日志实时收集之FileBeat+Kafka

之前，我们的某一个业务用于实时日志收集处理的架构大概是这样的：

在日志的产生端（LogServer服务器），都部署了FlumeAgent，实时监控产生的日志，然后发送至Kafka。经过观察，每一个FlumeAgent都占用了较大的系统资源（至少会占用一颗CPU 50%以上的资源）。而另外一个业务，LogServer压力大，CPU资源尤其紧张，如果要实时收集分析日志，那么就需要一个更轻量级、占用资源更少的日志收集框架，于是我试用了一下Filebeat。

Filebeat是一个开源的文本日志收集器，采用go语言开发，它重构了logstash采集器源码，安装在日志产生服务器上来监视日志目录或者特定的日志文件，并把他们发送到logstash、elasticsearch以及kafka上。Filebeat是代替logstash-forwarder的数据采集方案，原因是logstash运行在jvm上，对服务器的资源消耗比较大（Flume也是如此）。正因为Filebeat如此轻量级，因此不要奢望它能在日志收集过程中做更多清洗和转换的工作，它只负责一件事，就是高效可靠的传输日志数据，至于清洗和转换，可以在后续的过程中进行。

Filebeat官网地址为：https://www.elastic.co/guide/en/beats/filebeat/current/index.html  你可以在该地址中下载Filebeat和查看文档。

Filebeat安装配置

Filebeat的安装和配置非常简单。

下载filebeat-5.6.3-linux-x86_64.tar.gz，并解压。
进入filebeat-5.6.3-linux-x86_64目录，编辑配置文件filebeat.yml

配置input，监控日志文件：

1. filebeat.prospectors:
2. - input_type: log
3. paths:
4. - /data/dmp/openresty/logs/dmp_intf_*.log

配置output到Kafka
#—————————– Kafka output ——————————–

1. output.kafka:
2. hosts: ["datadev1:9092"]
3. topic: lxw1234
4. required_acks: 1

PS：假设你的Kafka已经安装配置好，并建了Topic。

更多的配置选项，请参考官方文档。

需要大数据学习资料和交流学习的同学可以加大数据学习群：894951460，有免费资料分享和一群学习大数据的小伙伴一起努力

Filebeat启动

在filebeat-5.6.3-linux-x86_64目录下，执行命令：

./filebeat -e -c filebeat.yml 来启动Filebeat。

 

启动后，Filebeat开始监控input配置中的日志文件，并将消息发送至Kafka。

你可以在Kafka中启动Consumer来查看：

./kafka-console-consumer.sh –bootstrap-server localhost:9092 –topic lxw1234 –from-beginning

Filebeat的消息格式

原始日志中，日志格式如下：

2017-11-09T15:18:05+08:00|~|127.0.0.1|~|-|~|hy_xyz|~|200|~|0.002

 

Filebeat会将消息封装成一个JSON串，除了包含原始日志，还包含了其他信息。

@timestamp：消息发送时间

beat：Filebeat运行主机和版本信息

fields：用户自定义的一些变量和值，非常有用，类似于Flume的静态拦截器

input_type：input类型

message：原始日志内容

offset：此条消息在原始日志文件中的offset

source：日志文件

 

另外， Filebeat对CPU的占用情况：

经过初步试用，以下方面的问题还有待继续测试：

1. 数据可靠性：是否存在日志数据丢失、重复发送情况；
2. 能否对Filebeat的消息格式进行定制，去掉一些冗余无用的项。