搭建EFK（elasticsearch + fluentd + kibana）日志系统

搭建EFK（elasticsearch + fluentd + kibana）日志系统

网上关于这一块的介绍已经有不少了，但发现基本介绍的都是在一台机器上的demo，实用性不强。事实上如果应用很简单，根本没必要搭建专门的日志系统来收集日志，直接看日志文件就好了。出现这种需求反而是大型系统或者微服务架构，有几十上百甚至上千台服务的时候，如果还是传统的到服务器上看日志，那就看不过来了。特别是集群环境，同一种类型的服务部署在多台机器上，要找某个机器上某个日志中的内容，特别不方便，所以才需要通过日志系统直接定位问题。
因为我们目前采用的微服务架构，大概部署了有十几台机器，虽然通过传统的方式还能应付，但为了应对将来越来越多的机器，我还是搭建了一套EFK环境。
开始也是跟着网上的教程进行部署，我的架构类似下面这样。

即每个服务器上部署两个docker容器，一个跑应用，一个跑fluentd，跑应用的那个docker容器的日志以fluentd形式输出，跑fluentd的容器用来收集日志并上传到elasticsearch（后面简称es）。本身这样没毛病，跑得也好好的，但后面随着服务越来越多，es竟然报java内存溢出，开始以为是内存小的原因（4G），就把内存升级到8G，结果一样报内存溢出，而真正使用的内存都没有到8G。再仔细查看es的日志，发现有大量的GC，后面猜测是GC不过来，内存报了。一直GC的原因猜测是因为有好多fluentd在上送日志，一直不停请求（es接收数据那块具体怎么实现不太清楚），es不停的存数据，释放对象。后面把服务器上的fluentd全部停止了，只开启少数几个，es就好的。没有停fluentd前，es每次重启之后，过不了几分钟就挂了。
于是发现上面这种架构不行，查看fluentd文档，又想到另一个方案。既然是es来不及接收日志，那就少用几个fluentd连接es，可以部署几个fluentd作为server来接收fluentd的client端发来的日志。

改为上面这种架构之后，运行就都正常了，不得不说fluentd确实很强大，能接收，能转发，支持各种插件。
下面是部署过程，因为都是基于docker部署，所以特别简单。

安装elasticsearch和kibana

我把es和kibana装在一台服务器上，es也没有做集群，因为是开发环境，没搞这么复杂。
docker-compose.yml

version: '2'
services:
  elasticsearch:
    image: elasticsearch
    expose:
      - 9200
      - 9300
    ports:
      - "9200:9200"
      - "9300:9300"
    volumes:
      - /data/jvm.options:/etc/elasticsearch/jvm.options
    restart: always
  kibana:
    image: kibana
    links:
      - "elasticsearch"
    ports:
      - "5601:5601"
    restart: always

启动

docker-compose up -d

查看启动情况

docker ps

CONTAINER ID        IMAGE                                            COMMAND                  CREATED             STATUS              PORTS                                                                     NAMES
95e7f5808aef        kibana                                           "/docker-entrypoint.…"   6 days ago          Up 6 days           0.0.0.0:5601->5601/tcp                                                    data_kibana_1
d72ec5d2e09b        elasticsearch                                    "/docker-entrypoint.…"   6 days ago          Up 6 days           0.0.0.0:9200->9200/tcp, 0.0.0.0:9300->9300/tcp                            data_elasticsearch_1

配置kibana

访问：http://xxx:5601/
没问题的话会弹出下面的页面，让你建匹配索引的表达式。我的是按照日期存储的，格式类似fluentd-20191230，fluentd-20191229，…
所以填fluentd-*就可以了

安装fluentd-server

fluentd-server目前装了3台机器，docker镜像是自己制作的，特别简单，就是暴露24225端口用于接收日志，然后转发给es，具体参数看fluentd官网文档。
Dockerfile

# fluentd/etc/fluent.conf
>
  @type forward
  port 24225
  bind 0.0.0.0
>
>
  @type parser
  format json
  reserve_data true
  key_name log
>
>
  @type forest
  subtype copy
  remove_prefix service
    >
	  >
		@type elasticsearch
		host 172.19.115.18
		port 9200
		logstash_format true
		logstash_prefix fluentd
		logstash_dateformat %Y%m%d
		include_tag_key true
		type_name java_log
		tag_key @log_name
		buffer_type memory
		flush_interval 5s
		max_retry_wait 30
		disable_retry_limit
		buffer_chunk_limit 256M
		buffer_queue_limit 128
		num_threads 8
		reconnect_on_error true
		resurrect_after 5s
	  >
   >
>

制作镜像

docker build -t registry.uecent.com:5000/fluentd-server:1.0.0 .

上传私服

docker push registry.uecent.com:5000/fluentd-server:1.0.0

启动镜像fluentd-server（这三台机器172.19.115.18、172.19.115.29、172.19.115.20）

docker run -d --name=fluentd-server --restart=always -p 24225:24225 -p 24225:24225/udp registry.uecent.com:5000/fluentd-server:1.0.0

安装fluentd-client

fluentd-client在每个应用服务器上都装了一个，通过24224端口接收日志。
Dockerfile

# fluentd/etc/fluent.conf
>
  @type forward
  port 24224
  bind 0.0.0.0
>
>
  @type parser
  format json
  reserve_data true
  key_name log
>
>
  @type forward
  send_timeout 60s
  recover_wait 10s
  hard_timeout 60s
  buffer_type memory
  flush_interval 1s
  buffer_chunk_limit 256M
  buffer_queue_limit 128
  num_threads 8
  >
    name server-1
    host 172.19.115.18
    port 24225
    weight 60
  >
  >
    name server-2
    host 172.19.115.29
    port 24225
    weight 60
  >
  >
    name server-3
    host 172.19.115.20
    port 24225
    weight 60
  >
  >
    @type file
    path /var/log/fluent/forward-failed
  >
>

制作镜像

docker build -t registry.uecent.com:5000/fluentd-client:1.0.0 .

上传私服

docker push registry.uecent.com:5000/fluentd-client:1.0.0

启动fluentd-client（需要的服务器上启动，比如运行java服务的服务器）

docker run -d --name=fluentd-client --restart=always -p 24224:24224 -p 24224:24224/udp registry.uecent.com:5000/fluentd-client:1.0.0

注意：
1）fluentd本身没有客户端和服务端之分，是因为我这边的用途，做了人为的分配。
2）Docker私服是为了方便装了一个，没有私服，就把Dockerfile拷贝到每台服务器上制作镜像再运行也可以。

以Java服务为例，将含有java服务的docker容器日志输出到fluentd-client（注意这两个docker容器必须在一台机器上）

sudo docker run -d --name provider-auth --net=host -p 80:80 -v /data/provider-auth:/tmp -e APP_OPTS="-Dspring.profiles.active=dev" --restart=always --log-driver=fluentd --log-opt fluentd-address=localhost:24224 --log-opt fluentd-async-connect=true --log-opt fluentd-retry-wait=5s --log-opt fluentd-max-retries=3000 --log-opt tag=“service.provider-auth” --log-opt env=“fluentd-folder,fluentd-project,fluentd-ip” --env fluentd-folder=“dev-live” --env fluentd-project=“provider-auth” --env fluentd-ip=“172.19.115.14” registry.uecent.com:5000/provider-auth:1.0.0

• –log-driver=fluentd #日志驱动为fluentd
• –log-opt fluentd-address=localhost:24224 #fluentd的地址，为本地地址，也可以写远程地址
• –log-opt tag=“service.${PROJECT}” #这个很重要，跟我前面的配置有关，我这边统一是service作为前缀，后面跟服务的名称。
• –log-opt env=“fluentd-folder,fluentd-project,fluentd-ip” # 自定义三个环境变量，后面再讲
• –env fluentd-folder=“dev-live” # 第一个自定义环境变量，表示哪个环境
• –env fluentd-project="${PROJECT}" # 第二个自定义环境变量，表示哪个项目
• –env fluentd-ip="${IP}" #第三个环境变量，表示当前机器IP

这样全部配置就完成了，现在看下kibana效果。

可以看到有fluentd-project下面有不同的项目，fluentd-ip有不同的地址，可以点击筛选以下。比如选了fluentd-project其中一个项目provider-climb，则fluentd-ip只剩下两个，说明provider-climb部署了两台机器。

右侧可以看到不同机器上，不同的日志内容。也可以筛选只看其中一台，剩下的都是kibana的使用了，操作比较简单，不介绍了。

2021年2月

后面实测发现单台ES还是有些看不住，还是把ES做了集群，目前ES上了4个节点。
现在每天大概会产生40多个G的日志，每个服务的日志会保存7天，一共存了307G的日志。

新版kibana页面