可观测性数据收集集大成者 Vector 介绍
如果企业提供 IT 在线服务，那么可观测性能力是必不可少的。“可观测性” 这个词近来也越发火爆，不懂 “可观测性” 都不好意思出门了。但是可观测性能力的构建却着实不易，每个企业都会用到一堆技术栈来组装建设。比如数据收集，可能来自某个 exporter，可能来自 telegraf，可能来自 OTEL，可能来自某个日志文件，可能来自 statsd，收集到数据之后还需要做各种过滤、转换、聚合、采样等操作，烦不胜烦，今天我们就给大家介绍一款开源的数据收集+路由器工具：Vector，解除你的上述烦恼。
Vector 简介
Vector 通常用作 logstash 的替代品，logstash 属于 ELK 生态，使用广泛，但是性能不太好。Vector 使用 Rust 编写，声称比同类方案快 10 倍。Vector 来自 Datadog，如果你了解监控、可观测性，大概率知道 Datadog，作为行业老大哥，其他小弟拍马难及。Datadog 在 2021 年左右收购了 Vector，现在 Vector 已经开源，地址是：
- 主站：Vector | A lightweight, ultra-fast tool for building observability pipelines
- 仓库：GitHub - vectordotdev/vector: A high-performance observability data pipeline.
Vector 不止是收集、路由日志数据，也可以路由指标数据，甚至可以从日志中提取指标，功能强大。下面是 Vector 的架构图：
看起来和其他同类产品是类似的，核心就是 pipeline 的处理，有 Source 端做采集，有中间的 Transform 环节做数据加工处理，有 Sink 端做数据转发。魔鬼在细节，Vector 有如下一些特点，让它显得卓尔不群：
- 超级快速可靠：Vector采用Rust构建，速度极快，内存效率高，旨在处理最苛刻的工作负载
- 端到端：Vector 致力于成为从 A 到 B 获取可观测性数据所需的唯一工具，并作为守护程序、边车或聚合器进行部署
- 统一：Vector 支持日志和指标，使您可以轻松收集和处理所有可观测性数据
- 供应商中立：Vector 不偏向任何特定的供应商平台，并以您的最佳利益为出发点，培育公平、开放的生态系统。免锁定且面向未来
- 可编程转换：Vector 的高度可配置转换为您提供可编程运行时的全部功能。无限制地处理复杂的用例
Vector 安装
Vector 的安装比较简单，一条命令即可搞定，其他安装方式可以参考其 官方文档。
curl --proto '=https' --tlsv1.2 -sSf https://sh.vector.dev | bash
Vector 配置测试
Vector 的配置文件可以是 yaml、json、toml 格式，下面是一个 toml 的例子，其作用是读取 /var/log/system.log 日志文件，然后把 syslog 格式的日志转换成 json 格式，最后输出到标准输出：
[sources.syslog_demo]
type = "file"
include = ["/var/log/system.log"]
data_dir = "/Users/ulric/works/vector-test"
[transforms.remap_syslog]
inputs = [ "syslog_demo"]
type = "remap"
source = '''
structured = parse_syslog!(.message)
. = merge(., structured)
'''
[sinks.emit_syslog]
inputs = ["remap_syslog"]
type = "console"
encoding.codec = "json"
首先，[sources.syslog_demo] 定义了一个 source，取名为 syslog_demo，这个 source 的类型是 file，表示从文件中读取数据，文件路径是 /var/log/system.log，data_dir 是存储 checkpoint 数据不用关心，只要给一个可写的目录就行（Vector 自用）。然后定义了一个 transform，名字为 remap_syslog，指定这个 transform 的数据来源（即上游）是 syslog_demo，其类型是 remap，remap 是 Vector 里非常重要的一个 transform，可以做各类数据转换，在 source 字段里定义了一段代码，其工作逻辑是：
- 来自 syslog_demo 这个 source 的日志数据，日志原文在 message 字段里（除了日志原文 message 字段，Vector 还会对采集的数据附加 host、timestamp 等字段），需要先解析成结构化的数据，通过 parse_syslog 这个函数做转换
- 转换之后，相当于把非结构化的日志数据转换成了结构化的数据，赋值给 structured 变量，然后通过 merge 函数把结构化的这个数据和原始就有的 host、timestamp 等字段合并，然后把合并的结果继续往 pipeline 后续环节传递
[sinks.emit_syslog] 定义了一个 sink，名字是 emit_syslog，通过 inputs 指明了上游数据来自 remap_syslog 这个 transform，通过 type 指明要把数据输出给 console，即控制台，然后通过 encoding.codec 指定输出的数据格式是 json。然后通过下面的命令启动 Vector：
vector -c vector.toml
然后，你就会看到一堆的日志输出（当然，前提是你的机器上有 system.log 这个文件，我是 macbook，所以用的这个文件测试的），样例如下：
ulric@ulric-flashcat vector-test % vector -c vector.toml
...
{"appname":"syslogd","file":"/var/log/system.log","host":"ulric-flashcat.local","hostname":"ulric-flashcat","message":"ASL Sender Statistics","procid":332,"source_type":"file","timestamp":"2023-09-27T07:31:22Z"}
如上，就说明正常采集到了数据，而且转换成了 json 并打印到了控制台，实验成功。当然，打印到控制台只是个测试，Vector 可以把数据推给各类后端，典型的比如 ElasticSearch、S3、ClickHouse、Kafka 等。
Vector 部署模式
Vector 可以部署为两个角色，既可以作为数据采集的 agent，也可以作为数据聚合、路由的 aggregator，架构示例如下：
当 Vector 作为 agent 的时候，又有两种使用模式：Daemon 和 Sidecar。Daemon 模式旨在收集单个主机上的所有数据，这是数据收集的推荐方式，因为它最有效地利用主机资源。比如把 Vector 部署为 DaemonSet，收集这个机器上的所有容器中应用的日志，容器中的应用的日志推荐使用 stdout 方式打印，符合云原生 12 条要素。架构图如下：
当然，也可以使用 Sidecar 模式部署，这样占用的资源更多（毕竟，每个 Pod 里都要塞一个 Vector 容器），但是更灵活，服务所有者可以随意搞自己的日志收集方案，不用依赖统一的日志收集方案。架构图如下：
Vector 总结
夜莺社区里已经有很多小伙伴从 logstash 迁移到了 Vector，并普遍表示 Vector YYDS，如果你还没听过 Vector，赶紧去试试吧。其他的我也不啰嗦，请各位移步 Vector 官方文档，本文最重要的价值就是让你知道有这么个好东西 :-)
扩展阅读：
- 鄙人专栏：运维监控系统实战笔记，体系化学习监控知识
- 方法论：面向故障处理的可观测性体系建设
- 白皮书：事件OnCall中心建设方法
- 好工具：FlashDuty - 一站式告警处理平台：告警降噪、排班OnCall
- 好工具：Grafana 开源了一款 eBPF 采集器 Beyla
- 好工具：日志存储领域的后起之秀 VictoriaLogs