"] bootstrap_servers => "192.168.3.3:9092" auto_offset_reset => "latest" group_id => "logstash-g1" }}output { elasticsearch { hosts => "es:9200" index => "filebeat_%{[fields][log_source]}-%{+YYYY.MM.dd}" }}上述配置说明如下:
- topics后面的sparksys-log表示从kafka中topic为sparksys-log的主题中获取数据，此处的配置根据自己的具体情况去配置。
- bootstrap_servers表示配置kafka的ip与端口。
到此，ELFK的变动部分结束，接下来就是kafka的搭建
2.2 kafka搭建
2.2.1 新建docker-compose.yaml
配置如下：
version: '3'services: zookeeper: image: zookeeper:latest container_name: zookeeper volumes: - /Users/zhouxinlei/docker/kafka/zookeeper/data:/data - /Users/zhouxinlei/docker/kafka/zookeeper/datalog:/datalog ports: - 2181:2181 restart: always kafka: image: wurstmeister/kafka container_name: kafka volumes: - /Users/zhouxinlei/docker/kafka/data:/kafka ports: - 9092:9092 environment: KAFKA_ADVERTISED_HOST_NAME: 192.168.3.3 KAFKA_ZOOKEEPER_CONNECT: zookeeper:2181 KAFKA_ADVERTISED_PORT: 9092 KAFKA_LOG_RETENTION_HOURS: 120 KAFKA_MESSAGE_MAX_BYTES: 10000000 KAFKA_REPLICA_FETCH_MAX_BYTES: 10000000 KAFKA_GROUP_MAX_SESSION_TIMEOUT_MS: 60000 KAFKA_NUM_PARTITIONS: 3 KAFKA_DELETE_RETENTION_MS: 1000 restart: always kafka-manager: image: kafkamanager/kafka-manager container_name: kafka-manager environment: ZK_HOSTS: 192.168.3.3 ports: - 9001:9000 restart: always2.2.3 创建并启动kafka容器
docker-compose up -d2.2.2 访问 http://192.168.3.3:9001
- 进入kafka-manager web页面新建cluster
- 列表展示
- 进入kafka01
- 新建topic
到此kafka的简单使用完成
3 ELK + Filebeat + Kafka 分布式日志管理平台使用测试
- Filebeat发送日志到kafka
- lofstash 消费kafka消息，输入日志到es中
- kabana查看日志
3 总结
- 在部署的过程中可能会遇到各种情况，此时根据日志说明都可以百度处理(如部署的过程中不能分配内存的问题)。
- 如果完成后如果数据显示不了，可以先到根据工作流程到各个节点查询数据是否存储和传输成功。如查询filebeat是否成功把数据传输到了kafka，可以进入kafka容器当中使用kafka中如下命令查询：
bin/kafka-console-consumer.sh –zookeeper localhost:2181 –topic sparksys-log –from-beginning查看日志filebeat中的数据是否正常在kafka中存储。
docker logs -f --tail=200 filebeat- 该平台的搭建是比较简便的方式，大家可以更加灵活以及动态的配置该平台。
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
