Kubernetes 云原生日志构建

网络异常，图片无法展示

ELK 是三个开源软件的缩写，分别表示：Elasticsearch , Logstash, Kibana , 它们都是开源软件。新增了一个 FileBeat，它是一个轻量级的日志收集处理工具 (Agent)，Filebeat 占用资源少，适合于在各个服务器上搜集日志后传输给 Logstash，官方也推荐此工具。

大致流程图如下：

网络异常，图片无法展示

1）Elasticsearch 存储

❝

Elasticsearch 是个开源分布式搜索引擎，提供搜集、分析、存储数据三大功能。它的特点有：分布式，零配置，自动发现，索引自动分片，索引副本机制，restful 风格接口，多数据源，自动搜索负载等。

2）Filebeat 日志数据采集

❝

filebeat 是 Beats 中的一员，Beats 在是一个轻量级日志采集器，其实 Beats 家族有 6 个成员，早期的 ELK 架构中使用 Logstash 收集、解析日志，但是 Logstash 对内存、cpu、io 等资源消耗比较高。相比 Logstash，Beats 所占系统的 CPU 和内存几乎可以忽略不计。

❝

Filebeat 是用于转发和集中日志数据的轻量级传送工具。Filebeat 监视您指定的日志文件或位置，收集日志事件。

目前 Beats 包含六种工具：

Packetbeat：网络数据（收集网络流量数据）
Metricbeat：指标（收集系统、进程和文件系统级别的 CPU 和内存使用情况等数据）
Filebeat：日志文件（收集文件数据）
Winlogbeat：windows 事件日志（收集 Windows 事件日志数据）
Auditbeat：审计数据（收集审计日志）
Heartbeat：运行时间监控（收集系统运行时的数据）

工作的流程图如下：

网络异常，图片无法展示

优点

Filebeat 只是一个二进制文件没有任何依赖。它占用资源极少。

缺点

Filebeat 的应用范围十分有限，因此在某些场景下咱们会碰到问题。在 5.x 版本中，它还具有过滤的能力。

3）Kafka

❝

kafka 能帮助我们削峰。ELK 可以使用 redis 作为消息队列，但 redis 作为消息队列不是强项而且 redis 集群不如专业的消息发布系统 kafka。kafka 安装可以参考我之前的文章：Kafka 原理介绍+安装+基本操作（kafka on k8s）^[1]。

4）Logstash 过滤

❝

Logstash 主要是用来日志的搜集、分析、过滤日志的工具，支持大量的数据获取方式。一般工作方式为 c/s 架构，client 端安装在需要收集日志的主机上，server 端负责将收到的各节点日志进行过滤、修改等操作在一并发往 elasticsearch 上去。

优点

可伸缩性

❝

节拍应该在一组 Logstash 节点之间进行负载平衡。建议至少使用两个 Logstash 节点以实现高可用性。每个 Logstash 节点只部署一个 Beats 输入是很常见的，但每个 Logstash 节点也可以部署多个 Beats 输入，以便为不同的数据源公开独立的端点。

弹性

❝

Logstash 持久队列提供跨节点故障的保护。对于 Logstash 中的磁盘级弹性，确保磁盘冗余非常重要。对于内部部署，建议您配置 RAID。在云或容器化环境中运行时，建议您使用具有反映数据 SLA 的复制策略的永久磁盘。

可过滤

❝

对事件字段执行常规转换。您可以重命名，删除，替换和修改事件中的字段。

缺点

Logstash 耗资源较大，运行占用 CPU 和内存高。另外没有消息队列缓存，存在数据丢失隐患。

5）Kibana 展示

❝

Kibana 也是一个开源和免费的工具，Kibana 可以为 Logstash 和 ElasticSearch 提供的日志分析友好的 Web 界面，可以帮助汇总、分析和搜索重要数据日志。

filebeat 和 logstash 的关系

❝

因为 logstash 是 jvm 跑的，资源消耗比较大，所以后来作者又用 golang 写了一个功能较少但是资源消耗也小的轻量级的 logstash-forwarder。不过作者只是一个人，加入 http://elastic.co 公司以后，因为 es 公司本身还收购了另一个开源项目 packetbeat，而这个项目专门就是用 golang 的，有整个团队，所以 es 公司干脆把 logstash-forwarder 的开发工作也合并到同一个 golang 团队来搞，于是新的项目就叫 filebeat 了。

二、helm3 安装 ELK

详细流程图如下：

网络异常，图片无法展示

1）准备条件

1、添加 helm 仓库

$ helm repo add elastic   https://helm.elastic.co

2）helm3 安装 elasticsearch

1、自定义 values

❝

主要是设置 storage Class 持久化和资源限制，本人电脑资源有限，所以这里就把资源调小了很多，小伙伴们可以根据自己配置自定义哈。

# 集群名称clusterName: "elasticsearch"# ElasticSearch 6.8+ 默认安装了 x-pack 插件，部分功能免费，这里选禁用esConfig: elasticsearch.yml: |    network.host: 0.0.0.0    cluster.name: "elasticsearch"    xpack.security.enabled: falseresources:  requests:    memory: 1GivolumeClaimTemplate:  storageClassName: "bigdata-nfs-storage"  accessModes: [ "ReadWriteOnce" ]  resources:    requests:      storage: 3Giservice:  type: NodePort  port: 9000  nodePort: 31311

❝

禁用 Kibana 安全提示（Elasticsearch built-in security features are not enabled）xpack.security.enabled: false

2、开始安装 Elasitcsearch

❝

安装过程比较慢，因为官方镜像下载比较慢

$ helm install es elastic/elasticsearch -f my-values.yaml  --namespace bigdata

网络异常，图片无法展示

W1207 23:10:57.980283   21465 warnings.go:70] policy/v1beta1 PodDisruptionBudget is deprecated in v1.21+, unavailable in v1.25+; use policy/v1 PodDisruptionBudgetW1207 23:10:58.015416   21465 warnings.go:70] policy/v1beta1 PodDisruptionBudget is deprecated in v1.21+, unavailable in v1.25+; use policy/v1 PodDisruptionBudgetNAME: esLAST DEPLOYED: Tue Dec  7 23:10:57 2021NAMESPACE: bigdataSTATUS: deployedREVISION: 1NOTES:1. Watch all cluster members come up.  $ kubectl get pods --namespace=bigdata -l app=elasticsearch-master -w2. Test cluster health using Helm test.  $ helm --namespace=bigdata test es

查看，需要所有 pod 都正常运行才正常，下载镜像有点慢，需要稍等一段时间再查看

$ kubectl get pod -n bigdata -l app=elasticsearch-master$ kubectl get pvc -n bigdata$ watch kubectl get pod -n bigdata -l app=elasticsearch-master

网络异常，图片无法展示

3、验证

$ helm --namespace=bigdata test es$ kubectl get pod,svc -n bigdata -l app=elasticsearch-master -o wide$ curl 192.168.0.113:31311/_cat/health$ curl 192.168.0.113:31311/_cat/nodes

网络异常，图片无法展示

4、清理

$ helm uninstall es -n bigdata$ kubectl delete pvc elasticsearch-master-elasticsearch-master-0 -n bigdata$ kubectl delete pvc elasticsearch-master-elasticsearch-master-1 -n bigdata$ kubectl delete pvc elasticsearch-master-elasticsearch-master-2 -n bigdata

3）helm3 安装 Kibana

1、自定义 values

域名（elasticsearch-master-headless.bigdata.svc.cluster.local）的由来不清楚的，可以参考我之前的文章：Kubernetes（k8s）DNS（CoreDNS）介绍^[2]

$ cat <<EOF> my-values.yaml#此处修改了kibana的配置文件，默认位置/usr/share/kibana/kibana.yamlkibanaConfig:   kibana.yml: |     server.port: 5601     server.host: "0.0.0.0"     elasticsearch.hosts: [ "elasticsearch-master-headless.bigdata.svc.cluster.local:9200" ]resources:  requests:    cpu: "1000m"    memory: "256Mi"  limits:    cpu: "1000m"    memory: "1Gi"service:  #type: ClusterIP  type: NodePort  loadBalancerIP: ""  port: 5601  nodePort: "30026"EOF

2、开始安装 Kibana

$ helm install kibana elastic/kibana -f my-values.yaml  --namespace bigdata

网络异常，图片无法展示

3、验证

$ kubectl get pod,svc -n bigdata -l app=kibana

浏览器访问：http://192.168.0.113:30026/

网络异常，图片无法展示

4、清理

$ helm uninstall kibana -n bigdata

4）helm3 安装 Filebeat

❝

filebeat 默认收集宿主机上 docker 的日志路径：/var/lib/docker/containers。如果我们修改了 docker 的安装路径要怎么收集呢，很简单修改 chart 里的 DaemonSet 文件里边的 hostPath 参数：

name: varlibdockercontainershostPath:path: /var/lib/docker/containers #改为 docker 安装路径当然也可以自定义 values 修改，这里推荐自定义 values 方式修改采集日志路径

1、自定义 values❝默认是将数据存储到 ES，这里做修改数据存储到 Kafka

$ cat <<EOF> my-values.yamldaemonset:filebeatConfig:filebeat.yml: |filebeat.inputs:- type: containerpaths:- /var/log/containers/*.log

output.elasticsearch:    enabled: false    host: '${NODE_NAME}'    hosts: '${ELASTICSEARCH_HOSTS:elasticsearch-master:9200}'  output.kafka:   enabled: true   hosts: ["kafka-headless.bigdata.svc.cluster.local:9092"]   topic: test

EOF2、开始安装 Filefeathelminstallfilebeatelastic/filebeat−fmy−values.yaml−−namespacebigdata kubectl get pods --namespace=bigdata -l app=filebeat-filebeat -w 图片图片 3、验证

先登录 kafka 客户端

$ kubectl exec --tty -i kafka-client --namespace bigdata -- bash

再消费数据

$ kafka-console-consumer.sh --bootstrap-server kafka.bigdata.svc.cluster.local:9092 --topic test 图片看到已经可以消费数据了，说明数据已经存储到 kafka 了。

查看 kafka 数据积压情况

$ kubectl exec --tty -i kafka-client --namespace bigdata -- bash$ kafka-consumer-groups.sh --bootstrap-server kafka-0.kafka-headless.bigdata.svc.cluster.local:9092 --describe --group mygroup

发现大量数据都是处于积压的状态

网络异常，图片无法展示

接下来就是部署 logstash 去消费 kafka 数据，最后存储到 ES。

4、清理

$ helm uninstall filebeat -n bigdata

5）helm3 安装 Logstash

1、自定义 values

❝

【注意】记得把 ES 和 kafka 的地址换成自己环境的。

$ cat <<EOF> my-values.yamllogstashConfig:  logstash.yml: |    xpack.monitoring.enabled: false
logstashPipeline:    logstash.yml: |    input {      kafka {            bootstrap_servers => "kafka-headless.bigdata.svc.cluster.local:9092"            topics => ["test"]            group_id => "mygroup"            #如果使用元数据就不能使用下面的byte字节序列化，否则会报错            #key_deserializer_class => "org.apache.kafka.common.serialization.ByteArrayDeserializer"            #value_deserializer_class => "org.apache.kafka.common.serialization.ByteArrayDeserializer"            consumer_threads => 1            #默认为false，只有为true的时候才会获取到元数据            decorate_events => true            auto_offset_reset => "earliest"         }    }    filter {      mutate {        #从kafka的key中获取数据并按照逗号切割        split => ["[@metadata][kafka][key]", ","]        add_field => {            #将切割后的第一位数据放入自定义的“index”字段中            "index" => "%{[@metadata][kafka][key][0]}"        }      }    }    output {       elasticsearch {          pool_max => 1000          pool_max_per_route => 200          hosts => ["elasticsearch-master-headless.bigdata.svc.cluster.local:9200"]          index => "test-%{+YYYY.MM.dd}"      }    }
# 资源限制resources:  requests:    cpu: "100m"    memory: "256Mi"  limits:    cpu: "1000m"    memory: "1Gi"
volumeClaimTemplate:  accessModes: ["ReadWriteOnce"]  resources:    requests:      storage: 3GiEOF

output plugin 输出插件，将事件发送到特定目标：

❝

stdout { codec => rubydebug } // 开启 debug 模式，可在控制台输出

stdout ：标准输出。将事件输出到屏幕上

output{    stdout{        codec => "rubydebug"    }}

file ：将事件写入文件

output{   file {       path => "/data/logstash/%{host}/{application}       codec => line { format => "%{message}"} }    }}

kafka ：将事件发送到 kafka

output{   kafka{        bootstrap_servers => "localhost:9092"        topic_id => "test_topic"  #必需的设置。生成消息的主题    }}

elasticseach ：在 es 中存储日志

output{   elasticsearch {        #user => elastic        #password => changeme        hosts => "localhost:9200"        index => "nginx-access-log-%{+YYYY.MM.dd}"      }}

2、开始安装 Logstash

$ helm install logstash elastic/logstash -f my-values.yaml  --namespace bigdata

网络异常，图片无法展示

$ kubectl get pods --namespace=bigdata -l app=logstash-logstash

网络异常，图片无法展示

3、验证

1、登录 kibana 查看索引是否创建

网络异常，图片无法展示

2、查看 logs

$ kubectl logs -f  logstash-logstash-0 -n bigdata >logs$ tail -100 logs

网络异常，图片无法展示

3、查看 kafka 消费情况

$ kubectl exec --tty -i kafka-client --namespace bigdata -- bash$ kafka-consumer-groups.sh --bootstrap-server kafka-0.kafka-headless.bigdata.svc.cluster.local:9092 --describe --group mygroup

网络异常，图片无法展示

4、通过 kibana 查看索引数据（Kibana 版本：7.15.0）创建索引模式

❝

Management-》Stack Management-》Kibana-》Index patterns

网络异常，图片无法展示

通过上面创建的索引模式查询数据（Discover）

网络异常，图片无法展示

4、清理

$ helm uninstall logstash -n bigdata

三、ELK 相关的备份组件和备份方式

Elasticsearch 备份两种方式：

将数据导出成文本文件，比如通过 elasticdump^[3]、esm^[4] 等工具将存储在 Elasticsearch 中的数据导出到文件中。适用数据量小的场景。
备份 elasticsearch data 目录中文件的形式来做快照，借助 Elasticsearch 中 snapshot 接口实现的功能。适用大数据量的场景。

1）Elasticsearch 的 snapshot 快照备份

优点：通过 snapshot 拍摄快照，然后定义快照备份策略，能够实现快照自动化存储，可以定义各种策略来满足自己不同的备份
缺点：还原不够灵活，拍摄快照进行备份很快，但是还原的时候没办法随意进行还原，类似虚拟机快照

1、配置备份目录

在 elasticsearch.yml 的配置文件中注明可以用作备份路径 path.repo ，如下所示：

path.repo: ["/mount/backups", "/mount/longterm_backups"]

配置好后，就可以使用 snapshot api 来创建一个 repository 了，如下我们创建一个名为 my_backup 的 repository。

PUT /_snapshot/my_backup{  "type": "fs",  "settings": {    "location": "/mount/backups/my_backup"  }}

2、开始通过 API 接口备份

有了 repostiroy 后，我们就可以做备份了，也叫快照，也就是记录当下数据的状态。如下所示我们创建一个名为 snapshot_1 的快照。

PUT /_snapshot/my_backup/snapshot_1?wait_for_completion=true

❝

【温馨提示】wait_for_completion 为 true 是指该 api 在备份执行完毕后再返回结果，否则默认是异步执行的，我们这里为了立刻看到效果，所以设置了该参数，线上执行时不用设置该参数，让其在后台异步执行即可。

3、增量备份

PUT /_snapshot/my_backup/snapshot_2?wait_for_completion=true

❝

当执行完毕后，你会发现 /mount/backups/my_backup 体积变大了。这说明新数据备份进来了。要说明的一点是，当你在同一个 repository 中做多次 snapshot 时，elasticsearch 会检查要备份的数据 segment 文件是否有变化，如果没有变化则不处理，否则只会把发生变化的 segment file 备份下来。这其实就实现了增量备份。

4、数据恢复

通过调用如下 api 即可快速实现恢复功能：

POST /_snapshot/my_backup/snapshot_1/_restore?wait_for_completion=true{  "indices": "index_1",  "rename_replacement": "restored_index_1"}

2）elasticdump 备份迁移 es 数据

索引数据导出为文件（备份）

# 导出索引Mapping数据$ elasticdump \  --input=http://es实例IP:9200/index_name/index_type \  --output=/data/my_index_mapping.json \    # 存放目录  --type=mapping # 导出索引数据$ elasticdump \  --input=http://es实例IP:9200/index_name/index_type \  --output=/data/my_index.json \  --type=data

索引数据文件导入至索引（恢复）

# Mapping 数据导入至索引$ elasticdump \  --output=http://es实例IP:9200/index_name \  --input=/home/indexdata/roll_vote_mapping.json \ # 导入数据目录  --type=mapping# ES文档数据导入至索引$ elasticdump \  --output=http:///es实例IP:9200/index_name \  --input=/home/indexdata/roll_vote.json \   --type=data

可直接将备份数据导入另一个 es 集群

$ elasticdump --input=http://127.0.0.1:9200/test_event   --output=http://127.0.0.2:9200/test_event --type=data

type 类型

type 是 ES 数据导出导入类型，Elasticdump 工具支持以下数据类型：

3）esm 备份迁移 es 数据

备份 es 数据

$ esm -s http://10.33.8.103:9201 -x "petition_data" -b 5 --count=5000 --sliced_scroll_size=10 --refresh -o=./es_backup.bin

❝

-w 表示线程数 -b 表示一次 bulk 请求数据大小，单位 MB 默认 5M -c 一次 scroll 请求数量导入恢复 es 数据

$ esm -d http://172.16.20.20:9201 -y "petition_data6" -c 5000 -b 5 --refresh -i=./dump.bin

四、彩蛋

还有个日志系统架构跟 ELK 架构很相似（Elasticsearch、Flume、Kafka、Flink、Kibana），只是把 Filebeat 换成了 Flume，Logstash 换成了 Flink。后面也会写篇文章分享出来，请耐心等待……

网络异常，图片无法展示

Kubernetes 云原生日志构建

Kubernetes 云原生日志构建

1）Elasticsearch 存储

2）Filebeat 日志数据采集

3）Kafka

4）Logstash 过滤

5）Kibana 展示

filebeat 和 logstash 的关系

二、helm3 安装 ELK

1）准备条件

2）helm3 安装 elasticsearch

1、自定义 values

2、开始安装 Elasitcsearch

3、验证

4、清理

3）helm3 安装 Kibana

1、自定义 values

2、开始安装 Kibana

3、验证

4、清理

4）helm3 安装 Filebeat

先登录 kafka 客户端

再消费数据

4、清理

5）helm3 安装 Logstash

1、自定义 values

2、开始安装 Logstash

3、验证

4、清理

三、ELK 相关的备份组件和备份方式

1）Elasticsearch 的 snapshot 快照备份

2）elasticdump 备份迁移 es 数据

3）esm 备份迁移 es 数据

四、彩蛋

热门文章

最新文章

相关课程

相关电子书

相关实验场景

推荐镜像