AI 助理
备案控制台
开发者社区 开发与运维 文章 正文

ELK、ELFK日志分析系统

2023-09-26 271
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
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
推荐场景：
数据可视化分析航班信息
日志服务 SLS，月写入数据量 50GB 1个月
简介： ELK、ELFK日志分析系统

菜单一、ELK简介

ELK平台是一套完整的日志集中处理解决方案，将 ElasticSearch、Logstash 和 Kiabana 三个开源工具配合使用， 完成更强大的用户对日志的查询、排序、统计需求。

1.1 ELK组件说明

1.1.1 ElasticSearch

  • ElasticSearch是基于Lucene（一个全文检索引擎的架构）开发的分布式存储检索引擎，用来存储各类日志。
  • Elasticsearch 是用 Java 开发的，可通过 RESTful Web 接口，让用户可以通过浏览器与 Elasticsearch 通信。
  • Elasticsearch是一个实时的、分布式的可扩展的搜索引擎，允许进行全文、结构化搜索，它通常用于索引和搜索大容量的日志数据，也可用于搜索许多不同类型的文档。

1.1.2 Kiabana

  • Kibana 通常与 Elasticsearch 一起部署，Kibana 是 Elasticsearch 的一个功能强大的数据可视化 Dashboard，Kibana 提供图形化的 web 界面来浏览 Elasticsearch 日志数据，可以用来汇总、分析和搜索重要数据。

1.1.3 Logstash

  • Logstash作为数据收集引擎。它支持动态的从各种数据源搜集数据，并对数据进行过滤、分析、丰富、统一格式等操作，然后存储到用户指定的位置,一般会发送给 Elasticsearch。
  • Logstash 由 Ruby 语言编写，运行在 Java 虚拟机（JVM）上，是一款强大的数据处理工具， 可以实现数据传输、格式处理、格式化输出。Logstash 具有强大的插件功能，常用于日志处理。

常用插件：

  • input：收集源数据（访问日志、错误日志等）
  • Filter Plugin：用于过滤日志和格式处理
  • Output：输出日志
  • 主要组件：
  • Shipper(日志收集)：负责监控本地日志文件的变化，及时把日志文件的最新内容收集起来。通常，远程代理端（agent）只需要运行这个组件即可
  • Indexer(日志存储)：负责接收日志并写入到本地文件
  • Broker(日志Hub)：负责连接多个Shipper和多个Indexer
  • Search and Storage：允许对事件进行搜索和存储
  • Web Interface：基于Web的展示界面

1.2 可以添加的其它组件

1.2.1 Filebeat

轻量级的开源日志文件数据搜集器。通常在需要采集数据的客户端安装 Filebeat，并指定目录与日志格式，Filebeat 就能快速收集数据，并发送给 logstash 进行解析，或是直接发给 Elasticsearch 存储，性能上相比运行于 JVM 上的 logstash 优势明显，是对它的替代。常应用于 EFLK 架构当中。（如果要使用过滤功能的话，Filebeat不能完全替代logstash，Filebeat没有过滤功能，收集数据后需要发送给 logstash 进行处理）

filebeat 结合 logstash 带来好处：

  1. 通过 Logstash 具有基于磁盘的自适应缓冲系统，该系统将吸收传入的吞吐量，从而减轻 Elasticsearch 持续写入数据的压力。
  2. 从其他数据源（例如数据库，S3对象存储或消息传递队列）中提取。
  3. 将数据发送到多个目的地，例如S3，HDFS（Hadoop分布式文件系统）或写入文件。
  1. 使用条件数据流逻辑组成更复杂的处理管道。

1.2.2 缓存/消息队列（redis、kafka、RabbitMQ等）

  • 可以对高并发日志数据进行流量削峰和缓冲，这样的缓冲可以一定程度的保护数据不丢失，还可以对整个架构进行应用解耦。

1.2.3 Fluentd

是一个流行的开源数据收集器。由于 logstash 太重量级的缺点，Logstash 性能低、资源消耗比较多等问题，随后就有 Fluentd 的出现。相比较 logstash，Fluentd 更易用、资源消耗更少、性能更高，在数据处理上更高效可靠，受到企业欢迎，成为 logstash 的一种替代方案，常应用于 EFK 架构当中。在 Kubernetes 集群中也常使用 EFK 作为日志数据收集的方案。

在 Kubernetes 集群中一般是通过 DaemonSet 来运行 Fluentd，以便它在每个 Kubernetes 工作节点上都可以运行一个 Pod。 它通过获取容器日志文件、过滤和转换日志数据，然后将数据传递到 Elasticsearch 集群，在该集群中对其进行索引和存储。

1.3 为什么要用ELK

日志主要包括系统日志、应用程序日志和安全日志。系统运维和开发人员可以通过日志了解服务器软硬件信息、检查配置过程中的错误及错误发生的原因。经常分析日志可以了解服务器的负荷，性能安全性，从而及时采取措施纠正错误。

往往单台机器的日志我们使用grep、awk等工具就能基本实现简单分析，但是当日志被分散的储存不同的设备上。如果你管理数十上百台服务器，你还在使用依次登录每台机器的传统方法查阅日志。这样是不是感觉很繁琐和效率低下。当务之急我们使用集中化的日志管理，例如：开源的syslog，将所有服务器上的日志收集汇总。集中化管理日志后，日志的统计和检索又成为一件比较麻烦的事情，一般我们使用 grep、awk和wc等Linux命令能实现检索和统计，但是对于要求更高的查询、排序和统计等要求和庞大的机器数量依然使用这样的方法难免有点力不从心。

一般大型系统是一个分布式部署的架构，不同的服务模块部署在不同的服务器上，问题出现时，大部分情况需要根据问题暴露的关键信息，定位到具体的服务器和服务模块，构建一套集中式日志系统，可以提高定位问题的效率。

1.4 完整日志系统的基本特征

  • 收集：能够采集多种来源的日志数据
  • 传输：能够稳定的把日志数据解析过滤并传输到存储系统
  • 存储：存储日志数据
  • 分析：支持 UI 分析
  • 警告：能够提供错误报告，监控机制

1.5 ELK 的工作原理

（1）在所有需要收集日志的服务器上部署Logstash；或者先将日志进行集中化管理在日志服务器上，在日志服务器上部署 Logstash。

（2）Logstash 收集日志，将日志格式化并输出到 Elasticsearch 群集中。

（3）Elasticsearch 对格式化后的数据进行索引和存储。

（4）Kibana 从 ES 群集中查询数据生成图表，并进行前端数据的展示。

image.png

二、ELK集群部署

服务器IP 主机名 软件
192.168.147.100 node1 Elasticsearch Kibana
192.168.147.101 node2 Elasticsearch
192.168.147.102 apache Logstash Apache

2.1 部署 Elasticsearch（在Node1、Node2节点上操作）

2.1.1 环境准备

更改主机名、配置域名解析、查看Java环境

Node1节点：hostnamectl set-hostname node1
Node2节点：hostnamectl set-hostname node2
vim /etc/hosts
192.168.147.100 node1
192.168.147.101 node2
注：版本问题
java -version                   #如果没有安装，yum -y install java
openjdk version "1.8.0_131"
OpenJDK Runtime Environment (build 1.8.0_131-b12)
OpenJDK 64-Bit Server VM (build 25.131-b12, mixed mode)
建议使用jdk

image.png

2.1.2 部署 Elasticsearch 软件

（1）安装elasticsearch—rpm包

#上传elasticsearch-5.5.0.rpm到/opt目录下
cd /opt
rpm -ivh elasticsearch-5.5.0.rpm

image.png

（2）加载系统服务

systemctl daemon-reload
systemctl enable elasticsearch.service

image.png

（3）修改elasticsearch主配置文件

cp /etc/elasticsearch/elasticsearch.yml /etc/elasticsearch/elasticsearch.yml.bak
vim /etc/elasticsearch/elasticsearch.yml
--17--取消注释，指定集群名字
cluster.name: my-elk-cluster
--23--取消注释，指定节点名字：Node1节点为node1，Node2节点为node2
node.name: node1
--33--取消注释，指定数据存放路径
path.data: /data/elk_data
--37--取消注释，指定日志存放路径
path.logs: /var/log/elasticsearch/
--43--取消注释，改为在启动的时候不锁定内存
bootstrap.memory_lock: false
--55--取消注释，设置监听地址，0.0.0.0代表所有地址
network.host: 0.0.0.0
--59--取消注释，ES 服务的默认监听端口为9200
http.port: 9200
--68--取消注释，集群发现通过单播实现，指定要发现的节点 node1、node2
discovery.zen.ping.unicast.hosts: ["node1", "node2"]
grep -v "^#" /etc/elasticsearch/elasticsearch.yml

image.png

image.png

image.png

image.png

image.png

（4）创建数据存放路径并授权

mkdir -p /data/elk_data
chown elasticsearch:elasticsearch /data/elk_data/

image.png

（5）启动elasticsearch是否成功开启

systemctl start elasticsearch.service
netstat -antp | grep 9200

image.png

（6）查看节点信息

浏览器访问  http://192.168.147.100:9200   、 http://192.168.147.101:9200 查看节点 Node1、Node2 的信息。
浏览器访问 http://192.168.147.100:9200/_cluster/health?pretty  、 http://192.168.147.101:9200/_cluster/health?pretty查看群集的健康情况，可以看到 status 值为 green（绿色）， 表示节点健康运行。
浏览器访问 http://192.168.147.100:9200/_cluster/state?pretty  检查群集状态信息。
#使用上述方式查看群集的状态对用户并不友好，可以通过安装 Elasticsearch-head 插件，可以更方便地管理群集。

image.png

image.png

image.png

image.png

image.png

2.1.3 安装 Elasticsearch-head 插件

Elasticsearch 在 5.0 版本后，Elasticsearch-head 插件需要作为独立服务进行安装，需要使用npm工具（NodeJS的包管理工具）安装。

安装 Elasticsearch-head 需要提前安装好依赖软件 node 和 phantomjs。

node：是一个基于 Chrome V8 引擎的 JavaScript 运行环境。

phantomjs：是一个基于 webkit 的JavaScriptAPI，可以理解为一个隐形的浏览器，任何基于 webkit 浏览器做的事情，它都可以做到。

（1）编译安装 node

#上传软件包 node-v8.2.1.tar.gz 到/opt
yum install gcc gcc-c++ make -y
cd /opt
tar zxvf node-v8.2.1.tar.gz
cd node-v8.2.1/
./configure
make && make install

image.png

（2）安装 phantomjs（前端的框架）

#上传软件包 phantomjs-2.1.1-linux-x86_64.tar.bz2 到
cd /opt
tar jxvf phantomjs-2.1.1-linux-x86_64.tar.bz2 -C /usr/local/src/
cd /usr/local/src/phantomjs-2.1.1-linux-x86_64/bin
cp phantomjs /usr/local/bin

image.png

（3）安装 Elasticsearch-head 数据可视化工具

#上传软件包 elasticsearch-head.tar.gz 到/opt
cd /opt
tar zxvf elasticsearch-head.tar.gz -C /usr/local/src/
cd /usr/local/src/elasticsearch-head/
npm install

image.png

（4）修改 Elasticsearch 主配置文件

vim /etc/elasticsearch/elasticsearch.yml
......
--末尾添加以下内容--
http.cors.enabled: true       #开启跨域访问支持，默认为 false
http.cors.allow-origin: "*"     #指定跨域访问允许的域名地址为所有
systemctl restart elasticsearch

image.png

（5）启动 elasticsearch-head 服务

#必须在解压后的 elasticsearch-head 目录下启动服务，进程会读取该目录下的 gruntfile.js 文件，否则可能启动失败。
cd /usr/local/src/elasticsearch-head/
npm run start &
> elasticsearch-head@0.0.0 start /usr/local/src/elasticsearch-head
> grunt server
Running "connect:server" (connect) task
Waiting forever...
Started connect web server on http://localhost:9100
#elasticsearch-head 监听的端口是 9100
netstat -natp |grep 9100

image.png

（6）通过 Elasticsearch-head 查看 Elasticsearch 信息

通过浏览器访问 http://192.168.147.100:9100 地址并连接群集。如果看到群集健康值为 green 绿色，代表群集很健康。

image.png

（7）插入索引

#通过命令插入一个测试索引，索引为 index-demo，类型为 test。
//输出结果如下：curl -X PUT 'localhost:9200/index-demo/test/1?pretty&pretty' -H 'content-Type: application/json' -d '{"user":"zhangsan","mesg":"hello world"}'
{
"_index" : "index-demo",
"_type" : "test",
"_id" : "1",
"_version" : 1,
"result" : "created",
"_shards" : {
"total" : 2,
"successful" : 2,
"failed" : 0
},
"created" : true
}
浏览器访问 http://192.168.147.100:9100/ 查看索引信息，可以看见索引默认被分片5个，并且有一个副本。
点击“数据浏览”，会发现在node1上创建的索引为 index-demo，类型为 test 的相关信息。

image.png

image.png

image.png

2.2 部署 Logstash（在 Apache 节点上操作）

Logstash 一般部署在需要监控其日志的服务器。在本案例中，Logstash 部署在 Apache 服务器上，用于收集 Apache 服务器的日志信息并发送到 Elasticsearch。

1. 更改主机名

hostnamectl set-hostname apache

2. 安装Apahce服务（httpd）

yum -y install httpd
systemctl start httpd

3. 安装Java环境

yum -y install java
java -version

4. 安装logstash

#上传软件包 logstash-5.5.1.rpm 到/opt目录下
cd /opt
rpm -ivh logstash-5.5.1.rpm
systemctl start logstash.service
systemctl enable logstash.service
ln -s /usr/share/logstash/bin/logstash /usr/local/bin/

image.png

5. 测试 Logstash

1、Logstash 命令常用选项：

image.png

2、定义输入和输出流：

输入采用标准输入，输出采用标准输出（类似管道）

logstash -e 'input { stdin{} } output { stdout{} }'
......
www.baidu.com                   #键入内容（标准输入）
2020-12-22T03:58:47.799Z node1 www.baidu.com    #输出结果（标准输出）
www.sina.com.cn                   #键入内容（标准输入）
2017-12-22T03:59:02.908Z node1 www.sina.com.cn    #输出结果（标准输出）
//执行 ctrl+c 退出

image.png

使用 rubydebug 输出详细格式显示，codec 为一种编解码器

logstash -e 'input { stdin{} } output { stdout{ codec=>rubydebug } }'
......
www.baidu.com                   #键入内容（标准输入）
{
    "@timestamp" => 2020-12-22T02:15:39.136Z,   #输出结果（处理后的结果）
      "@version" => "1",
          "host" => "apache",
       "message" => "www.baidu.com"
}

image.png

使用 Logstash 将信息写入 Elasticsearch 中

logstash -e 'input { stdin{} } output { elasticsearch { hosts=>["192.168.147.100:9200"] } }'
       输入       输出      对接
......
www.baidu.com                   #键入内容（标准输入）
www.sina.com.cn                   #键入内容（标准输入）
www.google.com                    #键入内容（标准输入）
//结果不在标准输出显示，而是发送至 Elasticsearch 中，可浏览器访问 http://192.168.147.100:9100/ 查看索引信息和数据浏览。

image.png

6. 定义 logstash配置文件

Logstash 配置文件基本由三部分组成：input、output 以及 filter（可选，根据需要选择使用）

input：表示从数据源采集数据，常见的数据源如Kafka、日志文件等

filter：表示数据处理层，包括对数据进行格式化处理、数据类型转换、数据过滤等，支持正则表达式

output：表示将Logstash收集的数据经由过滤器处理之后输出到Elasticsearch。

格式如下：

input {...}
filter {...}
output {...}

在每个部分中，也可以指定多个访问方式。例如，若要指定两个日志来源文件，则格式如下：

input {
  file { path =>"/var/log/messages" type =>"syslog"}
  file { path =>"/var/log/httpd/access.log" type =>"apache"}
}

修改 Logstash 配置文件，让其收集系统日志/var/log/messages，并将其输出到 elasticsearch 中。

chmod +r /var/log/messages          #让 Logstash 可以读取日志
vim /etc/logstash/conf.d/system.conf
input {
    file{
        path =>"/var/log/messages"            #指定要收集的日志的位置
        type =>"system"                 #自定义日志类型标识
        start_position =>"beginning"          #表示从开始处收集
    }
}
output {
    elasticsearch {                   #输出到 elasticsearch
        hosts => ["192.168.10.13:9200"]         #指定 elasticsearch 服务器的地址和端口
        index =>"system-%{+YYYY.MM.dd}"         #指定输出到 elasticsearch 的索引格式
    }
}
systemctl restart logstash

image.png

7. 访问测试

浏览器访问 http://192.168.147.100:9100/ 查看索引信息

image.png

2.3 Kiabana 部署（在 Node1 节点上操作）

2.3.1 安装 Kiabana

#上传软件包 kibana-5.5.1-x86_64.rpm 到/opt目录
cd /opt
rpm -ivh kibana-5.5.1-x86_64.rpm

image.png

2.3.2 设置 Kibana 的主配置文件

vim /etc/kibana/kibana.yml
--2--取消注释，Kiabana 服务的默认监听端口为5601
server.port: 5601
--7--取消注释，设置 Kiabana 的监听地址，0.0.0.0代表所有地址
server.host: "0.0.0.0"
--21--取消注释，设置和 Elasticsearch 建立连接的地址和端口
elasticsearch.url: "http://192.168.147.100:9200" 
--30--取消注释，设置在 elasticsearch 中添加.kibana索引
kibana.index: ".kibana"

image.png

2.3.3 启动 Kibana 服务

systemctl start kibana.service
systemctl enable kibana.service
netstat -natp | grep 5601

image.png

2.3.4 验证 Kibana

浏览器访问 http://192.168.147.100:5601
第一次登录需要添加一个 Elasticsearch 索引：
Index name or pattern
//输入：system-*     #在索引名中输入之前配置的 Output 前缀“system”
单击 “create” 按钮创建，单击 “Discover” 按钮可查看图表信息及日志信息。
数据展示可以分类显示，在“Available Fields”中的“host”，然后单击 “add”按钮，可以看到按照“host”筛选后的结果

image.png

2.3.5 将 Apache 服务器的日志（访问的、错误的）添加到 Elasticsearch 并通过 Kibana 显示

vim /etc/logstash/conf.d/apache_log.conf
input {
    file{
        path => "/etc/httpd/logs/access_log"
        type => "access"
        start_position => "beginning"
    }
    file{
        path => "/etc/httpd/logs/error_log"
        type => "error"
        start_position => "beginning"
    }
}
output {
    if [type] == "access" {
        elasticsearch {
            hosts => ["192.168.147.100:9200","192.168.147.101:9200"]
            index => "apache_access-%{+YYYY.MM.dd}"
        }
    }
  if [type] == "error" {
        elasticsearch {
            hosts => ["192.168.147.100:9200","192.168.147.101:9200"]
            index => "apache_error-%{+YYYY.MM.dd}"
        }
    }
}
cd /etc/logstash/conf.d/
/usr/share/logstash/bin/logstash -f apache_log.conf

image.png

image.pngimage.png

2.3.6 浏览器访问

浏览器访问 http://192.168.147.100:9100 查看索引是否创建

浏览器访问 http://192.168.147.100:5601 登录 Kibana，单击“Create Index Pattern”按钮添加索引， 在索引名中输入之前配置的 Output 前缀 apache_access-，并单击“Create”按钮。在用相同的方法添加 apache_error-索引。

选择“Discover”选项卡，在中间下拉列表中选择刚添加的 apache_access-、apache_error-索引， 可以查看相应的图表及日志信息。

image.png

image.png

image.pngimage.png

image.png

image.png

image.png

三、ELFK部署（Filebeat + ELK）

image.png

3.1 安装 Filebeat

#上传软件包 filebeat-6.2.4-linux-x86_64.tar.gz 到/opt目录
tar zxvf filebeat-6.2.4-linux-x86_64.tar.gz
mv filebeat-6.2.4-linux-x86_64/ /usr/local/filebeat

image.png

3.2 设置 filebeat 的主配置文件

cd /usr/local/filebeat
vim filebeat.yml
filebeat.prospectors:
- type: log         #指定 log 类型，从日志文件中读取消息
  enabled: true
  paths:
    - /var/log/messages       #指定监控的日志文件
    - /var/log/*.log
      fields:           #可以使用 fields 配置选项设置一些参数字段添加到 output 中
        service_name: filebeat
        log_type: log
        service_id: 192.168.147.103
--------------Elasticsearch output-------------------
(全部注释掉)
----------------Logstash output---------------------
output.logstash:
  hosts: ["192.168.147.102:5044"]      #指定 logstash 的 IP 和端口
#启动 filebeat
./filebeat -e -c filebeat.yml

image.png

image.png

3.3 在 Logstash 组件所在节点上新建一个 Logstash 配置文件

cd /etc/logstash/conf.d
vim logstash.conf
input {
    beats {
        port => "5044"
    }
}
output {
    elasticsearch {
        hosts => ["192.168.147.100:9200","192.168.147.101:9200"]
        index => "%{[fields][service_name]}-%{+YYYY.MM.dd}"
    }
    stdout {
        codec => rubydebug
    }
}
#启动 logstash
logstash -f logstash.conf

image.png

3.4 浏览器访问验证

浏览器访问 http://192.168.147.100:5601 登录 Kibana，单击“Create Index Pattern”按钮添加索引“filebeat-*”，单击 “create” 按钮创建，单击 “Discover” 按钮可查看图表信息及日志信息。

image.png

image.png

image.png




文章标签：
日志服务
检索分析服务 Elasticsearch版
索引
存储
监控
Apache
消息中间件
关键词：
日志服务系统
ELK日志
elk日志服务
ELK日志分析
elfk日志服务系统
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。
m0_58076958
目录
相关文章
运维有小邓
|
25天前
|
存储 监控 安全
什么是事件日志管理系统？事件日志管理系统有哪些用处？
事件日志管理系统是IT安全的重要工具，用于集中收集、分析和解释来自组织IT基础设施各组件的事件日志，如防火墙、路由器、交换机等，帮助提升网络安全、实现主动威胁检测和促进合规性。系统支持多种日志类型，包括Windows事件日志、Syslog日志和应用程序日志，通过实时监测、告警及可视化分析，为企业提供强大的安全保障。然而，实施过程中也面临数据量大、日志管理和分析复杂等挑战。EventLog Analyzer作为一款高效工具，不仅提供实时监测与告警、可视化分析和报告功能，还支持多种合规性报告，帮助企业克服挑战，提升网络安全水平。
运维有小邓
52 2
warmhearted
|
1月前
|
存储 监控 安全
开源日志分析ELK Stack (Elasticsearch, Logstash, Kibana)
【10月更文挑战第21天】
warmhearted
182 7
蓝易云
|
1月前
|
存储 Linux Docker
centos系统清理docker日志文件
通过以上方法，可以有效清理和管理CentOS系统中的Docker日志文件，防止日志文件占用过多磁盘空间。选择合适的方法取决于具体的应用场景和需求，可以结合手动清理、logrotate和调整日志驱动等多种方式，确保系统的高效运行。
蓝易云
109 2
最好zzz
|
2月前
|
XML JSON 监控
告别简陋：Java日志系统的最佳实践
【10月更文挑战第19天】 在Java开发中，`System.out.println()` 是最基本的输出方法，但它在实际项目中往往被认为是不专业和不足够的。本文将探讨为什么在现代Java应用中应该避免使用 `System.out.println()`，并介绍几种更先进的日志解决方案。
最好zzz
64 1
GG2020gg
|
2月前
|
监控 网络协议 安全
Linux系统日志管理
Linux系统日志管理
GG2020gg
64 3
qa浪涛
|
2月前
|
监控 应用服务中间件 网络安全
#637481#基于django和neo4j的日志分析系统
#637481#基于django和neo4j的日志分析系统
qa浪涛
40 4
廖文
|
2月前
|
监控 Linux 测试技术
Linux系统命令与网络，磁盘和日志监控总结
Linux系统命令与网络，磁盘和日志监控总结
廖文
70 0
廖文
|
2月前
|
监控 Linux 测试技术
Linux系统命令与网络，磁盘和日志监控三
Linux系统命令与网络，磁盘和日志监控三
廖文
49 0
bruce_xiaowei
|
3月前
使用装饰器实现自动化日志系统
使用装饰器实现自动化日志系统
bruce_xiaowei
27 0
1176112968452250
|
3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)
1176112968452250
173 0

热门文章

最新文章

  • 1
    什么是ELK栈？如何与Spring Boot一起使用？
  • 2
    【日志框架整合】Slf4j、Log4j、Log4j2、Logback配置模板
  • 3
    云上数据安全保护：敏感日志扫描与脱敏实践详解
  • 4
    一行代码都不改，Golang 应用链路指标日志全知道
  • 5
    阿里云DTS踩坑经验分享系列｜SLS同步至ClickHouse集群
  • 6
    开源日志Graylog
  • 7
    开源日志分析ELK Stack (Elasticsearch, Logstash, Kibana)
  • 8
    拥抱Data+AI｜解码Data+AI助力游戏日志智能分析
  • 9
    一行代码改进：Logtail的多行日志采集性能提升7倍的奥秘
  • 10
    Docker面试整理-如何查看和管理Docker容器的日志？
  • 1
    启用Linux防火墙日志记录和分析功能
    25
  • 2
    日志服务 SQL 引擎全新升级
    21
  • 3
    3D-Speaker：阿里通义开源的多模态说话人识别项目，支持说话人识别、语种识别、多模态识别、说话人重叠检测和日志记录
    75
  • 4
    MySQL崩溃保险箱：探秘Redo/Undo日志确保数据库安全无忧！
    21
  • 5
    Mysql并发控制和日志
    44
  • 6
    云上数据安全保护：敏感日志扫描与脱敏实践详解
    78
  • 7
    什么是Apache日志？为什么Apache日志分析很重要？
    38
  • 8
    使用事件日志识别常见 Windows 错误
    37
  • 9
    南大通用GBase 8a配置gcware日志等级，减少日志输出，节省磁盘IO
    33
  • 10
    MySQL进阶突击系列(02)一条更新SQL执行过程 | 讲透undoLog、redoLog、binLog日志三宝
    68

    • 相关课程

    更多
  • 基于MongoDB构建实时日志分析平台
  • 日志服务SLS实现云产品可观测
  • 日志服务 SLS 可观测数据分析平台介绍
  • 大数据知识图谱系列—基于ELK+Flink日志全观测最佳实践
  • 场景实践-基于阿里云Quick BI 对MOOC网站日志分析

    • 相关电子书

    更多
  • Python 系列直播——深入Python与日志服务，玩转大规模数据分析处理实战第二讲
  • Python第四讲——使用IPython/Jupyter Notebook与日志服务玩转超大规模数据分析与可视化
  • 基于ELK的大数据平台实践分享

    • 相关实验场景

    更多
  • 使用CloudLens管理SLS日志采集
  • 使用CloudLens采集PolarDB日志并进行审计分析
  • 使用CloudLens采集RDS日志并进行审计分析
  • 使用日志服务SLS进行OSS可观测分析
  • 多账号体系下使用日志服务中心化的管理日志
  • 日志服务之告警接入与管理
    • 下一篇
    手把手教你白嫖阿里云服务器(免费领服务器)