Fork me on GitHub

ELK+Filebeat+Kafka+ZooKeeper 构建海量日志分析平台【转】

发表于 | 分类于 | 阅读次数: | 阅读数 次
字数统计: 4.7k | 阅读时长 ≈ 23

ELK+Filebeat+Kafka+ZooKeeper 构建海量日志分析平台

原文链接：http://blog.51cto.com/tchuairen/1861167

什么要做日志分析平台？

随着业务量的增长，每天业务服务器将会产生上亿条的日志，单个日志文件达几个 GB，这时我们发现用 Linux 自带工具，cat grep awk 分析越来越力不从心了，而且除了服务器日志，还有程序报错日志，分布在不同的服务器，查阅繁琐。

待解决的痛点:

1、大量不同种类的日志成为了运维人员的负担，不方便管理;

2、单个日志文件巨大，无法使用常用的文本工具分析，检索困难;

3、日志分布在多台不同的服务器上，业务一旦出现故障，需要一台台查看日志。

为了解决以上困扰:

接下来我们要一步步构建这个日志分析平台，架构图如下:

架构解读 : （整个架构从左到右，总共分为 5 层）

第一层、数据采集层

最左边的是业务服务器集群，上面安装了 filebeat 做日志采集，同时把采集的日志分别发送给两个 logstash 服务。

第二层、数据处理层，数据缓存层

logstash 服务把接受到的日志经过格式处理，转存到本地的 kafka broker+zookeeper 集群中。

第三层、数据转发层

这个单独的 Logstash 节点会实时去 kafka broker 集群拉数据，转发至 ES DataNode。

第四层、数据持久化存储

ES DataNode 会把收到的数据，写磁盘，建索引库。

第五层、数据检索，数据展示

ES Master + Kibana 主要协调 ES 集群，处理数据检索请求，数据展示。

笔者为了节约宝贵的服务器资源，把一些可拆分的服务合并在同一台主机。大家可以根据自己的实际业务环境自由拆分，延伸架构。

开 工 !

操作系统环境 : CentOS release 6.5

各服务器角色分配 :

jdk-8u101-linux-x64.rpm

logstash-2.3.2.tar.gz

filebeat-1.2.3-x86_64.rpm

kafka_2.11-0.10.0.1.tgz

zookeeper-3.4.9.tar.gz

elasticsearch-2.3.4.rpm

kibana-4.5.3-linux-x64.tar.gz

一、安装部署 Elasticsearch 集群

布置 ES Master 节点 10.10.1.244

1、安装 jdk1.8，elasticsearch-2.3.4

oracle 官网 jdk 下载地址: http://www.oracle.com/technetwork/java/javase/downloads/index.html

elasticsearch 官网: https://www.elastic.co/

安装命令

yum install jdk-8u101-linux-x64.rpm elasticsearch-2.3.4.rpm -y

ES 会被默认安装在 /usr/share/elasticsearch/

2、系统调优，JVM 调优

# 配置系统最大打开文件描述符数

vim /etc/sysctl.conf

fs.file-max=65535

配置进程最大打开文件描述符

vim /etc/security/limits.conf

# End of file

\* soft nofile 65535

\* hard nofile 65535

# 配置 JVM 内存

vim /etc/sysconfig/elasticsearch

ES\_HEAP\_SIZE=4g

# 这台机器的可用内存为 8G

3、编写 ES Master 节点配置文件

# /etc/elasticsearch/elasticsearch.yml

# ---------------------------------- Cluster -----------------------------------

# Use a descriptive name for your cluster:

cluster.name: bigdata

# ------------------------------------ Node ------------------------------------

node.name: server1

node.master: true

node.data: false

# ----------------------------------- Index ------------------------------------

index.number\_of\_shards: 5

index.number\_of\_replicas: 0

index.refresh\_interval: 120s

# ----------------------------------- Paths ------------------------------------

path.data: /home/elk/data

path.logs: /var/log/elasticsearch/elasticsearch.log

# ----------------------------------- Memory -----------------------------------

bootstrap.mlockall: true

indices.fielddata.cache.size: 50mb

#------------------------------------ Network And HTTP --------------------------

network.host: 0.0.0.0

http.port: 9200

# ------------------------------------ Translog ----------------------------------

index.translog.flush\_threshold\_ops: 50000

# --------------------------------- Discovery ------------------------------------

discovery.zen.minimum\_master\_nodes: 1

discovery.zen.ping.timeout: 200s

discovery.zen.fd.ping\_timeout: 200s

discovery.zen.fd.ping.interval: 30s

discovery.zen.fd.ping.retries: 6

discovery.zen.ping.unicast.hosts: ["10.10.1.60:9300","10.10.1.90:9300","10.10.1.244:9300",]

discovery.zen.ping.multicast.enabled: false

# --------------------------------- merge ------------------------------------------

indices.store.throttle.max\_bytes\_per\_sec: 100mb

注: path.data、path.logs 这两个参数指定的路径，如果没有需要自己创建，还要赋予权限给 elasticsearch 用户。（后面的 ES DataNode 也同样）

4、安装 head、kopf、bigdesk 开源插件

安装方法有两种 :

1、使用 ES 自带的命令 plugin

# head

/usr/share/elasticsearch/bin/plugin install mobz/elasticsearch-head

# kopf

/usr/share/elasticsearch/bin/plugin install lmenezes/elasticsearch-kopf

# bigdesk

/usr/share/elasticsearch/bin/plugin install hlstudio/bigdesk

2、自行下载插件的源码包安装

我们通过 plugin 命令安装的插件，其实是安装到了这个路径:/usr/share/elasticsearch/plugins

而 plugin install 命令后面跟的这一串 mobz/elasticsearch-head 其实是 github 上的一个地址。

前面加上 github 的官网地址就是 https://github.com/mobz/elasticsearch-head 可以复制到浏览器中打开，找到该插件的源码仓库。

现在知道了，想要找插件自己可以去 github 上搜一下出来一大堆。随便选一个然后取后面那串路径，用 ES 自带的命令安装。

如果安装失败了，那么就手动下载该插件的源码包。 解压后直接整个目录 mv 到 ES 的插件安装路径下。

也就是这里: /usr/share/elasticsearch/plugins/

那如何访问安装好的插件呢？

http://ES\_server\_ip:port/\_plugin/plugin\_name

Example:

http://127.0.0.1:9200/\_plugin/head/

http://127.0.0.1:9200/\_plugin/kopf/

这时，ES Master 已经配置好了。

布置 ES DataNode 节点 10.10.1.60

安装和系统调优方法同上，插件不用安装，只是配置文件不同。

编写配置文件

# ---------------------------------- Cluster -----------------------------------

# Use a descriptive name for your cluster:

cluster.name: bigdata

# ------------------------------------ Node ------------------------------------

node.name: server2

node.master: false

node.data: true

# ----------------------------------- Index ------------------------------------

index.number\_of\_shards: 5

index.number\_of\_replicas: 0

index.refresh\_interval: 120s

# ----------------------------------- Paths ------------------------------------

path.data: /home/elk/data,/disk2/elk/data2

path.logs: /var/log/elasticsearch/elasticsearch.log

# ----------------------------------- Memory -----------------------------------

bootstrap.mlockall: true

indices.fielddata.cache.size: 50mb

#------------------------------------ Network And HTTP --------------------------

network.host: 0.0.0.0

http.port: 9200

# ------------------------------------ Translog ----------------------------------

index.translog.flush\_threshold\_ops: 50000

# --------------------------------- Discovery ------------------------------------

discovery.zen.minimum\_master\_nodes: 1

discovery.zen.ping.timeout: 200s

discovery.zen.fd.ping\_timeout: 200s

discovery.zen.fd.ping.interval: 30s

discovery.zen.fd.ping.retries: 6

discovery.zen.ping.unicast.hosts: ["10.10.1.244:9300",]

discovery.zen.ping.multicast.enabled: false

# --------------------------------- merge ------------------------------------------

indices.store.throttle.max\_bytes\_per\_sec: 100mb

10.10.1.60 也准备好了。

布置另一台 ES DataNode 节点 10.10.1.90

编写配置文件

# ---------------------------------- Cluster -----------------------------------

# Use a descriptive name for your cluster:

cluster.name: bigdata

# ------------------------------------ Node ------------------------------------

node.name: server3

node.master: false

node.data: true

# ----------------------------------- Index ------------------------------------

index.number\_of\_shards: 5

index.number\_of\_replicas: 0

index.refresh\_interval: 120s

# ----------------------------------- Paths ------------------------------------

path.data: /home/elk/single

path.logs: /var/log/elasticsearch/elasticsearch.log

# ----------------------------------- Memory -----------------------------------

bootstrap.mlockall: true

indices.fielddata.cache.size: 50mb

#------------------------------------ Network And HTTP --------------------------

network.host: 0.0.0.0

http.port: 9200

# ------------------------------------ Translog ----------------------------------

index.translog.flush\_threshold\_ops: 50000

# --------------------------------- Discovery ------------------------------------

discovery.zen.minimum\_master\_nodes: 1

discovery.zen.ping.timeout: 200s

discovery.zen.fd.ping\_timeout: 200s

discovery.zen.fd.ping.interval: 30s

discovery.zen.fd.ping.retries: 6

discovery.zen.ping.unicast.hosts: ["10.10.1.244:9300",]

discovery.zen.ping.multicast.enabled: false

# --------------------------------- merge ------------------------------------------

indices.store.throttle.max\_bytes\_per\_sec: 100mb

5、现在三台 ES 节点已经准备就绪，分别启动服务

# 10.10.1.244

/etc/init.d/elasticsearch start

# 10.10.1.60

/etc/init.d/elasticsearch start

# 10.10.1.90

/etc/init.d/elasticsearch start

6、访问 head 插件，查看集群状态

此时 Elasticsearch 集群已经准备完成

二、配置位于架构图中第二层的 ZooKeeper 集群

配置 10.10.1.30 节点

1、安装，配置 zookeeper

zookeeper 官网: http://zookeeper.apache.org/

# zookeeper 依赖 java，如果之前没安装过 JDK，则需要安装.

rpm -ivh jdk-8u101-linux-x64.rpm

# 解压程序

tar xf zookeeper-3.4.9.tar.gz

编写配置文件

# conf/zoo.cfg

# The number of milliseconds of each tick

tickTime=2000

# The number of ticks that the initial

# synchronization phase can take

initLimit=10

# The number of ticks that can pass between

# sending a request and getting an acknowledgement

syncLimit=5

# the directory where the snapshot is stored.

# do not use /tmp for storage, /tmp here is just

# example sakes.

dataDir=/u01/zookeeper/zookeeper-3.4.9/data

# the port at which the clients will connect

clientPort=2181

# the maximum number of client connections.

# increase this if you need to handle more clients

#maxClientCnxns=60

server.11=10.10.1.30:2888:3888

server.12=10.10.1.31:2888:3888

server.13=10.10.1.32:2888:3888

# Be sure to read the maintenance section of the

# administrator guide before turning on autopurge.

#

# http://zookeeper.apache.org/doc/current/zookeeperAdmin.html#sc\_maintenance

#

# The number of snapshots to retain in dataDir

# autopurge.snapRetainCount=3

# Purge task interval in hours

# Set to "0" to disable auto purge feature

# autopurge.purgeInterval=1

同步配置文件到其他两台节点

注: zookeeper 集群，每个节点的配置文件都是一样的。所以直接同步过去，不需要做任何修改。

不熟悉 zookeeper 的朋友，可以参考这里: http://tchuairen.blog.51cto.com/3848118/1859494

scp zoo.cfg 10.10.1.31:/usr/local/zookeeper-3.4.9/conf/

scp zoo.cfg 10.10.1.32:/usr/local/zookeeper-3.4.9/conf/

2、创建 myid 文件

# 10.10.1.30

echo 11 \>/usr/local/zookeeper-3.4.9/data/myid

# 10.10.1.31

echo 12 \>/usr/local/zookeeper-3.4.9/data/myid

# 10.10.1.32

echo 13 \>/usr/local/zookeeper-3.4.9/data/myid

3、启动服务 & 查看节点状态

# 10.10.1.30

bin/zkServer.sh start

bin/zkServer.sh status

ZooKeeper JMX enabled by default

Using config: /usr/local/zookeeper/zookeeper-3.4.9/bin/../conf/zoo.cfg

Mode: leader

# 10.10.1.31

bin/zkServer.sh start

bin/zkServer.sh status

ZooKeeper JMX enabled by default

Using config: /usr/local/zookeeper/zookeeper-3.4.9/bin/../conf/zoo.cfg

Mode: follower

# 10.10.1.32

bin/zkServer.sh start

bin/zkServer.sh status

ZooKeeper JMX enabled by default

Using config: /usr/local/zookeeper/zookeeper-3.4.9/bin/../conf/zoo.cfg

Mode: follower

此时 zookeeper 集群配置完成

三、配置位于架构图中第二层的 Kafka Broker 集群

Kafka 官网: http://kafka.apache.org/

不熟悉 Kafka 的朋友可以参考: http://tchuairen.blog.51cto.com/3848118/1855090

配置 10.10.1.30 节点

1、安装，配置 kafka

# 解压程序

tar xf kafka\_2.11-0.10.0.1.tgz

编写配置文件

############################# Server Basics #############################

broker.id=1

############################# Socket Server Settings #############################

num.network.threads=3

# The number of threads doing disk I/O

num.io.threads=8

# The send buffer (SO\_SNDBUF) used by the socket server

socket.send.buffer.bytes=102400

# The receive buffer (SO\_RCVBUF) used by the socket server

socket.receive.buffer.bytes=102400

# The maximum size of a request that the socket server will accept (protection against OOM)

socket.request.max.bytes=104857600

############################# Log Basics #############################

log.dirs=/usr/local/kafka/kafka\_2.11-0.10.0.1/data

num.partitions=6

num.recovery.threads.per.data.dir=1

############################# Log Flush Policy #############################

# The number of messages to accept before forcing a flush of data to disk

#log.flush.interval.messages=10000

# The maximum amount of time a message can sit in a log before we force a flush

#log.flush.interval.ms=1000

############################# Log Retention Policy #############################

log.retention.hours=60

log.segment.bytes=1073741824

log.retention.check.interval.ms=300000

############################# Zookeeper #############################

zookeeper.connect=10.10.1.30:2181,10.10.1.31:2181,10.10.1.32:2181

zookeeper.connection.timeout.ms=6000

注: 其他两个节点的配置文件也基本相同，只有一个参数需要修改 broker.id 。 它用于唯一标识节点，所以绝对不能相同，不然会节点冲突。

同步配置文件到其他两台节点

scp server.properties 10.10.1.31:/usr/local/kafka/kafka\_2.11-0.10.0.1/config/

scp server.properties 10.10.1.32:/usr/local/kafka/kafka\_2.11-0.10.0.1/config/

# 修改 broker.id

# 10.10.1.31

broker.id=2

# 10.10.1.32

broker.id=3

2、配置主机名对应 IP 的解析

vim /etc/hosts

10.10.1.30 server1

10.10.1.31 server2

10.10.1.32 server3

# 记得同步到其他两台节点

3、启动服务 

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

# 其他两台节点启动方式相同

Kafka+ZooKeeper 集群配置完成

四、配置位于架构图中第二层的 Logstash 服务

配置 10.10.1.30 节点

1、安装，配置 logstash

# 解压程序

tar xf logstash-2.3.2.tar.gz

配置 GeoLiteCity ， 用于地图显示 IP 访问的城市

官网地址: http://dev.maxmind.com/geoip/legacy/geolite/

下载地址: http://geolite.maxmind.com/download/geoip/database/GeoLiteCity.dat.gz

解压

gunzip GeoLiteCity.dat.gz

编写配置文件

input {

beats {

port =\> 5044

codec =\>"json"

}

}

filter {if[type]=="nginxacclog"{

geoip {

source=\>"clientip"# 与日志中访问地址的 key 要对应

target =\>"geoip"

database =\>"/usr/local/logstash/GeoLiteCity.dat"

add\_field =\>["[geoip][coordinates]","%{[geoip][longitude]}"]

add\_field =\>["[geoip][coordinates]","%{[geoip][latitude]}"]

}

mutate {convert =\>["[geoip][coordinates]","float"]

}

}

}

output {

  kafka {

workers =\> 2

bootstrap\_servers =\>"10.10.1.30:9092,10.10.1.31:9092,10.10.1.32:9092"

topic\_id =\>"peiyinlog"

}

}

2、启动服务

/usr/local/logstash/bin/logstash agent -f logstash\_in\_kafka.conf &

10.10.1.31 节点的这块配置，与上述完全相同。（略）

位于第二层、数据处理层的 Logstash 配置完成

五、配置数据采集层，业务服务器 +Filebeat

1、定制 Nginx 日志格式

log\_format json '{"@timestamp":"$time\_iso8601",'

 '"slbip":"$remote\_addr",'

 '"clientip":"$http\_x\_forwarded\_for",'

 '"serverip":"$server\_addr",'

 '"size":$body\_bytes\_sent,'

 '"responsetime":$request\_time,'

 '"domain":"$host",'

 '"method":"$request\_method",'

 '"requesturi":"$request\_uri",'

 '"url":"$uri",'

 '"appversion":"$HTTP\_APP\_VERSION",'

 '"referer":"$http\_referer",'

 '"agent":"$http\_user\_agent",'

 '"status":"$status",'

 '"devicecode":"$HTTP\_HA"}';

# 在虚拟主机配置中调用

access\_log  /alidata/log/nginx/access/access.log json;

2、安装 Filebeat

Filebeat 也是 Elasticsearch 公司的产品，在官网可以下载。

# rpm 包安装

yum install filebeat-1.2.3-x86\_64.rpm -y

3、编写 Filebeat 配置文件

################### Filebeat Configuration Example #########################

############################# Filebeat ######################################

filebeat:

  prospectors:

-

  paths:

- /var/log/messages

  input\_type: log

  document\_type: messages

-

  paths:

- /alidata/log/nginx/access/access.log

  input\_type: log

  document\_type: nginxacclog

-

  paths:

- /alidata/www/logs/laravel.log

  input\_type: log

  document\_type: larlog

-

  paths:

- /alidata/www/logs/500\_error.log

  input\_type: log

  document\_type: peiyinlar\_500error

-

  paths:

- /alidata/www/logs/deposit.log

  input\_type: log

  document\_type: lar\_deposit

-

  paths:

- /alidata/www/logs/call\_error.log

  input\_type: log

  document\_type: call\_error

-

  paths:

- /alidata/log/php/php-fpm.log.slow

  input\_type: log

  document\_type: phpslowlog

  multiline:

  pattern: '^[[:space:]]'

  negate: true

  match: after

  registry\_file: /var/lib/filebeat/registry

############################# Output ##########################################

output:

  logstash:

hosts: ["10.26.95.215:5044"]

############################# Shipper #########################################

shipper:

  name: "host\_6"



############################# Logging #########################################

logging:

  files:

rotateeverybytes: 10485760 # = 10MB

4、启动服务

/etc/init.d/filebeat start

数据采集层，Filebeat 配置完成。

现在业务服务器上的日志数据已经在源源不断的写入缓存了。

六、配置位于架构图中的第三层，数据转发层

Logstash 安装上面已经讲过（略）

编写 Logstash 配置文件

# kafka\_to\_es.conf

input{

kafka {

zk\_connect =\>"10.10.1.30:2181,10.10.1.31:2181,10.10.1.32:2181"

group\_id =\>"logstash"

topic\_id =\>"peiyinlog"

reset\_beginning =\>false

consumer\_threads =\> 50

decorate\_events =\>true

}

}

# 删除一些不需要的字段

filter {if[type]=="nginxacclog"{

 mutate {remove\_field =\>["slbip","kafka","domain","serverip","url","@version","offset","input\_type","count","source","fields","beat.hostname","host","tags"]

}

}

}

output {if[type]=="nginxacclog"{# stdout {codec =\> rubydebug}

elasticsearch {hosts =\>["10.10.1.90:9200","10.10.1.60:9200"]

index =\>"logstash-nginxacclog-%{+YYYY.MM.dd}"

manage\_template =\>true

flush\_size =\> 50000

idle\_flush\_time =\> 10

workers =\> 2

}

}

if[type]=="messages"{

elasticsearch {hosts =\>["10.10.1.90:9200","10.10.1.60:9200"]

index =\>"logstash-messages-%{+YYYY.MM.dd}"

manage\_template =\>true

flush\_size =\> 50000

idle\_flush\_time =\> 30

workers =\> 1

}

}

if[type]=="larlog"{

elasticsearch {hosts =\>["10.10.1.90:9200","10.10.1.60:9200"]

index =\>"logstash-larlog-%{+YYYY.MM.dd}"

manage\_template =\>true

flush\_size =\> 2000

idle\_flush\_time =\> 10

}

}

if[type]=="deposit"{

elasticsearch {hosts =\>["10.10.1.90:9200","10.10.1.60:9200"]

index =\>"logstash-deposit-%{+YYYY.MM.dd}"

manage\_template =\>true

flush\_size =\> 2000

idle\_flush\_time =\> 10

}

}

if[type]=="phpslowlog"{

elasticsearch {hosts =\>["10.10.1.90:9200","10.10.1.60:9200"]

index =\>"logstash-phpslowlog-%{+YYYY.MM.dd}"

manage\_template =\>true

flush\_size =\> 2000

idle\_flush\_time =\> 10

}

}

}

启动服务

/usr/local/logstash/bin/logstash agent -f kafka\_to\_es.conf &

数据转发层已经配置完成

这时数据已经陆陆续续的从 kafka 取出，转存到 ES DataNode。

我们登陆到任意一台 kafka 主机，查看数据的缓存和消费情况

七、修改 ES 的索引模版配置

为什么要做这一步呢？ 因为 logstash 写入数据到 ES 时，会自动选用一个索引模版。 我们可以看一下

这个模版其实也挺好，不过有一个参数，我标记出来了。 "refresh_interval":"5s" 这个参数用于控制，索引的刷新频率。 索引的刷新频率越快，你搜索到的数据就实时。 这里是 5 秒。 一般我们日志场景不需要这么高的实时性。 可以适当降低该参数，提高 ES 索引库的写入速度。

上传自定义模版

curl -XPUT http://10.10.1.244:9200/\_template/logstash2 -d '

{

"order":1,

"template":"logstash-\*",

"settings":{

"index":{"refresh\_interval":"120s"}

},

"mappings":{

"\_default\_":{

"\_all":{"enabled":false}

}

}

}'

由于这个自定义模版，我把优先级 order 定义的比 logstash 模版高，而模版的匹配规则又一样，所以这个自定义模版的配置会覆盖原 logstash 模版。

我这里只是简单描述。 如果要详细理解其中道理，请查看我的 ES 调优篇。

八、配置 Kibana 数据展示层

10.10.1.244 节点

Kibana 是 ELK 套件中的一员，也属于 elasticsearch 公司，在官网提供下载。

安装

tar xf kibana-4.5.3-linux-x64.tar.gz

# 很简单，只要解压就可以用。

修改配置文件

# vim kibana-4.5.3-linux-x64/config/kibana.yml

# Kibana is served by a back end server. This controls which port to use.

server.port: 5601

# The host to bind the server to.

server.host: "0.0.0.0"

# The Elasticsearch instance to use for all your queries.

elasticsearch.url: "

# 修改这三个参数就好了

启动服务


打开浏览器访问: http://10.10.1.244:5601/

定制 Elasticsearch 索引的 Index pattern

默认情况下，Kibana 认为你要访问的是通过 Logstash 导入 Elasticsearch 的数据，这时候你可以用默认的 logstash-* 作为你的 index pattern。 通配符（*）匹配索引名中任意字符任意个数。

选择一个包含了时间戳的索引字段（字段类型为 date 的字段），可以用来做基于时间的处理。Kibana 会读取索引的

映射，然后列出所有包含了时间戳的字段。如果你的索引没有基于时间的数据.

关闭 Index contains time-based events 参数。

如果一个新索引是定期生成，而且索引名中带有时间戳，选择 Use event times to create index names 选项，

然后再选择 Index pattern interval 。这可以提高搜索性能，Kibana 会至搜索你指定的时间范围内的索引。在你用 Logstash 输出数据给 Elasticsearch 的情况下尤其有效。

由于我们的索引是用日期命名，按照每天分割的。 index pattern 如下

数据展示

完 工 !

参考资料：

https://yq.aliyun.com/articles/506895

https://www.cnblogs.com/louis2008/p/filebeat.html

赞赏是最好的支持与鼓励！
-------------本文结束感谢您的阅读-------------