前言：

我们要了解ELK日志分析系统，了解Elasticsearch、Logstash、Kibana以及如何部署ELK日志分析系统，在规模较大的企业场景中，面临问题包括日志量太大如何归档、文本搜索太慢怎么办、如何多维度查询。需要集中化的日志管理，所有服务器上的日志收集汇总。常见解决思路是建立集中式日志收集系统，将所有节点上的日志统一收集，管理，访问

一：日志的相关问题

1.1我们需要收集哪些日志/h3>

收集系统日志：为监控做准备，需要收集tomcat系统日志，tomcat所在节点的日志

收集服务日志：比如数据库mysql，收集慢查询日志、错误日志、普通日志，要收集tomcat服务日志

收集业务日志：（业务日志必须收集）：业务日子在log4j，log4j是由java环境开发的，跑在tomcat上

1.2日志收集后，如何展示（可视化）

（1）kibana

（2）grafana：可以以地图的方式展示，功能更全面一些，界面会好看一些

1.3日志收集展示出来后，怎么使用/h3>

用于给大数据分析，作为立体化展示的一个数据源

给研发去使用（排障、解决bug等）

统计数据流量，作为分析报告的数据源

1.4我们要怎么收集日志/h3>

我们需要有针对性的去收集日志

日志收集是根据我们设置的日志级别来看的，对于不是很重要的日志，日志级别调高一点。比如error的时候报给我，普通日志不用报。这样可以有效降低日志量。像这种业务日志，我们不适合调error级别，我们需要调成warning级别

二：ELK概述

2.1ELK简介

ELK平台是一套完整的日志集中处理解决方案，将 ElasticSearch（日志存储和搜索）、Logstash（日志收集） 和 Kiabana（展示） 三个开源工具配合使用，完成更强大的用户对日志的查询、排序、统计需求。

Logstash（日志收集）：主要用于收集、输出、格式化数据

Elasticsearch（日志存储和搜索）：用于建立索引，因为它的副本和分片，他的搜索能力很强。

Kibana（展示）：作为展示用的，展示的话在于日志收集后、由es创建建立索引，并且最后传给kibana，通过kibana展现出来。他的兼容性特别好。

2.2ElasticSearch（日志存储和搜索）

2.2.1ElasticSearch的概述

ElasticSearch：是基于Lucene（一个全文检索引擎的架构）开发的分布式存储检索引擎，用来存储各类日志。

Elasticsearch 是用 Java 开发的，可通过 RESTful Web 接口，让用户可以通过浏览器与Elasticsearch 通信。

Elasticsearch是一个实时的、分布式的可扩展的搜索引擎，允许进行全文、结构化搜索，它通常用于索引和搜索大容量的日志数据，也可用于搜索许多不同类型的文档。设计用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。

2.2.2ElasticSearch核心概念

（1）接近实时（NRT）：ElasticSearch是一个接近实时的搜索平台，这就是说，我们从索引一个文档直到这个文档能够被搜索到有一个轻微的延迟（通常是1秒)

（2）集群化（cluster）：集群每一台服务器都有自己的一个唯一标识，比如说id，标识自己在集群中的一个定位。个集群就是由一个或多个节点组织在一起，它们共同持有你整个的数据，并一起提供索引和搜索功能。其中一个节点为主节点，这个主节点是可以通过选举产生的，并提供跨节点的联合索引和搜索的功能

（3）节点（node）：节点就是一台单一的服务器，是集群的一部分，存储数据并参与集群的索引和搜索功能。像集群一样，节点也是通过名字来标识，默认是在节点启动时随机分配的字符名。当然，你可以自己定义。该名字也很重要，在集群中用于识别服务器对应的节点。

（4）索引（index）：一个索引就是一个拥有几分相似特征的文档的集合。比如说，你可以有一个客户数据的索引，另一个产品日录的索引，还有一个订单数据的索引。一个索引由一个名字来标识（必须全部是小写字母的)，并且当我们要对对应于这个索引中的文档进行索引、搜索、更新和删除的时候都要使用到这个名字。在一个集群中，如果你想，可以定义任意多的索引。

（5）类型（type）：在一个索引中，你可以定义一种或多种类型。一个类型是你的索引的一个逻辑.上的分类/分区，其语义完全由你来定。通常，会为具有一组共同字段的文档定义一个类型。比如说，我们假设你运营一个博客平台并且将你所有的数据存储到一个索引中。在这个索引中，你可以为用户数据定义一个类型，为博客数据定义另一个类型，当然，也可以为评论数据定义另一个类型。

类型相当于关系型数据的表
（6）文档（ document）：一个文档是一个可被索引的基础信息单元。比如，你可以拥有某一个客户的文档，某一个产品的一个文档，当然，也可以拥有某个订单的一个文档。文档以JSON (Javascript ObjectNotation）格式来表示，而JSON是一个到处存在的互联网数据交互格式。

在一个index/type里面，只要你想，你可以存储任意多的文档。注意，虽然一个文档在物理上位于一个索引中，实际上一个文档必须在一个索引内被索引和分配一个类型。

文档相对于关系型数据库的列

MysQL ES
库索引
表类型
列文档

（7）分片和副本（shards & replicas）：（默认情况下是5个分片、1个副本，这意味着，如果你的集群至少有两个节点，你的索引将会有5个分片和另外5个副本）

在正常情况下，单个节点的存储和索引以及I/O读写效率是很容易遇到瓶颈的。为了提高瓶颈上限，所以在这里，对于存储进行一个分布式，多个节点做一个任务。可以提高存储上线，可以提高搜索上限，同时可以减轻压力均摊。

Elasticsearch提供将索引分成多个分片的功能。当在创建索引时，可以定义想要分片的数量。每一个分片就是一个全功能的独立的索引，可以位于集群中任何节点上。

分片的两个最主要原因:a. 提高了扩展能力、b. 提高了单机存存储上限，c. 分布式并行跨分片操作，提高性能和吞吐量
分布式分片的机制和搜索请求的文档如何汇总完全是由elasticsearch控制的，这些对用户而言是透明的。

网络问题等等其它问题可以在任何时候不期而至，为了健壮性，强烈建议要有一个故障切换机制，无论何种故障以防止分片或者节点不可用。

副本也有两个最主要原因：a．高可用性，以应对分片或者节点故障。出于这个原因，分片副本要在不同的节点上。b. 增加了读写性能，增大吞吐量。搜索可以并行在所有副本上执行。

2.3Logstash（日志收集）

2.3.1Logstash的概述

作为数据收集引擎。它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，然后存储到用户指定的位置,一般会发送给 Elasticsearch。
Logstash 由 Ruby 语言编写，运行在 Java 虚拟机（JVM）上，是一款强大的数据处理工具，可以实现数据传输、格式处理、格式化输出。
Logstash 具有强大的插件功能，常用于日志处理。

（1）一款强大的数据处理工具，可以实现数据传输、格式处理、格式化输出；

（2）工作思路：数据输入（collect）、数据加工（如过滤、改写等enrich）以及数据输出（transport）；

（3）由LRuby语言编写，基于消息（message-based）的简单架构，并运行在Java虚拟机（JVM）上；

（4）不同于分离的代理端（agent）或主机端（server），Logstash可配置单一的代理端（agent）与其他开源软件结合，以实现不同的功能。

（5）Logstash的理念很简单，它只做3件事情：Collect:数据输入(收集)；Enrich:数据加工，如过滤,改写等；Transport:数据输出(被其他模块进行调用)

（6）Logstash 配置文件基本由三部分组成：Input、Output、Filter Plugin

Input：获取日志，表示从数据源采集数据，常见的数据源如Kafka、日志文件等
Output：输出日志，表示将Logstash收集的数据经由过滤器处理之后输出到Elasticsearch
Filter Plugin：过滤日志、格式处理，表示数据处理层，包括对数据进行格式化处理、数据类型转

2.3.2Logstash主要组件

（1）Shipper（日志收集者）：日志收集负责监控本地日志文件的变化，及时把日志文件的最新内容收集起来。通常，远程代理端（agent）只需要运行这个组件即可。

（2）Indexer（日志存储者）：日志存储负责接受日志并写入到本地文件。

（3）Broker（日志Hub）：日志hub负责链接多个shipper和对应数目的indexer。

（4）Search and Storage：允许对事件进行搜索和存储。

（5）Web Interface：基于web的展示界面。

以上组件在Logstash架构中可以独立部署，因此提供了很好的集群扩展性

2.3.3LogStash主机分类
代理主机(agent host)：作为事件的传递者（shipper)，将各种日志数据发送至中心主机;只需运行Logstash代理( agent）程序;

中心主机(central host)：可运行包括中间转发器(Broker)、索引器(Indexer)、搜索和存储器(Search andstorage)

web界面端(web Interface)：在内的各个组件，以实现对日志数据的接收,处理和存储

2.3.4可以添加的其它组件

Filebeat：轻量级的开源日志文件数据搜集器。通常在需要采集数据的客户端安装 Filebeat，并指定目录与日志格式，Filebeat 就能快速收集数据，并发送给 logstash 进行解析，或是直接发给 Elasticsearch 存储，性能上相比运行于 JVM 上的 logstash 优势明显，是对它的替代。常应用于 EFLK 架构当中

filebeat 结合 logstash 带来好处：

（1）通过 Logstash 具有基于磁盘的自适应缓冲系统，该系统将吸收传入的吞吐量，从而减轻 Elasticsearch 持续写入数据的压力

（2）从其他数据源（例如数据库，S3对象存储或消息传递队列）中提取

（3）将数据发送到多个目的地，例如S3，HDFS（Hadoop分布式文件系统）或写入文件

（4）使用条件数据流逻辑组成更复杂的处理管道

缓存/消息队列（redis、kafka、RabbitMQ等）：可以对高并发日志数据进行流量削峰和缓冲，这样的缓冲可以一定程度的保护数据不丢失，还可以对整个架构进行应用解耦。

Fluentd：是一个流行的开源数据收集器。由于 logstash 太重量级的缺点，Logstash 性能低、资源消耗比较多等问题，随后就有 Fluentd 的出现。
相比较 logstash，Fluentd 更易用、资源消耗更少、性能更高，在数据处理上更高效可靠，受到企业欢迎，成为 logstash 的一种替代方案，
常应用于 EFK 架构当中。在 Kubernetes 集群中也常使用 EFK 作为日志数据收集的方案。
在 Kubernetes 集群中一般是通过 DaemonSet 来运行 Fluentd，以便它在每个 Kubernetes 工作节点上都可以运行一个 Pod。
它通过获取容器日志文件、过滤和转换日志数据，然后将数据传递到 Elasticsearch 集群，在该集群中对其进行索引和存储。

2.4Kibana（展示）

2.4.1Kibana的概述

（1）一个针对Elasticsearch的开源分析及可视化平台；

（2）搜索、查看存储在Elasticsearch索引中的数据；

（3）通过各种图标进行高级数据分析及展示；

（4）让海量数据更容易理解；

（5）操作简单，基于浏览器地用户界面就可以快速创建仪表板（dashboard）实时显示Elasticsearch查询动态；

（6）设置安装Kibana非常简单，无需编写代码，几分钟内就可以完成Kibana安装并启动Elasticsearch监测。

2.4.2Kibana主要功能

Kibana 通常与 Elasticsearch 一起部署，Kibana 是 Elasticsearch 的一个功能强大的数据可视化 Dashboard，Kibana 提供图形化的 web 界面来浏览 Elasticsearch 日志数据，可以用来汇总、分析和搜索重要数据

（1）Elasticsearch无缝之集成。Kibana架构为Elasticsearch定制，可以将任何结构化和非结构化数据加入Elasticsearch索引。Kibana还充分利用了Elasticsearch强大的搜索和分析功能。

（2）整合数据：Kibana能够更好地处理海量数据，并据此创建柱形图、折线图、散点图、直方图、饼图和地图。

（3）复杂数据分析：Kibana提升了Elasticsearch分析能力，能够更加智能地分析数据，执行数学转换并且根据要求对数据切割分块。

（4）让更多团队成员受益：强大的数据库可视化接口让各业务岗位都能够从数据集合受益。

（5）接口灵活，分享更容易：使用Kibana可以更加方便地创建、保存、分享数据，并将可视化数据快速交流。

（6）配置简单：Kibana的配置和启用非常简单，用户体验非常友好。Kibana自带Web服务器，可以快速启动运行。

（7）可视化多数据源：Kibana可以非常方便地把来自Logstash、ES-Hadoop、Beats或第三方技术的数据整合到Elasticsearch，支持的第三方技术包括Apache Flume、Fluentd等。

（8）简单数据导出：Kibana可以方便地导出感兴趣的数据，与其它数据集合并融合后快速建模分析，发现新结果。

三：ELK的工作原理

（1）在所有需要收集日志的服务器上部署Logstash；或者先将日志进行集中化管理在日志服务器上，在日志服务器上部署 Logstash。

（2）Logstash 收集日志，将日志格式化并输出到 Elasticsearch 群集中。

（3）Elasticsearch 对格式化后的数据进行索引和存储。

（4）Kibana 从 ES 群集中查询数据生成图表，并进行前端数据的展示。

总结：logstash作为日志搜集器，从数据源采集数据，并对数据进行过滤，格式化处理，然后交由Elasticsearch存储，kibana对日志进行可视化处理

四：为什么要使用 ELK

（1）日志主要包括系统日志、应用程序日志和安全日志。系统运维和开发人员可以通过日志了解服务器软硬件信息、检查配置过程中的错误及错误发生的原因。

（2）经常分析日志可以了解服务器的负荷，性能安全性，从而及时采取措施纠正错误。
往往单台机器的日志我们使用grep、awk等工具就能基本实现简单分析，但是当日志被分散的储存不同的设备上。如果你管理数十上百台服务器，你还在使用依次登录每台机器的传统方法查阅日志。这样是不是感觉很繁琐和效率低下。

（3）当务之急我们使用集中化的日志管理，例如：开源的syslog，将所有服务器上的日志收集汇总。集中化管理日志后，日志的统计和检索又成为一件比较麻烦的事情，一般我们使用 grep、awk和wc等Linux命令能实现检索和统计，但是对于要求更高的查询、排序和统计等要求和庞大的机器数量依然使用这样的方法难免有点力不从心。

（4）一般大型系统是一个分布式部署的架构，不同的服务模块部署在不同的服务器上，问题出现时，大部分情况需要根据问题暴露的关键信息，定位到具体的服务器和服务模块，构建一套集中式日志系统，可以提高定位问题的效率。

五：完整日志系统基本特征

收集：能够采集多种来源的日志数据

传输：能够稳定的把日志数据解析过滤并传输到存储系统

存储：存储日志数据

分析：支持 UI 分析

警告：能够提供错误报告，监控机制

日志处理的步骤：

（1）将APP servers的日志进行集中化管理到Logstash agent。

（2）将日志格式化（Logstash）并输出到Elasticsearch cluster

（3）对格式化后的数据进行索引和存储（Elasticsearch）

（4）前端数据的展示（Kibana）

（5）可以在线查看界面化展示。

六：ELK日志分析系统集群部署

服务器类型	系统和IP地址	需要安装的组件
Node1节点	CentOs7.4(64位)192.168.137.20	Elasticsearch .Kibana
Node2节点	CentOS7.4(64位)192.168.137.15	Elasticsearch
Apache节点	CentOS7.4(64位)192.168.137.10	Logstash Apache