分布式实战 | 第一篇 :ELK在开源全栈项目【有来商城】的应用,不仅仅是分布式日志收集(二)

本文涉及的产品
检索分析服务 Elasticsearch 版,2核4GB开发者规格 1个月
日志服务 SLS,月写入数据量 50GB 1个月
简介: 分布式实战 | 第一篇 :ELK在开源全栈项目【有来商城】的应用,不仅仅是分布式日志收集(二)


五. SpringBoot整合ElasticSearch客户端RestHighLevelClient

1. pom依赖

代码坐标: common-elasticsearch#pom.xml


客户端的版本需和服务器的版本对应,这里也就是7.10.1



   org.elasticsearch.client

   elasticsearch-rest-high-level-client

   

       

           org.elasticsearch.client

           elasticsearch-rest-client

       


       

           elasticsearch

           org.elasticsearch

       

   




   org.elasticsearch

   elasticsearch

   7.10.1




   org.elasticsearch.client

   elasticsearch-rest-client

   7.10.1




   org.springframework.boot

   spring-boot-starter-data-elasticsearch



2. yml 配置

spring:

 elasticsearch:

   rest:

     uris: ["http://localhost:9200"]

     cluster-nodes:

       - localhost:9200


3. RestHighLevelClientConfig 配置类

代码坐标: common-elasticsearch#RestHighLevelClientConfig


@ConfigurationProperties(prefix = "spring.elasticsearch.rest")

@Configuration

@AllArgsConstructor

public class RestHighLevelClientConfig {


   @Setter

   private List clusterNodes;


   @Bean

   public RestHighLevelClient restHighLevelClient() {


       HttpHost[] hosts = clusterNodes.stream()

               .map(this::buildHttpHost) // eg: new HttpHost("127.0.0.1", 9200, "http")

               .toArray(HttpHost[]::new);

       return new RestHighLevelClient(RestClient.builder(hosts));

   }


   private HttpHost buildHttpHost(String node) {

       String[] nodeInfo = node.split(":");

       return new HttpHost(nodeInfo[0].trim(), Integer.parseInt(nodeInfo[1].trim()), "http");

   }

}


4. RestHighLevelClient API封装

代码坐标: common-elasticsearch#ElasticSearchService


暂只简单封装实现需求里需要的几个方法,计数、去重计数、日期聚合统计、列表查询、分页查询、删除,后续可扩展…

@Service

@AllArgsConstructor

public class ElasticSearchService {


   private RestHighLevelClient client;


   /**

    * 计数

    */

   @SneakyThrows

   public long count(QueryBuilder queryBuilder, String... indices) {

       // 构造请求

       CountRequest countRequest = new CountRequest(indices);

       countRequest.query(queryBuilder);


       // 执行请求

       CountResponse countResponse = client.count(countRequest, RequestOptions.DEFAULT);

       long count = countResponse.getCount();

       return count;

   }


   /**

    * 去重计数

    */

   @SneakyThrows

   public long countDistinct(QueryBuilder queryBuilder, String field, String... indices) {

       String distinctKey = "distinctKey"; // 自定义计数去重key,保证上下文一致


       // 构造计数聚合 cardinality:集合中元素的个数

       CardinalityAggregationBuilder aggregationBuilder = AggregationBuilders

               .cardinality(distinctKey).field(field);


       // 构造搜索源

       SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();

       searchSourceBuilder.query(queryBuilder).aggregation(aggregationBuilder);


       // 构造请求

       SearchRequest searchRequest = new SearchRequest(indices);

       searchRequest.source(searchSourceBuilder);


       // 执行请求

       SearchResponse searchResponse = client.search(searchRequest, RequestOptions.DEFAULT);

       ParsedCardinality result = searchResponse.getAggregations().get(distinctKey);

       return result.getValue();

   }


   /**

    * 日期聚合统计

    *

    * @param queryBuilder 查询条件

    * @param field        聚合字段,如:登录日志的 date 字段

    * @param interval     统计时间间隔,如:1天、1周

    * @param indices      索引名称

    * @return

    */

   @SneakyThrows

   public Map dateHistogram(QueryBuilder queryBuilder, String field, DateHistogramInterval interval, String... indices) {


       String dateHistogramKey = "dateHistogramKey"; // 自定义日期聚合key,保证上下文一致


       // 构造聚合

       AggregationBuilder aggregationBuilder = AggregationBuilders

               .dateHistogram(dateHistogramKey) //自定义统计名,和下文获取需一致

               .field(field) // 日期字段名

               .format("yyyy-MM-dd") // 时间格式

               .calendarInterval(interval) // 日历间隔,例: 1s->1秒 1d->1天 1w->1周 1M->1月 1y->1年 ...

               .minDocCount(0); // 最小文档数,比该值小就忽略


       // 构造搜索源

       SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();

       searchSourceBuilder

               .query(queryBuilder)

               .aggregation(aggregationBuilder)

               .size(0);


       // 构造SearchRequest

       SearchRequest searchRequest = new SearchRequest(indices);

       searchRequest.source(searchSourceBuilder);


       searchRequest.indicesOptions(

               IndicesOptions.fromOptions(

                       true, // 是否忽略不可用索引

                       true, // 是否允许索引不存在

                       true, // 通配符表达式将扩展为打开的索引

                       false // 通配符表达式将扩展为关闭的索引

               ));


       // 执行请求

       SearchResponse searchResponse = client.search(searchRequest, RequestOptions.DEFAULT);


       // 处理结果

       ParsedDateHistogram dateHistogram = searchResponse.getAggregations().get(dateHistogramKey);


       Iterator iterator = dateHistogram.getBuckets().iterator();


       Map map = new HashMap<>();

       while (iterator.hasNext()) {

           Histogram.Bucket bucket = iterator.next();

           map.put(bucket.getKeyAsString(), bucket.getDocCount());

       }

       return map;

   }


   /**

    * 列表查询

    */

   @SneakyThrows

   public  List search(QueryBuilder queryBuilder, Class clazz, String... indices) {

       List list = this.search(queryBuilder, null, 1, ESConstants.DEFAULT_PAGE_SIZE, clazz, indices);

       return list;

   }


   /**

    * 分页列表查询

    */

   @SneakyThrows

   public  List search(QueryBuilder queryBuilder, SortBuilder sortBuilder, Integer page, Integer size, Class clazz, String... indices) {

       // 构造SearchSourceBuilder

       SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();

       searchSourceBuilder.query(queryBuilder);

       searchSourceBuilder.sort(sortBuilder);

       searchSourceBuilder.from((page - 1) * size);

       searchSourceBuilder.size(size);

       // 构造SearchRequest

       SearchRequest searchRequest = new SearchRequest(indices);

       searchRequest.source(searchSourceBuilder);

       // 执行请求

       SearchResponse searchResponse = client.search(searchRequest, RequestOptions.DEFAULT);

       SearchHits hits = searchResponse.getHits();

       SearchHit[] searchHits = hits.getHits();


       List list = CollectionUtil.newArrayList();

       for (SearchHit hit : searchHits) {

           T t = JSONUtil.toBean(hit.getSourceAsString(), clazz);

           t.setId(hit.getId()); // 数据的唯一标识

           t.setIndex(hit.getIndex());// 索引

           list.add(t);

       }

       return list;

   }


   /**

    * 删除

    */

   @SneakyThrows

   public boolean deleteById(String id, String index) {

       DeleteRequest deleteRequest = new DeleteRequest(index,id);

       DeleteResponse deleteResponse = client.delete(deleteRequest, RequestOptions.DEFAULT);

       return true;

   }

}


六. 后台接口

在SpringBoot整合了ElasticSearch的高级客户端RestHighLevelClient,以及简单了封装方法之后,接下来就准备为前端提供统计数据、分页列表查询记录、根据ID删除记录接口了。


1. 首页控制台

首页控制台需要今日IP访问数,历史总IP访问数、近十天每天的登录次数统计,具体代码如下:


代码坐标: youlai-admin#DashboardController


@Api(tags = "首页控制台")

@RestController

@RequestMapping("/api.admin/v1/dashboard")

@Slf4j

@AllArgsConstructor

public class DashboardController {


   ElasticSearchService elasticSearchService;


   @ApiOperation(value = "控制台数据")

   @GetMapping

   public Result data() {

       Map data = new HashMap<>();


       // 今日IP数

       long todayIpCount = getTodayIpCount();

       data.put("todayIpCount", todayIpCount);


       // 总IP数

       long totalIpCount = getTotalIpCount();

       data.put("totalIpCount", totalIpCount);


       // 登录统计

       int days = 10; // 统计天数

       Map loginCount = getLoginCount(days);

       data.put("loginCount", loginCount);


       return Result.success(data);

   }


 

   private long getTodayIpCount() {

       String date = LocalDateTime.now().format(DateTimeFormatter.ofPattern("yyyy-MM-dd"));

       TermQueryBuilder termQueryBuilder = QueryBuilders.termQuery("date", date);

       String indexName = ESConstants.LOGIN_INDEX_PATTERN + date; //索引名称

     

       // 这里使用clientIP聚合计数,为什么加.keyword后缀呢?下文给出截图

       long todayIpCount = elasticSearchService.countDistinct(termQueryBuilder, "clientIP.keyword", indexName);

       return todayIpCount;

   }


   private long getTotalIpCount() {

       long totalIpCount = elasticSearchService.countDistinct(null, "clientIP.keyword", ESConstants.LOGIN_INDEX_PATTERN);

       return totalIpCount;

   }


   private Map getLoginCount(int days) {


       LocalDateTime now = LocalDateTime.now();

       DateTimeFormatter formatter = DateTimeFormatter.ofPattern("yyyy-MM-dd");


       String startDate = now.plusDays(-days).format(formatter);

       String endDate = now.format(formatter);


       String[] indices = new String[days]; // 查询ES索引数组

       String[] xData = new String[days]; // 柱状图x轴数据

       for (int i = 0; i < days; i++) {

           String date = now.plusDays(-i).format(formatter);

           xData[i] = date;

           indices[i] = ESConstants.LOGIN_INDEX_PREFIX + date;

       }


       // 查询条件,范围内日期统计

       RangeQueryBuilder rangeQueryBuilder = QueryBuilders.rangeQuery("date").from(startDate).to(endDate);

       BoolQueryBuilder boolQueryBuilder = QueryBuilders.boolQuery()

               .must(rangeQueryBuilder);



       // 总数统计

       Map totalCountMap = elasticSearchService.dateHistogram(

               boolQueryBuilder,

               "date", // 根据date字段聚合统计登录数 logback-spring.xml 中的自定义扩展字段 date

               DateHistogramInterval.days(1),

               indices);


       // 当前用户统计

       HttpServletRequest request = RequestUtils.getRequest();

       String clientIP = IPUtils.getIpAddr(request);


       boolQueryBuilder.must(QueryBuilders.termQuery("clientIP", clientIP));

       Map myCountMap = elasticSearchService.dateHistogram(boolQueryBuilder, "date", DateHistogramInterval.days(1), indices);



       // 组装echarts数据

       Long[] totalCount = new Long[days];

       Long[] myCount = new Long[days];


       Arrays.sort(xData);// 默认升序

       for (int i = 0; i < days; i++) {

           String key = xData[i];

           totalCount[i] = Convert.toLong(totalCountMap.get(key), 0l);

           myCount[i] = Convert.toLong(myCountMap.get(key), 0l);

       }

       Map map = new HashMap<>(4);


       map.put("xData", xData); // x轴坐标

       map.put("totalCount", totalCount); // 总数

       map.put("myCount", myCount); // 我的


       return map;

   }

}


聚合字段clientIP为什么添加.keyword后缀?

微信图片_20230709233623.png


2. 登录记录分页查询接口

代码坐标: youlai-admin # LoginRecordController


@Api(tags = "登录记录")

@RestController

@RequestMapping("/api.admin/v1/login_records")

@Slf4j

@AllArgsConstructor

public class LoginRecordController {


   ElasticSearchService elasticSearchService;


   ITokenService tokenService;


   @ApiOperation(value = "列表分页")

   @ApiImplicitParams({

           @ApiImplicitParam(name = "page", value = "页码", defaultValue = "1", paramType = "query", dataType = "Long"),

           @ApiImplicitParam(name = "limit", value = "每页数量", defaultValue = "10", paramType = "query", dataType = "Long"),

           @ApiImplicitParam(name = "startDate", value = "开始日期", paramType = "query", dataType = "String"),

           @ApiImplicitParam(name = "endDate", value = "结束日期", paramType = "query", dataType = "String"),

           @ApiImplicitParam(name = "clientIP", value = "客户端IP", paramType = "query", dataType = "String")

   })

   @GetMapping

   public Result list(

           Integer page,

           Integer limit,

           String startDate,

           String endDate,

           String clientIP

   ) {


       // 日期范围

       RangeQueryBuilder rangeQueryBuilder = QueryBuilders.rangeQuery("date");


       if (StrUtil.isNotBlank(startDate)) {

           rangeQueryBuilder.from(startDate);

       }

       if (StrUtil.isNotBlank(endDate)) {

           rangeQueryBuilder.to(endDate);

       }


       BoolQueryBuilder queryBuilder = QueryBuilders.boolQuery().must(rangeQueryBuilder);


       if (StrUtil.isNotBlank(clientIP)) {

           queryBuilder.must(QueryBuilders.wildcardQuery("clientIP", "*" + clientIP + "*"));

       }

       // 总记录数

       long count = elasticSearchService.count(queryBuilder, ESConstants.LOGIN_INDEX_PATTERN);


       // 排序

       FieldSortBuilder sortBuilder = new FieldSortBuilder("@timestamp").order(SortOrder.DESC);


       // 分页查询

       List list = elasticSearchService.search(queryBuilder, sortBuilder, page, limit, LoginRecord.class, ESConstants.LOGIN_INDEX_PATTERN);


       // 遍历获取会话状态

       list.forEach(item -> {

           String token = item.getToken();

           int tokenStatus = 0;

           if (StrUtil.isNotBlank(token)) {

               tokenStatus = tokenService.getTokenStatus(item.getToken());

           }

           item.setStatus(tokenStatus);

       });


       return Result.success(list, count);

   }



   @ApiOperation(value = "删除登录记录")

   @ApiImplicitParam(name = "ids", value = "id集合", required = true, paramType = "query", dataType = "String")

   @DeleteMapping

   public Result delete(@RequestBody List documents) {

       documents.forEach(document -> elasticSearchService.deleteById(document.getId(), document.getIndex()));

       return Result.success();

   }


}


3. 强制下线接口

代码坐标: youlai-admin#TokenController


这里还是将JWT添加至黑名单,然后在网关限制被加入黑名单的JWT登录

@Api(tags = "令牌接口")

@RestController

@RequestMapping("/api.admin/v1/tokens")

@Slf4j

@AllArgsConstructor

public class TokenController {


   ITokenService tokenService;


   @ApiOperation(value = "强制下线")

   @ApiImplicitParam(name = "token", value = "访问令牌", required = true, paramType = "query", dataType = "String")

   @PostMapping("/{token}/_invalidate")

   @SneakyThrows

   public Result invalidateToken(@PathVariable String token) {

       boolean status = tokenService.invalidateToken(token);

       return Result.judge(status);

   }


}


代码坐标: youlai-admin#TokenServiceImpl


@Override

@SneakyThrows

public boolean invalidateToken(String token) {


   JWTPayload payload = JWTUtils.getJWTPayload(token);


   // 计算是否过期

   long currentTimeSeconds = System.currentTimeMillis() / 1000;

   Long exp = payload.getExp();

   if (exp < currentTimeSeconds) { // token已过期,无需加入黑名单

       return true;

   }

   // 添加至黑名单使其失效

   redisTemplate.opsForValue().set(AuthConstants.TOKEN_BLACKLIST_PREFIX + payload.getJti(), null, (exp - currentTimeSeconds), TimeUnit.SECONDS);

   return true;

}


七. 前端界面

项目前端源码:youlai-mall-admin,以下只贴出页面路径,有兴趣下载到本地查看源码和效果


代码坐标: src/views/dashboard/common/components/LoginCountChart.vue


登录次数统计、今日访问IP统计、总访问IP统计

微信图片_20230709233623.png


代码坐标: src/views/admin/record/login/index.vue


登录信息,强制用户下线,演示的是自己强制自己下线的效果

微信图片_20230709233736.gif


八. 问题

1. 日志记录登录时间比正常时间晚了8个小时

项目使用Docker部署,其中依赖openjdk镜像时区是UTC,比北京时间晚了8个小时,执行以下命令修改时区解决问题


docker exec -it youlai-auth /bin/sh

echo "Asia/Shanghai" > /etc/timezone

docker restart youlai-auth

1

2

3

微信图片_20230709233741.png


2. 用Nginx代理转发,怎么获取用户的真实IP?

在配置代理转发的时候添加:


proxy_set_header X-Real-IP $remote_addr;

proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;

1

2

微信图片_20230709233743.png


九. Kibana索引检索

在LogStash的logout我们指定了索引的名称 “%{[project]}-%{[action]}-%{+YYYY-MM-dd}”


在logback-spring.xml指定了project为youlai-auth,action为login,替换生成类似youlai-auth-login-2021-3-25的索引,其中日期是可变的,然后我们在Kibana界面创建youlai-auth-login-*索引模式来对日志进行检索。


创建youlai-auth-login-*索引模式

微信图片_20230709233816.png

微信图片_20230709233819.png



根据索引模式,设置日期范围,进行登录日志的检索

微信图片_20230709233823.png


十. 结语

至此,整个实战过程已经完成,搭建了ELK环境,使用Spring AOP横切来对登录日志的定点的搜集,最后通过SpringBoot整合ElasticSearch的高级Java客户端RestHighLevelClient来对搜集登录日志信息进行聚合计数、统计、以及日志中访问令牌操作来实现无状态的JWT会话管理,强制JWT失效让用户下线。文中只贴出关键的代码,其中还有像IP转地区的工具使用鉴于篇幅的原因并未一一说明,完整代码请参考git上的完整源代码。点击跳转


希望大家通过本篇文章能够快速入门ElasticSearch,如果有问题欢迎留言或者加我微信(haoxianrui)。


终. 附录

欢迎大家加入开源项目有来项目交流群,一起学习Spring Cloud微服务生态组件、分布式、Docker、K8S、Vue、element-ui、uni-app、微信小程序全栈等技术。



最后附上有来项目往期文章


后台微服务


Spring Cloud实战 | 第一篇:Windows搭建Nacos服务

Spring Cloud实战 | 第二篇:Spring Cloud整合Nacos实现注册中心

Spring Cloud实战 | 第三篇:Spring Cloud整合Nacos实现配置中心

Spring Cloud实战 | 第四篇:Spring Cloud整合Gateway实现API网关

Spring Cloud实战 | 第五篇:Spring Cloud整合OpenFeign实现微服务之间的调用

Spring Cloud实战 | 第六篇:Spring Cloud Gateway+Spring Security OAuth2+JWT实现微服务统一认证授权

Spring Cloud实战 | 最七篇:Spring Cloud Gateway+Spring Security OAuth2集成统一认证授权平台下实现注销使JWT失效方案

Spring Cloud实战 | 最八篇:Spring Cloud +Spring Security OAuth2+ Vue前后端分离模式下无感知刷新实现JWT续期

Spring Cloud实战 | 最九篇:Spring Security OAuth2认证服务器统一认证自定义异常处理

Spring Cloud实战 | 第十篇 :Spring Cloud + Nacos整合Seata 1.4.1最新版本实现微服务架构中的分布式事务,进阶之路必须要迈过的槛

Spring Cloud实战 | 第十一篇 :Spring Cloud Gateway网关实现对RESTful接口权限和按钮权限细粒度控制

后台管理前端


vue-element-admin实战 | 第一篇: 移除mock接入微服务接口,搭建SpringCloud+Vue前后端分离管理平台

vue-element-admin实战 | 第二篇: 最小改动接入后台实现根据权限动态加载菜单

微信小程序


vue+uni-app商城实战 | 第一篇:从0到1快速开发一个商城微信小程序,无缝接入Spring Cloud OAuth2认证授权登录

应用部署


Docker实战 | 第一篇:Linux 安装 Docker

Docker实战 | 第二篇:Docker部署nacos-server:1.4.0

Docker实战 | 第三篇:IDEA集成Docker插件实现一键自动打包部署微服务项目,一劳永逸的技术手段值得一试

Docker实战 | 第四篇:Docker安装Nginx,实现基于vue-element-admin框架构建的项目线上部署

Docker实战 | 第五篇:Docker启用TLS加密解决暴露2375端口引发的安全漏洞,被黑掉三台云主机的教训总结


相关实践学习
日志服务之使用Nginx模式采集日志
本文介绍如何通过日志服务控制台创建Nginx模式的Logtail配置快速采集Nginx日志并进行多维度分析。
相关文章
|
2月前
|
机器学习/深度学习 存储 监控
Elasticsearch 在日志分析中的应用
【9月更文第2天】随着数字化转型的推进,日志数据的重要性日益凸显。日志不仅记录了系统的运行状态,还提供了宝贵的洞察,帮助企业改进产品质量、优化用户体验以及加强安全防护。Elasticsearch 作为一个分布式搜索和分析引擎,因其出色的性能和灵活性,成为了日志分析领域的首选工具之一。本文将探讨如何使用 Elasticsearch 作为日志分析平台的核心组件,并详细介绍 ELK(Elasticsearch, Logstash, Kibana)栈的搭建和配置流程。
265 4
|
2月前
|
存储 消息中间件 网络协议
日志平台-ELK实操系列(一)
日志平台-ELK实操系列(一)
|
11天前
|
存储 SQL 监控
|
11天前
|
自然语言处理 监控 数据可视化
|
15天前
|
存储 监控 安全
|
16天前
|
JSON Java 数据库
SpringBoot项目使用AOP及自定义注解保存操作日志
SpringBoot项目使用AOP及自定义注解保存操作日志
33 1
|
2月前
|
设计模式 SQL 安全
PHP中的设计模式:单例模式的深入探索与实践在PHP的编程实践中,设计模式是解决常见软件设计问题的最佳实践。单例模式作为设计模式中的一种,确保一个类只有一个实例,并提供全局访问点,广泛应用于配置管理、日志记录和测试框架等场景。本文将深入探讨单例模式的原理、实现方式及其在PHP中的应用,帮助开发者更好地理解和运用这一设计模式。
在PHP开发中,单例模式通过确保类仅有一个实例并提供一个全局访问点,有效管理和访问共享资源。本文详细介绍了单例模式的概念、PHP实现方式及应用场景,并通过具体代码示例展示如何在PHP中实现单例模式以及如何在实际项目中正确使用它来优化代码结构和性能。
45 2
|
3月前
|
数据库 Java 监控
Struts 2 日志管理化身神秘魔法师,洞察应用运行乾坤,演绎奇幻篇章!
【8月更文挑战第31天】在软件开发中,了解应用运行状况至关重要。日志管理作为 Struts 2 应用的关键组件,记录着每个动作和决策,如同监控摄像头,帮助我们迅速定位问题、分析性能和使用情况,为优化提供依据。Struts 2 支持多种日志框架(如 Log4j、Logback),便于配置日志级别、格式和输出位置。通过在 Action 类中添加日志记录,我们能在开发过程中获取详细信息,及时发现并解决问题。合理配置日志不仅有助于调试,还能分析用户行为,提升应用性能和稳定性。
57 0
|
1月前
|
NoSQL Java Redis
太惨痛: Redis 分布式锁 5个大坑,又大又深, 如何才能 避开 ?
Redis分布式锁在高并发场景下是重要的技术手段,但其实现过程中常遇到五大深坑:**原子性问题**、**连接耗尽问题**、**锁过期问题**、**锁失效问题**以及**锁分段问题**。这些问题不仅影响系统的稳定性和性能,还可能导致数据不一致。尼恩在实际项目中总结了这些坑,并提供了详细的解决方案,包括使用Lua脚本保证原子性、设置合理的锁过期时间和使用看门狗机制、以及通过锁分段提升性能。这些经验和技巧对面试和实际开发都有很大帮助,值得深入学习和实践。
太惨痛: Redis 分布式锁 5个大坑,又大又深, 如何才能 避开 ?
|
3月前
|
NoSQL Redis
基于Redis的高可用分布式锁——RedLock
这篇文章介绍了基于Redis的高可用分布式锁RedLock的概念、工作流程、获取和释放锁的方法,以及RedLock相比单机锁在高可用性上的优势,同时指出了其在某些特殊场景下的不足,并提到了ZooKeeper作为另一种实现分布式锁的方案。
110 2
基于Redis的高可用分布式锁——RedLock