基于docker容器部署ELK框架
ELK简介
什么是ELK？ELK是由Elasticsearch、Logstash、Kibana 三个开源的组件组成的一个组合体，其主要特点有如下几个：
1、处理方式灵活：elasticsearch是实时全文索引，具有强大的搜索功能。
2、配置相对简单：elasticsearch全部使用JSON接口，logstash使用模块配置，kibana的配置文件部分更简单。
3、检索性能高：基于优秀的设计，虽然每次查询都是实时，但是也可以达到百亿级数据的查询秒级响应。
4、集群线性扩展：elasticsearch和logstash都可以灵活线性扩展。
5、前端操作绚丽：kibana的前端设计比较绚丽，而且操作简单。
下面我们初步部署一下这个组件，初步感受一下其是个什么东东；
部署环境
我是在一台测试机器上部署的，是一台物理机，当然这个在虚拟机也可以部署，只要装好docker引擎的linux系统都应该可以部署成功；
| 预装环境 |
版本 |
|---|---|
| 操作系统 | centos 7.6 |
| 内存 | 大于4G |
| docker-compose | 1.29.2 |
| docker 引擎 | 20.10.12 |
为了更好，更方便的部署环境，我们尽量采用基于docker的环境来部署这3个组件，这三个组件都有官方提供的docker容器包供我们使用，所以部署起来还是很方便的。
安装步骤
1.首先安装docker引擎，和docker-compose组件，具体的安装步骤这里不赘述；
2.在宿主机操作系统里执行修改/etc/fstab文件内容，注释掉这一行 /dev/mapper/centos-swap swap，如下图：这个似乎不是必须做的，但做了以后效率应该会提升；
3.然后在就是宿主机的磁盘上，建个新的文件夹，名字自己定，新建一个docker-compose.yml的文件，内容如下：
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 |
|
4.定位到文件docker-compose.yml文件所在的目录，在当前路径下执行命令：docker-compose up -d
如下图：
如果使用这个docker-compose部署方式有问题，可以使用docker命令的方式来部署，具体docker部署的详细过程，可以参考：
elasticsearch的docker部署
kibana的docker部署
logstash的docker部署
验证是否执行成功：
首先，我们执行命令：docker ps 看一下有几个容器在运行，如果有2个或者3个容器运行都算正常；
刚开始查看容器的时候，可能会看到3个容器在运行，包括logstash的容器，一会可能logstash的容器就退出了，这个是正常的，因为logstash这个容器默认装好一个后，就必须以交互模式运行才不会退出，以 运行的模式运行该容器就会退出的，一会我们以交互模式验证一下是否部署好就可以了；在这之前，我们得先验证一下elasticsearch这个容器中的组件是否正常运行：
1.验证elasticsearch:
在命令行里输入curl http://127.0.0.1:9200 查看响应结果，如下：
说明部署成功了；
当然我们用可以在浏览器里直接访问这个容器所对应的宿主机的ip和端口来进行访问验证，我这里宿主机的ip是192.168.13.64，所以在浏览器里输入：192.168.13.64:9200 ，也会看到如下响应，说明成功了；
2.验证Kibana
同样的，在本地命令行里输入: curl http://127.0.0.1:5601,查看响应，不报错就行，如下：
这种验证方法不直观，更好的方法是在浏览器里验证，输入：192.168.13.64:5601，会有一次重定向跳转，到如下页面说明部署成功；
3.验证logstash
因为logstash和es配合还依赖于file
| 1 |
|
以交互模式启动logstash的容器后，在容器内部，输入命令：logstash -e "input { stdin {} } output{stdout{}}"
把标准的输入输出作为logstash的输入和输出验证是否启动，界面如下：
当出现The stdin plugin is now waiting for input提示后，随便在命令行输入一些字符，回车，就会收到logstash给的响应字段，说明logstash是能正常运行的；
如果我们想让logstash和Elasticsearch能配合使用，我们需要另外一个插件filebeat；
logstash 和filebeat都具有日志收集功能，filebeat更轻量，占用资源更少，但logstash 具有filter功能，能过滤分析日志。一般都是filebeat采集日志，然后发送到MQ中，然后logstash去读取，利用filter功能过滤分析，然后存储到elasticsearch中，至于filebeat和logstash是否可以配合使用，这里时间问题就不多说了，留给后续给大家分享；