ELFK日志分析系统之Filebeat

ELFK日志分析系统之Filebeat

一、Filebeat简介

Filebeat有两个主要组成部分组成:prospector(探勘者)和harvesters(矿车)。这些组件一起来工作来读取文件并将时间数据发送到指定的output。

  • prospector:负责找到所有需要进行读取的数据源。
  • harvesters:负责读取单个文件的内容,并将内容发送到output中,负责文件的打开和关闭。

二、Filebeat的工作方式

启动filebeat时,它将启动一个或多个输入,这些输入将在日志数据指定的位置中查找。对于filebeat都会启动收集器。每个收集器都会读取单个日志以获取新内容,并将新日志数据发送到filebeat,libbeat将聚集事件,并将聚集的数据发送到指定的filebeat配置的输出。

三、Filebeat工作原理

filebeat可以保持每个文件的状态,并且频繁地把文件状态从注册表中更新到磁盘。这里所说的文件状态是用来记录上一Harvster读取文件时读到的位置,以保证能刚把全部的日志数据都都取出来,然后发送到output。如果在某一时刻,作为output的ElasticSearch或者Logstash变成了不可用,Filebeat将会把最后的文件读取位置保存下来,知道output重新可用的时候,快速的恢复文件数据的读取。在filebeat运行的时候,每个Prospector的状态信息都会保存在内存里。如果filebeat出现了重启,完成重启以后,会从注册文件里回复重启之前的状态信息,让filebeat继续从之前已知的位置开始读取数据。

四、Filebeat用途

适用于集群环境下、服务多、且部署在不同机器。

1、为什么要用filebeat来收集日志?而不直接用logstash来收集日志信息?

因为logstash是jvm跑的,资源消耗比较大,启动一个logstash就需要消耗500兆左右的内存(这就是logstash为什么启动这么慢的原因),而filebeat只需要10兆左右的资源。常用的ELK日志收集方案中,大部分的做法就是将所有的节点的日志内容通过filebeat发送到logstash,logstash根据配置文件进行过滤。然后将过滤的文件发送到elasticsearch中,通过kibana去展示。

2、filebeat结合logstash带来好处

  • 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。
  • 将其提取数据源(例如数据库,s3对象储存或消息队列)中提取。
  • 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。
  • 使用条件数据流逻辑组成更复杂的处理管道。

3、Filebeat和Logstash的区别

Logstash Filebeat
内存
CPU
插件
功能 从多种输入端采集并实时解析和转换数据并输出到多种输出端 传输
轻重 相对较重 轻量级二进制文件
过滤能力 强大的过滤能力 有过滤能力但是弱
进程 一台服务器只允许一个logstash进程,挂掉之后需要手动拉起
原理 Logstash使用管道的方式进行日志的搜集和输出,分为输入input处理filter(不是必须的)输出output,每个阶段都有不同的替代方式 开启进程后会启动一个或多个探测器(prospectors)去检测指定的日志目录或文件,对于探测器找出的每一个日志文件,filebeat启动收割进程(harvester) ,每一个收割进程读取一个日志文件的新内容,并发送这些新的日志数据到处理程序(spooler),处理程序会集合这些事件,最后filebeat会发送集合的数据到你指定的地点
集群 单节点 单节点
输出到多个接收方 支持 6.0之前支持
二次开发或者扩展开发

你可能感兴趣的:(日志分析,运维,elasticsearch,java,大数据)