你头疼的ELK难题，本文几乎都解决了

时间  2020-04-13
标签 头疼 elk 难题 本文 几乎 解决 栏目 应用数学 繁體版
原文   原文链接

作了几周的测试，踩了无数的坑，总结一下，全是干货，给你们分享~html

1、ELK实用知识点总结java

一、编码转换问题linux

这个问题，主要就是中文乱码。ios

input中的codec=>plain转码：golang

codec => plain {
charset => "GB2312"
}

将GB2312的文本编码，转为UTF-8的编码。面试

也能够在filebeat中实现编码的转换（推荐）：redis

filebeat.prospectors:
- input_type: log
paths:
- c:\Users\Administrator\Desktop\performanceTrace.txt

encoding: GB2312

二、删除多余日志中的多余行数据库

logstash filter中drop删除：bootstrap

if ([message] =~ "^20.*-\ task\ request,.*,start\ time.*") { 
#用正则需删除的多余行  
  
drop{}  
  
}

日志示例：vim

2018-03-20 10:44:01,523 [33]DEBUG Debug - task request,task Id:1cbb72f1-a5ea-4e73-957c-6d20e9e12a7a,start time:2018-03-20 10:43:59 #需删除的行

-- Request String :

{"UserName":"15046699923","Pwd":"ZYjyh727","DeviceType":2,"DeviceId":"PC-20170525SADY","EquipmentNo":null,"SSID":"pc","RegisterPhones":null,"AppKey":"ab09d78e3b2c40b789ddfc81674bc24deac","Version":"2.0.5.3"} -- End

-- Response String :{"ErrorCode":0,"Success":true,"ErrorMsg":null,"Result":null,"WaitInterval":30} -- End

三、grok处理多种日志不一样的行

日志示例：

2018-03-20 10:44:01,523 [33]DEBUG Debug - task request,task Id:1cbb72f1-a5ea-4e73-957c-6d20e9e12a7a,start time:2018-03-20 10:43:59

-- Request String :
{"UserName":"15046699923","Pwd":"ZYjyh727","DeviceType":2,"DeviceId":"PC-20170525SADY","EquipmentNo":null,"SSID":"pc","RegisterPhones":null,"AppKey":"ab09d78e3b2c40b789ddfc81674bc24deac","Version":"2.0.5.3"} -- End

-- Response String :
{"ErrorCode":0,"Success":true,"ErrorMsg":null,"Result":null,"WaitInterval":30} -- End

在logstash filter中grok分别处理3行：

match => {

"message" => "^20.*-\ task\ request,.*,start\ time\:%{TIMESTAMP_ISO8601:RequestTime}"

match => {

"message" => "^--\ Request\ String\ :\ \{\"UserName\":\"%{NUMBER:UserName:int}\",\"Pwd\":\"(?<Pwd>.*)\",\"DeviceType\":%{NUMBER:DeviceType:int},\"DeviceId\":\"(?<DeviceId>.*)\",\"EquipmentNo\":(?<EquipmentNo>.*),\"SSID\":(?<SSID>.*),\"RegisterPhones\":(?<RegisterPhones>.*),\"AppKey\":\"(?<AppKey>.*)\",\"Version\":\"(?<Version>.*)\"\}\ --\ \End.*"
}

match => {
"message" => "^--\ Response\ String\ :\ \{\"ErrorCode\":%{NUMBER:ErrorCode:int},\"Success\":(?<Success>[a-z]*),\"ErrorMsg\":(?<ErrorMsg>.*),\"Result\":(?<Result>.*),\"WaitInterval\":%{NUMBER:WaitInterval:int}\}\ --\ \End.*"
}
... 等多行

四、日志多行合并处理—multiline插件（重点）

示例：

①日志

2018-03-20 10:44:01,523 [33]DEBUG Debug - task request,task Id:1cbb72f1-a5ea-4e73-957c-6d20e9e12a7a,start time:2018-03-20 10:43:59

-- Request String :

{"UserName":"15046699923","Pwd":"ZYjyh727","DeviceType":2,"DeviceId":"PC-20170525SADY","EquipmentNo":null,"SSID":"pc","RegisterPhones":null,"AppKey":"ab09d78e3b2c40b789ddfc81674bc24deac","Version":"2.0.5.3"} -- End

-- Response String :

{"ErrorCode":0,"Success":true,"ErrorMsg":null,"Result":null,"WaitInterval":30} -- End

②logstash grok对合并后多行的处理。合并多行后续都同样，以下：

filter {　
grok {      

match => {
"message" => "^%{TIMESTAMP_ISO8601:InsertTime}\ .*-\ task\ request,.*,start\ time:%{TIMESTAMP_ISO8601:RequestTime}\n--\ Request\ String\ :\ \{\"UserName\":\"%{NUMBER:UserName:int}\",\"Pwd\":\"(?<Pwd>.*)\",\"DeviceType\":%{NUMBER:DeviceType:int},\"DeviceId\":\"(?<DeviceId>.*)\",\"EquipmentNo\":(?<EquipmentNo>.*),\"SSID\":(?<SSID>.*),\"RegisterPhones\":(?<RegisterPhones>.*),\"AppKey\":\"(?<AppKey>.*)\",\"Version\":\"(?<Version>.*)\"\}\ --\ \End\n--\ Response\ String\ :\ \{\"ErrorCode\":%{NUMBER:ErrorCode:int},\"Success\":(?<Success>[a-z]*),\"ErrorMsg\":(?<ErrorMsg>.*),\"Result\":(?<Result>.*),\"WaitInterval\":%{NUMBER:WaitInterval:int}\}\ --\ \End" 
}  
}
}

在filebeat中使用multiline插件（推荐）：

①介绍multiline

  • pattern：正则匹配从哪行合并；
  • negate：true/false，匹配到pattern 部分开始合并，仍是不配到的合并。

match：after/before（需本身理解）

  • after：匹配到pattern 部分后合并，注意：这种状况最后一行日志不会被匹配处理；
  • before：匹配到pattern 部分前合并（推荐）。

②5.5版本以后（before为例）

filebeat.prospectors:
- input_type: log
paths:
- /root/performanceTrace*
fields:
type: zidonghualog
multiline.pattern: '.*\"WaitInterval\":.*--\ End'
multiline.negate: true
multiline.match: before

③5.5版本以前（after为例）

filebeat.prospectors:
- input_type: log
paths:
- /root/performanceTrace*
input_type: log
multiline:
pattern: '^20.*'
negate: true
match: after

在logstash input中使用multiline插件（没有filebeat时推荐）：

①介绍multiline

  • pattern：正则匹配从哪行合并；
  • negate：true/false，匹配到pattern 部分开始合并，仍是不配到的合并。

what：previous/next（需本身理解）

  • previous：至关于filebeat 的after；
  • next：至关于filebeat 的before。

②用法

input { 

 file {
   path => ["/root/logs/log2"] 
   start_position => "beginning"  
   codec => multiline { 
      pattern => "^20.*" 
      negate => true  
      what => "previous"
     }
     }
}

在logstash filter中使用multiline插件（不推荐）：

不推荐的缘由：

  • filter设置multiline后，pipline worker会自动降为1；
  • 5.5 版本官方把multiline 去除了，要使用的话需下载，下载命令以下：
/usr/share/logstash/bin/logstash-plugin install logstash-filter-multiline

示例：

filter {    
  multiline {  
    pattern => "^20.*"  
    negate => true  
    what => "previous" 
    }
}

五、logstash filter中的date使用

日志示例：

2018-03-20 10:44:01 [33]DEBUG Debug - task request,task Id:1cbb72f1-a5ea-4e73-957c-6d20e9e12a7a,start time:2018-03-20 10:43:59

date使用：

date {        
match => ["InsertTime","YYYY-MM-dd HH:mm:ss "]
remove_field => "InsertTime"
}

注：match => ["timestamp" ,"dd/MMM/YYYY Hs Z"]

匹配这个字段，字段的格式为：日日/月月月/年年年年 时/分/秒 时区，也能够写为：match => ["timestamp","ISO8601"]（推荐）

date介绍：

就是将匹配日志中时间的key替换为@timestamp的时间，由于@timestamp的时间是日志送到logstash的时间，并非日志中真正的时间。

六、对多类日志分类处理（重点）

在filebeat的配置中添加type分类：

filebeat:
prospectors:
-
paths:
#- /mnt/data/WebApiDebugLog.txt*
- /mnt/data_total/WebApiDebugLog.txt*

fields:
type: WebApiDebugLog_total
-
paths:
- /mnt/data_request/WebApiDebugLog.txt*#
- /mnt/data/WebApiDebugLog.txt*

fields:
type: 
WebApiDebugLog_request
-
paths:
- /mnt/data_report/WebApiDebugLog.txt*
#- /mnt/data/WebApiDebugLog.txt*

fields:
type: 
WebApiDebugLog_report

在logstash filter中使用if，可进行对不一样类进行不一样处理：

filter { 
if [fields][type] == "WebApiDebugLog_request" { 

对request 类日志

if ([message] =~ "^20.*-\ task\ report,.*,start\ time.*") {
             #删除report 行

     drop {}

            }

       grok {

        match => {"... ..."}

          }

}

在logstash output中使用if：

if [fields][type] == "WebApiDebugLog_total" {       
elasticsearch {  
  
            hosts => \["6.6.6.6:9200"\]  
  
            index => "logstashl-WebApiDebugLog\_total-%{+YYYY.MM.dd}"  
  
           document\_type => "WebApiDebugLog\_total\_logs"  
  
}

2、对ELK总体性能的优化

一、性能分析

服务器硬件Linux：1cpu4GRAM

假设每条日志250Byte。

分析：

①logstash-Linux：1cpu 4GRAM

  • 每秒500条日志；
  • 去掉ruby每秒660条日志；
  • 去掉grok后每秒1000条数据。

②filebeat-Linux：1cpu 4GRAM

  • 每秒2500-3500条数据；
  • 天天每台机器可处理：24h*60min*60sec* 3000*250Byte=64,800,000,000Bytes，约64G。

③瓶颈在logstash从Redis中取数据存入ES，开启一个logstash，每秒约处理6000条数据；开启两个logstash，每秒约处理10000条数据（cpu已基本跑满）；

④logstash的启动过程占用大量系统资源，由于脚本中要检查java、ruby以及其余环境变量，启动后资源占用会恢复到正常状态。

二、关于收集日志的选择：logstash/filter

没有原则要求使用filebeat或logstash，二者做为shipper的功能是同样的。

区别在于：

  • logstash因为集成了众多插件，如grok、ruby，因此相比beat是重量级的；
  • logstash启动后占用资源更多，若是硬件资源足够则无需考虑两者差别；
  • logstash基于JVM，支持跨平台；而beat使用golang编写，AIX不支持；
  • AIX 64bit平台上须要安装jdk（jre） 1.7 32bit，64bit的不支持；
  • filebeat能够直接输入到ES，可是系统中存在logstash直接输入到ES的状况，这将形成不一样的索引类型形成检索复杂，最好统一输入到els 的源。

总结：

logstash/filter总之各有千秋，可是我推荐选择：在每一个须要收集的日志服务器上配置filebeat，由于轻量级，用于收集日志；再统一输出给logstash，作对日志的处理；最后统一由logstash输出给els。

三、logstash的优化相关配置

能够优化的参数，可根据本身的硬件进行优化配置：

①pipeline线程数，官方建议是等于CPU内核数

  • 默认配置 ---> pipeline.workers: 2；
  • 可优化为 ---> pipeline.workers: CPU内核数（或几倍CPU内核数）。

②实际output时的线程数

  • 默认配置 ---> pipeline.output.workers: 1；
  • 可优化为 ---> pipeline.output.workers: 不超过pipeline线程数。

③每次发送的事件数

  • 默认配置 ---> pipeline.batch.size: 125；
  • 可优化为 ---> pipeline.batch.size: 1000。

④发送延时

  • 默认配置 ---> pipeline.batch.delay: 5；
  • 可优化为 ---> pipeline.batch.size: 10。

总结：

经过设置-w参数指定pipeline worker数量，也可直接修改配置文件logstash.yml。这会提升filter和output的线程数，若是须要的话，将其设置为cpu核心数的几倍是安全的，线程在I/O上是空闲的。

默认每一个输出在一个pipeline worker线程上活动，能够在输出output中设置workers设置，不要将该值设置大于pipeline worker数。

还能够设置输出的batch_size数，例如ES输出与batch size一致。

filter设置multiline后，pipline worker会自动将为1，若是使用filebeat，建议在beat中就使用multiline，若是使用logstash做为shipper，建议在input中设置multiline，不要在filter中设置multiline。

Logstash中的JVM配置文件：

Logstash是一个基于Java开发的程序，须要运行在JVM中，能够经过配置jvm.options来针对JVM进行设定。好比内存的最大最小、垃圾清理机制等等。JVM的内存分配不能太大不能过小，太大会拖慢操做系统。过小致使没法启动。默认以下：

  • Xms256m#最小使用内存；
  • Xmx1g#最大使用内存。

四、引入Redis的相关问题

filebeat能够直接输入到logstash（indexer），但logstash没有存储功能，若是须要重启须要先停全部连入的beat，再停logstash，形成运维麻烦；另外若是logstash发生异常则会丢失数据；引入Redis做为数据缓冲池，当logstash异常中止后能够从Redis的客户端看到数据缓存在Redis中；

Redis可使用list(最长支持4,294,967,295条)或发布订阅存储模式；

Redis作ELK缓冲队列的优化：

  • bind 0.0.0.0 #不要监听本地端口；
  • requirepass ilinux.io #加密码，为了安全运行；
  • 只作队列，不必持久存储，把全部持久化功能关掉：

    快照（RDB文件）和追加式文件（AOF文件），性能更好；

    save "" 禁用快照；

    appendonly no 关闭RDB。

  • 把内存的淘汰策略关掉，把内存空间最大

    maxmemory 0 #maxmemory为0的时候表示咱们对Redis的内存使用没有限制。

五、Elasticsearch节点优化配置

服务器硬件配置，OS参数：

1）/etc/sysctl.conf 配置

vim /etc/sysctl.conf

① vm.swappiness = 1
#ES 推荐将此参数设置为 1，大幅下降 swap 分区的大小，强制最大程度的使用内存，注意，这里不要设置为 0, 这会极可能会形成 OOM

② net.core.somaxconn = 65535
#定义了每一个端口最大的监听队列的长度

③ vm.max_map_count= 262144
#限制一个进程能够拥有的VMA(虚拟内存区域)的数量。虚拟内存区域是一个连续的虚拟地址空间区域。当VMA 的数量超过这个值，OOM

④ fs.file-max = 518144
#设置 Linux 内核分配的文件句柄的最大数量
[root@elasticsearch]# sysctl -p生效一下。

2）limits.conf 配置

vim /etc/security/limits.conf
elasticsearch soft nofile 65535
elasticsearch hard nofile 65535
elasticsearch soft memlock unlimited
elasticsearch hard memlock unlimited

3）为了使以上参数永久生效，还要设置两个地方：

vim /etc/pam.d/common-session-noninteractive

vim /etc/pam.d/common-session

添加以下属性：

session required pam_limits.so

可能需重启后生效。

Elasticsearch中的JVM配置文件

-Xms2g

-Xmx2g

  • 将最小堆大小（Xms）和最大堆大小（Xmx）设置为彼此相等。
  • Elasticsearch可用的堆越多，可用于缓存的内存就越多。但请注意，太多的堆可能会使您长时间垃圾收集暂停。
  • 设置Xmx为不超过物理RAM的50％，以确保有足够的物理内存留给内核文件系统缓存。
  • 不要设置Xmx为JVM用于压缩对象指针的临界值以上；确切的截止值有所不一样，但接近32 GB。不要超过32G，若是空间大，多跑几个实例，不要让一个实例太大内存。

Elasticsearch配置文件优化参数：

vim elasticsearch.yml

bootstrap.memory_lock: true#锁住内存，不使用swap

#缓存、线程等优化以下bootstrap.mlockall: true
transport.tcp.compress: true
indices.fielddata.cache.size: 40%
indices.cache.filter.size: 30%
indices.cache.filter.terms.size: 1024mb
threadpool:
search:
type: cached
size: 100
queue_size: 2000

2）设置环境变量

vim /etc/profile.d/elasticsearch.sh export ES_HE AP _SIZE=2g #Heap Size不超过物理内存的一半，且小于32G。

集群的优化（我未使用集群）：

  • ES是分布式存储，当设置一样的cluster.name后会自动发现并加入集群；
  • 集群会自动选举一个master，当master宕机后从新选举；
  • 为防止"脑裂"，集群中个数最好为奇数个；
  • 为有效管理节点，可关闭广播discovery. zen.ping.multicast.enabled: false，并设置单播节点组discovery.zen.ping.unicast.hosts: ["ip1", "ip2", "ip3"]。

六、性能的检查

检查输入和输出的性能：

Logstash和其链接的服务运行速度一致，它能够和输入、输出的速度同样快。

检查系统参数：

1）CPU

  • 注意CPU是否过载。在Linux/Unix系统中可使用top-H查看进程参数以及总计。
  • 若是CPU使用太高，直接跳到检查JVM堆的章节并检查Logstash worker设置。

2）Memory

  • 注意Logstash是运行在Java虚拟机中的，因此它只会用到你分配给它的最大内存。
  • 检查其余应用使用大量内存的状况，这将形成Logstash使用硬盘swap，这种状况会在应用占用内存超出物理内存范围时。

3）I/O监控磁盘I/O检查磁盘饱和度

  • 使用Logstash plugin（例如使用文件输出）磁盘会发生饱和。
  • 当发生大量错误，Logstash生成大量错误日志时磁盘也会发生饱和。
  • 在Linux中，可以使用iostat，dstat或者其余命令监控磁盘I/O。

4）监控网络I/O

  • 当使用大量网络操做的input、output时，会致使网络饱和。
  • 在Linux中可以使用dstat或iftop监控网络状况。

检查JVM heap：

  • heap设置过小会致使CPU使用率太高，这是由于JVM的垃圾回收机制致使的。
  • 一个快速检查该设置的方法是将heap设置为两倍大小而后检测性能改进。不要将heap设置超过物理内存大小，保留至少1G内存给操做系统和其余进程。
  • 你可使用相似jmap命令行或VisualVM更加精确的计算JVM heap。

若有更多优化方法，或是难点解决的方法，欢迎在留言区补充~

做者：alonghub
来源：https://www.cnblogs.com/along...

欢迎你们关注个人微信公众号【民工哥技术之路】，最新整理的 2TB 技术干货：包括架构师实战教程、大数据、Docker容器、系统运维、数据库、redis、MogoDB、电子书、Java基础课程、Java实战项目、ELK Stack、机器学习、BAT面试精讲视频等。只需在「 民工哥技术之路」微信公众号对话框回复关键字：1024便可获取所有资料。

相关文章
相关标签/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公众号
   欢迎关注本站公众号,获取更多信息
联系我们 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程