EFK日志收集系统概述
01 EFK日志收集系统概述
⚽1.ELK诞生的背景
1.1 没有ELK分析日志前
没有日志分析工具之前，运维工作存在哪些痛点？
痛点1、生产出现故障后，运维需要不停的查看各种不同的日志进行分析？是不是毫无头绪？
痛点2、项目上线出现错误，如何快速定位问题？如果后端节点过多、日志分散怎么办？
痛点3、开发人员需要实时查看日志但又不想给服务器的登陆权限，怎么办？难道每天帮开发取日志？
痛点4、如何在海量的日志中快速的提取我们想要的数据？比如：PV、UV、TOP10的URL？如果分析的日志数据量大，那么势必会导致查询速度慢、难度增大，最终则会导致我们无法快速的获取到想要的指标。
痛点5、CDN公司需要不停的分析日志，那分析什么？主要分析命中率，为什么？因为我们给用户承诺的命中率是90%以上。如果没有达到90%，我们就要去分析数据为什么没有被命中、为什么没有被缓存下来。*
1.2 使用ELK分析日志后
如上所有的痛点都可以使用日志分析系统ELK解决，通过ELK，将运维所有的服务器日志，业务系统日志都收集到一个平台下，然后提取想要的内容，比如错误信息，警告信息等，当过滤到这种信息，就马上告警，告警后，运维人员就能马上定位是哪台机器、哪个业务系统出现了问题，出现了什么问题。
⚽2.ELK技术栈是什么
2.1 什么是ELK
其实 ELK 不是一个单独的技术，而是一套技术的组合，是由 elasticsearch、logstash、kibana 组合而成的。 ELK 是一套开源免费、功能强大的日志分析管理系统。ELK
可以将我们的系统日志、网站日志、应用系统日志等各种日志进行收集、过滤、清洗，然后进行集中存放并可用于实时检索、分析。
- E: elasticsearch 数据存储；
- L: logstash 数据采集、数据清洗、数据过滤；
- K: kibana 数据分析、数据展示；
2.2 什么是EFK
简单来说就是将 Logstash 替换成了 filebeat，那为什么要进行替换？ 因为 logstash 是基于 JAVA
开发的，在收集日志时会大量的占用业务系统资源，从而影响正常线上业务。 而替换成 filebeat
这种较为轻量的日志收集组件，会让业务系统的运行更加的稳定。
2.3 什么是ELFK（+kafka）
2.4 EFK收集哪些日志
- 代理： Haproxy、Nginx
- web：Nginx、Tomcat、Httpd、PHP
- db：mysql、redis、mongo、elasticsearch
- 存储：nfs、glusterfs、fastdfs
- 系统：message、security
- 业务：app
02 Elasticsearch入门
⚽1.ES基本介绍
1.1 ES是什么
Elasticsearch 是一个分布式、RESTful 风格的搜索和数据分析引擎。
1.2 ES主要功能
数据存储、数据搜索、数据分析。
1.3 ES相关术语
1.3.1 文档 Document
Document 文档就是用户存在 es 中的一些数据，它是 es 中存储的最小单元。（类似于表中的一行数据。）注意：每个文档都有一个唯一的 ID 表示，可以自行指定，如果不指定 es 会自动生成。
1.3.2 索引 Index
索引其实是一堆文档 Document 的集合。（它类似数据库的中的一个表）
1.3.3 字段 Filed
在 ES 中，Document就是一个 Json Object，一个Json Object其实是由多个字段组成的，每个字段它有不同的数据类型。
1.3.4 字段的数据类型
- 字符串：text、keyword。
- 数值型：long,integer,short,byte,double,float
- 布尔：boolean
- 日期：date
- 二进制：binary
- 范围类型：integer_range,float_range,long_range,double_range,date_range
1.4 ES术语总结
ES索引、文档、字段关系小结：
一个索引里面存储了很多的 Document 文档，一个文档就是一个json object，一个json object是由多个不同或相同的 filed 字段组成；
⚽2.ES单机安装部署
2.1 安装方式两种
- 二进制安装：解压启动
- rpm安装包：安装配置启动
2.2 rpm方式安装
2.2.1 首先将下载好的rpm安装包上传到linux系统上
2.2.2 安装java环境，再本地安装elasticsearch
yum -y install java
yum -y localinstall elasticsearch-7.4.0-x86_64.rpm
2.2.3 elasticsearch的配置文件
[root@es-node1 ~]# vim /etc/elasticsearch/elasticsearch.yml
[root@es-node1 ~]# vim /etc/elasticsearch/jvm.options
2.2.4 elasticsearch的日志文件
[root@es-node1 ~]# tail -f /var/log/elasticsearch/elasticsearch.log
2.2.5 启动elasticsearch和加入下次开机自启
[root@es-node1 ~]# systemctl start elasticsearch
[root@es-node1 ~]# systemctl enable elasticsearch
Created symlink from /etc/systemd/system/multi-user.target.wants/elasticsearch.service to /usr/lib/systemd/system/elasticsearch.service.
2.2.6 查看端口
9200 本地elasticsearch服务本地的端口
9300 是elasticsearch集群的通信端口
[root@es-node1 ~]# netstat -lntup
tcp6 0 0 127.0.0.1:9200 :::* LISTEN 2638/java
tcp6 0 0 ::1:9200 :::* LISTEN 2638/java
tcp6 0 0 127.0.0.1:9300 :::* LISTEN 2638/java
tcp6 0 0 ::1:9300 :::* LISTEN 2638/java
2.3操作elasticsearch
2.3.1 操作原理
ES的操作和我们传统的数据库操作不太一样，它是通过 RestfulAPI 方式进行对ES进行操作，其实本质上就是通过 http的方式去变更我们的资源状态。
通过 URI 的方式指定要操作的资源，比如 Index、Document等。
通过 Http Method 指明资源操作方法，如GET、POST、PUT、DELETE 等。
2.3.2 访问elasticsearch两种方式
- curl命令本地访问
- 安装kibana访问
2.3.3 安装kibana我们通过访问kibana访问到elasticsearch服务
1> 本地安装kibana
[root@es-node1 ~]# yum -y localinstall kibana-7.4.0-x86_64.rpm
2> 配置kibana
[root@es-node1 ~]# grep "^[a-Z]" /etc/kibana/kibana.yml
server.port: 5601 #kibana默认监听端口
server.host: "0.0.0.0" #kibana监听地址段
elasticsearch.hosts: ["http://localhost:9200"] #kibana丛coordinating节点获取数据
i18n.locale: "zh-CN" #kibana汉化
3>启动kibana
[root@kibana ~]# systemctl start kibana
[root@kibana ~]# systemctl enable kibana
4>查看kibana日志文件
tail -f /var/log/messages
5>查看kibana端口
[root@es-node1 ~]# netstat -lntup
tcp 0 0 0.0.0.0:5601 0.0.0.0:* LISTEN 18444/node
6>访问kibana网页
2.3.4通过kibana操作elasticsearch
2.3.4.1 操作elasticsearch的索引
1>创建，查看索引
#创建索引
PUT /cry_index
#查看所有已存在的索引
GET _cat/indices
2>删除索引
DELETE /cry_index_index
2.3.4.2 操作elasticsearch的文档
1> 创建文档
①自定义ID
#创建一个文档（指定ID）
POST /oldxu_index/_doc/1
{
"username": "oldxu",
"age": 18,
"salary": 1000000
}
②不指定ID
#创建一个文档（不指定ID）
POST /oldxu_index/_doc/1
{
"username": "oldqiang",
"age": 30,
"salary": 300
}
2> 查询文档
①查询文档，指定要查询的文档id
GET /oldxu_index/_doc/1
②查询，搜索所有文档，用_search
GET /oldxu_index/_search
3> 批量创建文档( _bulk)
通过 _bulk 一次创建多个文档，从而减少网络传输开销，提升写入速率。
#批量创建document
POST _bulk
{"index":{"_index":"tt","_id":"1"}}
{"name":"oldxu","age":"18"}
{"create":{"_index":"tt","_id":"2"}}
{"name":"oldqiang","age":"30"}
{"delete":{"_index":"tt","_id":"2"}}
{"update":{"_id":"1","_index":"tt"}}
{"doc":{"age":"20"}}
4> 批量查询文档
#批量查询document
GET _mget
{
"docs": [
{
"_index": "tt",
"_id": "1"
},
{
"_index": "tt",
"_id": "2"
}
]
}
03 Elasticsearch集群
⚽1.ES集群基本介绍
1.1ES集群的好处
es天然支持集群模式，其好处主要有两个：
- 1.能够增大系统的容量，如内存、磁盘，使得 es 集群可以支持PB级的数据；
- 2.能够提高系统可用性，即使部分节点停止服务，整个集群依然可以正常服务；
1.2 ES如何组集群
ELasticsearch 集群是由多个节点组成的，通过 cluster.name 设置集群名称，并且用于区分其它的集群，每个节点通过 node.name 指定节点的名称。
-
单节点ES，如下图所示；
-
如果单节点出现问题，服务就不可用了，如何新增一个 es 节点加入集群
⚽2.ElasticSearch集群环境部署
2.1 环境准备
| 主机名称 | IP地址 |
|---|---|
| es-node1 | 172.16.1.161 |
| es-node2 | 172.16.1.162 |
| es-node3 | 172.16.1.163 |
2.2 安装ElasticSearch软件
所有集群节点都需要安装 ElasticSearch软件
# yum install java -y
# yum -y localinstall elasticsearch-7.4.0-x86_64.rpm
如果节点内存不够，可以先调制使用的内存大小，默认大小1G
vim /etc/elasticsearch/jvm.options
2.3 node1集群节点配置
2.3.1 恢复环境
我们在上面这台节点上部署了单节点的配置，现在做集群我们需要清空配置
[root@es-node1 ~]# systemctl stop elasticsearch.service
[root@es-node1 ~]# rm -rf /var/lib/elasticsearch/*
2.3.2 配置三台节点的配置文件
node1集群节点配置
[root@es-node1~]# grep "^[a-Z]" /etc/elasticsearch/elasticsearch.yml
cluster.name: my-app #集群名称
node.name: es-node1 #节点名称
path.data: /var/lib/elasticsearch #数据存储路径
path.logs: /var/log/elasticsearch #日志存储路径
#bootstrap.memory_lock: true #不使用swap分区
network.host: 10.0.0.161 #本机内网IP
http.port: 9200 #监听端口
discovery.seed_hosts: ["10.0.0.161", "10.0.0.162", "10.0.0.163"] #集群主机列表
cluster.initial_master_nodes: ["10.0.0.161", "10.0.0.162", "10.0.0.163"] #仅第一次启动集群时进行选举
node2集群节点配置
[root@es-node1~]# grep "^[a-Z]" /etc/elasticsearch/elasticsearch.yml
cluster.name: my-app #集群名称
node.name: es-node2 #节点名称
path.data: /var/lib/elasticsearch #数据存储路径
path.logs: /var/log/elasticsearch #日志存储路径
#bootstrap.memory_lock: true #不使用swap分区
network.host: 10.0.0.162 #本机内网IP
http.port: 9200 #监听端口
discovery.seed_hosts: ["10.0.0.161", "10.0.0.162", "10.0.0.163"] #集群主机列表
cluster.initial_master_nodes: ["10.0.0.161", "10.0.0.162", "10.0.0.163"] #仅第一次启动集群时进行选举
node3集群节点配置
[root@es-node1~]# grep "^[a-Z]" /etc/elasticsearch/elasticsearch.yml
cluster.name: my-app #集群名称
node.name: es-node3 #节点名称
path.data: /var/lib/elasticsearch #数据存储路径
path.logs: /var/log/elasticsearch #日志存储路径
#bootstrap.memory_lock: true #不使用swap分区
network.host: 10.0.0.163 #本机内网IP
http.port: 9200 #监听端口
discovery.seed_hosts: ["10.0.0.161", "10.0.0.162", "10.0.0.163"] #集群主机列表
cluster.initial_master_nodes: ["10.0.0.161", "10.0.0.162", "10.0.0.163"] #仅第一次启动集群时进行选举
2.4 三台节点启动elasticsearch,加入下次开机自启
[root@es-node ~]# systemctl start elasticsearch.service
[root@es-node ~]# systemctl enable elasticsearch
Created symlink from /etc/systemd/system/multi-user.target.wants/elasticsearch.service to /usr/lib/systemd/system/elasticsearch.service.
2.4 ES集群检查
ES集群检查两种方法
- curl命令
- cerebro软件
2.4.1 curl命令
[root@es-node1 ~]# curl http://10.0.0.161:9200/_cat/health?v
[root@es-node1 ~]# curl http://10.0.0.161:9200/_cluster/health?pretty=true
{
"cluster_name" : "my-app",
"status" : "green",
"timed_out" : false,
"number_of_nodes" : 3,
"number_of_data_nodes" : 3,
"active_primary_shards" : 0,
"active_shards" : 0,
"relocating_shards" : 0,
"initializing_shards" : 0,
"unassigned_shards" : 0,
"delayed_unassigned_shards" : 0,
"number_of_pending_tasks" : 0,
"number_of_in_flight_fetch" : 0,
"task_max_waiting_in_queue_millis" : 0,
"active_shards_percent_as_number" : 100.0
}
2.4.2 cerebro软件 下载地址
1>下载cerebro软件包（安装在任何一个节点上就行）
[root@es-node1 ~]# wget- o https://github.com/lmenezes/cerebro/releases/download/v0.9.3/cerebro-0.9.3-1.noarch.rpm
2>安装cerebro
yum localinstall -y cerebro-0.9.3-1.noarch.rpm
3>配置cerebro
vim /etc/cerebro/application.conf
data.path = "/tmp/cerebro.db"
4>重启cerebro,下次开机自启
systemctl start cerebro
systemctl enable cerebro
5>查看端口
[root@es-node1 ~]# netstat -lntp
tcp6 0 0 :::9000 :::* LISTEN 19445/java
6>网页访问cerebro 10.0.0.161:9000
也可以进行索引的创建
⚽3.ES集群节点角色类型
es 集群中节点类型介绍
- Cluster State
- Master
- Data
- Coordinating
3.1 Cluster State
Cluster State：集群相关的数据称为 cluster state；会存储在每个节点中，主要有如下信息:
- 1）节点信息，比如节点名称、节点连接地址等
- 2）索引信息，比如索引名称、索引配置信息等
3.2 Master
- 1.ES集群中只能有一个 master 节点，master节点用于控制整个集群的操作；
- 2.master 主要维护 Cluster State，当有新数据产生后，Master 会将最新的数据同步给其他 Node 节点；
- 3.master节点是通过选举产生的，可以通过 node.master: true 指定为Master节点。（ 默认true ）
当我们通过API创建索引 PUT /oldxu_index，Cluster State 则会发生变化，由 Master 同步至其他 Node 节点；
3.3 Data
- 1.存储数据的节点即为 data 节点，默认节点都是 data 类型，相关配置node.data: true（ 默认为 true ）
- 2.当创建索引后，索引创建的数据会存储至某个节点，能够存储数据的节点，称为data节点；
3.4 Coordinating
- 1.处理请求的节点即为 coordinating 节点，该节点为所有节点的默认角色，不能取消
- 2.coordinating 节点主要将请求路由到正确的节点处理。比如创建索引的请求会由 coordinating 路由到 master 节点处理；当配置 node.master: false、node.data:false 则为 coordinating 节点
⚽4.ES集群分片副本
4.1 提高ES集群可用性
如何提高 ES 集群系统的可用性；有如下两个方面；
1.服务可用性：
1）2个节点的情况下，允许其中1个节点停止服务；
2）多个节点的情况下，坏的节点不能超过集群一半以上；
2.数据可用性：
1）通过副本 replication 解决，这样每个节点上都有完备的数据。
2）如下图所示，node2上是 oldxu_index 索引的一个完整副本数据。
4.2 增大ES集群的容量
1.如何增大 ES 集群系统的容量；我们需要想办法将数据均匀分布在所有节点上； 引入分片 shard 解决；
2.什么是分片，将一份完整数据分散为多个分片存储；
2.1 分片是 es 支持 Pb 级数据的基石
2.2 分片存储了索引的部分数据，可以分布在任意节点上
2.3 分片存在主分片和副本分片之分，副本分片主要用来实现数据的高可用
2.4 副本分片的数据由主分片同步，可以有多个，从而提高读取数据的吞吐量 注意：主分片数在索引创建时指定且后续不允许在更改；默认ES7分片数为1个
3.如下图所示：在3个节点的集群中创建 oldxu_index 索引，指定3个分片，和1个副本；
4.3 增加节点能否提高容量
问题：目前一共有3个ES节点，如果此时增加一个新节点是否能提高 oldxu_index 索引数据容量？
答案：不能，因为 oldxu_index 只有3个分片，已经分布在3台节点上，那么新增的第四个节点对于 oldxu_index 而言是无法使用到的。所以也无法带来数据容量的提升；
4.4 增加副本能否提高读性能
问题：目前一共有3个ES节点，如果增加副本数是否能提高 oldxu_index 的读吞吐量；
答案：不能，因为新增的副本还是会分布在这 node1、node2、node3 这三个节点上的，还是使用了相同的资源，也就意味着有读请求来时，这些请求还是会分配到 node1、node2、node3
上进行处理、也就意味着，还是利用了相同的硬件资源，所以不会提升读取的吞吐量；
问题：如果需要增加读吞吐量性能，应该怎么来做；
答案：增加读吞吐量还是需要添加节点，比如在增加三个节点 node4、node5、node6 那么将原来的 R0、R1、R2 分别迁移至新增的三个节点上，当有读请求来时会被分配 node4、node5、node6，也就意味着有新的
CPU、内存、IO，这样就不会在占用 node1、node2、node3 的硬件资源，那么这个时候读吞吐量才会得到真正的提升；
⚽5.ES集群健康检查
5.1 如何判断集群状态
Cluster Health 获取集群的健康状态，整个集群状态包括以下三种:
1.green 健康状态，指所有主副分片都正常分配
2.yellow 指所有主分片都正常分配，但是有副本分片未正常分配
3.red 有主分片未分配，表示索引不完备，写可能有问题。（但不代表不能存储数据和读取数据）
5.2 如何获取集群状态
我们可以通过 GET _cluster/health?pretty=true 方式获取集群状态；
[root@es-node1-172 ~]# curl http://172.16.1.162:9200/_cluster/health?pretty=true
{
"cluster_name" : "my-oldxu",
"status" : "green", # 重点关注status一栏
"timed_out" : false,
"number_of_nodes" : 3,
"number_of_data_nodes" : 3,
"active_primary_shards" : 33,
"active_shards" : 66,
"relocating_shards" : 0,
"initializing_shards" : 0,
"unassigned_shards" : 0,
"delayed_unassigned_shards" : 0,
"number_of_pending_tasks" : 0,
"number_of_in_flight_fetch" : 0,
"task_max_waiting_in_queue_millis" : 0,
"active_shards_percent_as_number" : 100.0
}
5.3 Shell脚本检查状态
通过 Shell 脚本获取集群状态信息；如果出现异常则触发报警邮件；
[root@es-node1-172 ~]# curl http://172.16.1.162:9200/_cluster/health?pretty=true
{
"cluster_name" : "my-oldxu",
"status" : "green",
"timed_out" : false,
"number_of_nodes" : 3,
"number_of_data_nodes" : 3,
"active_primary_shards" : 33,
"active_shards" : 66,
"relocating_shards" : 0,
"initializing_shards" : 0,
"unassigned_shards" : 0,
"delayed_unassigned_shards" : 0,
"number_of_pending_tasks" : 0,
"number_of_in_flight_fetch" : 0,
"task_max_waiting_in_queue_millis" : 0,
"active_shards_percent_as_number" : 100.0
}
#shell检测脚本
# curl -s http://172.16.1.162:9200/_cluster/health?pretty=true | grep "status" |awk -F '"' '{print $4}'
⚽6.ES集群故障转移
6.1 什么是故障转移
所谓故障转移指的是，当集群中有节点发生故障时，这个集群是如何进行自动修复的。
ES集群目前是由3个节点组成，如下图所示，此时集群状态是 green
6.2 模拟节点故障
假设：node1 所在机器宕机导致服务终止，此时集群会如何处理；大体分为三个步骤：
- 1.重新选举
- 2.主分片调整
- 3.副本分片调整
6.2.1 重新选举
node2 和 node3 发现 node1 无法响应；一段时间后会发起 master 选举，比如这里选择 node2 为 master 节点；此时集群状态变为 Red 状态；
6.2.2 主分片调整
node2 发现主分片 P0 未分配，将 node3 上的 R0 提升为主分片；此时所有的主分片都正常分配，集群状态变为 Yellow状态；
6.2.3 副本分片调整
node2 将 P0 和 P1 主分片重新生成新的副本分片 R0、R1，此时集群状态变为 Green；
6.3 模拟实验操作
6.3.1 创建一个索引名称为oldxu_index，3个分片1个副本
6.3.2 模拟集群中的node1节点损坏
[root@es-node1 ~]# systemctl stop elasticsearch.service
⚽7.ES文档路由原理
ES文档分布式存储，当一个文档存储至 ES集群时，存储的原理是什么样的?
如图所示，当我们想一个集群保存文档时，Document1是如何存储到分片P1的？选择P1的依据是什么？
其实是有一个文档到分片的映射算法，其目是使所有文档均匀分布在所有的分片上，那么是什么算法呢？随机还是轮询呢? 这种是不可取的，因为数据存储后，还需要读取，那这样的话如何读取呢？
实际上，在ES 中，通过如下的公式计算文档对应的分片存储到哪个节点，计算公式如下:
shard = hash(routing) % number_of_primary_shards
# hash 算法保证将数据均匀分散在分片中
# routing 是一个关键参数，默认是文档id，也可以自定义。
# number_of_primary_shards 主分片数
# 注意：该算法与主分片数相关，一但确定后便不能更改主分片。
# 因为一旦修改主分片修改后，Share的计算就完全不一样了。
7.1 文档的创建流程
7.2 文档的读取流程
7.3 文档批量创建的流程
7.4 文档批量读取的流程
⚽8.ES扩展集群节点
8.1 节点扩展环境准备
在这里我就使用已经拥有的两个节点进行实验
| 主机名称 | IP地址 |
|---|---|
| es-node4 | 10.0.0.7 |
| es-node5 | 10.0.0.8 |
8.2 两台节点安装elasticsearch服务
yum -y localinstall elasticsearch-7.4.0-x86_64.rpm
8.3 配置两台节点配置文件
把node4设置为 data角色只负责存储数据 node.data: true 不参与竞选master node.master:false
[root@web01 ~]# grep "^[a-Z]" /etc/elasticsearch/elasticsearch.yml
cluster.name: my-app
node.name: node-4
node.master: false
node.data: true
path.data: /var/lib/elasticsearch
path.logs: /var/log/elasticsearch
network.host: 10.0.0.7
http.port: 9200
discovery.seed_hosts: ["10.0.0.161", "10.0.0.162"]
把node5设置为路由角色只负责连接 node.master: false node.data: false
[root@web02 ~]# grep "^[a-Z]" /etc/elasticsearch/elasticsearch.yml
cluster.name: my-app
node.name: node-5
node.master: false
node.data: false
path.data: /var/lib/elasticsearch
path.logs: /var/log/elasticsearch
network.host: 10.0.0.8
http.port: 9200
discovery.seed_hosts: ["10.0.0.161"]
8.4 启动elasticsearch,加入下次自启
systemctl start elasticsearch
systemctl enable elasticsearch
8.5 cerebro软件检测新加入的集群的节点
data角色类型
Coordinating角色类型