全面提升，阿里云 Docker / Kubernetes(K8S) 日志解决方案与选型对比

背景

众所周知，Docker很火，Docker中Kubernetes（简称K8S）最火。相对物理机、VM，Docker提供了更加简单、轻量、高性价比的部署与运维方法；而K8S在Docker之上，更进一步提供了对管理基础设施的抽象，形成了真正意义上的一站式部署与运维方案。

K8S提供了强有力工作调度、水平扩展、健康监测、维护高可用性等能力，同时提供了网络、文件系统的抽象与管理，所以对于已有应用上K8S或者基于K8S部署应用十分便捷。但这里有一部分令开发和运维人员比较头疼--日志采集。

难点分析

基于VM或者物理机部署的应用，日志采集相关技术都比较完善，有比较健全的Logstash、Fluentd、FileBeats等。但在Docker中，尤其在K8S中，日志采集并没有很好的解决方案，主要原因如下：

1. 采集目标多：需要采集宿主机日志、容器内日志、容器stdout。针对每种数据源都有对应的采集软件，但缺乏一站式解决方案。
2. 弹性伸缩难：K8S是一个分布式的集群，服务、环境的弹性伸缩对于日志采集带来了很大的困难，采集的动态性以及数据完整性是非常大的挑战。
3. 运维成本大：现有的方案只能使用多种软件组合采集，各个软件组装起来的系统稳定性难以保障，且缺乏中心化的管理、配置、监控手段，运维负担巨大。
4. 侵入性高：Docker Driver扩展需要修改底层引擎；一个Container对应一个采集Agent又会产生资源竞争和浪费。
5. 采集性能低：正常情况下一个Docker Engine会运行数十个甚至数百个Container，此时开源Agent日志采集性能以及资源消耗十分堪忧。

基于阿里巴巴多年来容器服务日志采集的经验积累，并结合阿里云Kubernetes内测以来广大用户的反馈与诉求，现在，日志服务为K8S带来真正意义上的一站式日志解决方案。

技术方案

架构简介

如上图所示，我们只需要在Kubernetes集群中的每个节点上部署一个Logtail的容器，即可实现该节点上宿主机日志、容器日志、容器stdout等所有数据源的一站式采集。我们针对K8S提供了DaemonSet部署模板，1分钟内即可完成整个集群部署，并且后续集群动态伸缩无需对采集做任何二次部署。具体请参见使用方式章节。

日志服务客户端Logtail目前已有百万级部署，每天采集上万应用、数PB的数据，历经多次双11、双12考验。相关技术分享可以参见文章：多租户隔离技术+双十一实战效果，Polling + Inotify 组合下的日志保序采集方案。

依托阿里云日志服务强大的功能，对于采集到的日志数据，我们提供：

1. 上下文查询，从茫茫数据中快速定位异常数据，并支持定位异常所在Container/Pod的上下文日志
2. 实时的海量数据分析，1秒即可完成1亿条数据的统计分析
3. 自带报表、告警功能，老板、开发、运维全搞定
4. 流计算对接：storm、flink、blink、spark streaming等等都支持
5. 外接可视化：Grafana、DataV轻松对接
6. 日志归档投递：支持投递OSS归档存储，也支持投递MaxCompute进行离线分析

采集方案优势

关于日志服务整体的优势这里不再赘述，本文主要探讨日志服务Kubernetes采集方案的相关优势。这里我们主要总结了以下几点：

方案对比

相对Logstash、Fluentd主流日志采集方式，对比如下：

使用方式

部署K8S的日志采集只需分为3个步骤，1分钟内即可完成集群部署（详细帮助文档参见[K8S采集帮助]()），这可能是你见过的最简单的K8S日志采集部署方案：

1. 部署Logtail的DaemonSet。体力消耗：一条wget名，vi 修改3个参数，执行一条kubectl命令
2. 日志服务控制台创建自定义标识机器组(后续集群动态伸缩无需额外操作)。体力消耗：web控制台点击几次，输入一个ID
3. 日志服务控制台创建采集配置(所有采集均为服务端配置，无需本地运维)。体力消耗：stdout采集 web控制台点击几次；文件采集 web控制台点击几次，输入2个path

• 除K8S外，日志服务还支持标准docker部署方式
  

核心技术简介

自定义标识机器组

日志采集支持K8S弹性伸缩的关键就是Logtail的自定义标识机器组。通常采集Agent远程管理的方案都以IP或者hostname作为标识，此方案在集群规模较小以及环境变化性不强的情况下较为适用，当机器规模扩大、弹性伸缩成为常态时运维成本承指数级升高。

基于集团内数年来的Agent运维经验总结，我们设计了一种灵活性更高、使用更加便捷、耦合度更低的配置&机器管理方式：

1. 机器组除支持静态ip设置外，也支持自定义标识的方式：所有Logtail只要定义了该标识则自动关联到对应的机器组。
2. 一个Logtail可属于多个机器组，一个机器组可包含多个Logtail，实现Logtail与机器组的解耦。
3. 一个采集配置可应用到多个机器组，一个机器组可关联多个采集配置，实现机器组与采集配置的解耦。

以上概念映射到K8S中，可实现各种灵活的配置：

1. 一个K8S集群对应一个自定义标识的机器组。同一集群的Logtail使用相同配置，K8S集群伸缩时对应Logtail的DaemonSet自动伸缩，Logtail启动后立即就会获取和该机器组关联的所有配置。
2. 一个K8S集群中配置多种不同采集配置。根据不同Pod需求设置对应的采集配置，所有涉及容器采集的配置均支持IncludeLabel、ExcluseLabel过滤
3. 同一配置可应用到多个K8S集群。如果您有多个的K8S集群，若其中有部分服务日志采集逻辑相同，您可以将同一配置应用到多个集群，无需额外配置。

容器自动发现

Logtail和很多软件（Logspout、MetricBeats、Telegraf等）一样内置了容器的自动发现机制。当前开源的容器自动发现均采用一次扫描+事件监听的方式，即：初次运行时获取当前所有的容器信息，后续监听docker engine的事件信息，增量更新信息。

此种方式效率相对最高，但有一定概率遗漏部分信息：

1. 获取所有容器信息到docker engine事件监听建立期间的这部分的增量信息会丢失
2. 事件监听可能会因为某些异常情况而终止，终止后到监听重新建立期间的增量信息会丢失

考虑以上问题，Logtail采用了事件监听与定期全量扫描的方式实现容器的自动发现：

1. 首先注册监听事件，其次再全量扫描
2. 每隔一段时间执行一次全量扫描，全量更新meta信息（时间间隔高到对docker engine压力无影响）

容器文件自动渲染

容器日志采集只需要配置容器内的文件路径，并且支持各种采集模式：极简、Nginx模板、正则、分隔符、JSON等。相对传统的绝对路径采集，容器内日志采集动态性极强，为此我们专门实现了一套容器路径的自动匹配与配置渲染方案：

1. Logtail会根据配置的容器路径，查找容器对应路径在宿主机上的映射关系
2. 根据宿主机路径以及容器的元数据信息（container name、pod、namespace...）渲染出正常的采集配置
3. Logtail文件采集模块加载渲染的配置并采集数据
4. 当容器销毁时删除相应渲染的配置

可靠性保证

日志采集中的可靠性保证是非常重要也非常困难的工作。在Logtail的设计中，进程退出、异常终止、程序升级被认为是常态，在这些情况发生时Logtail需尽可能保证数据的可靠性。针对容器数据采集的动态特点，Logtail在之前可靠性保证的基础上，新增了容器标准输出以及容器文件的checkpoint维护机制

容器标准输出checkpoint管理

1. 容器stdout和stderr的checkpoint独立保存
2. checkpoint保存策略：定期dump所有容器当前的checkpoint；配置更新/进程退出时强制保存
3. 配置加载时，默认从checkpoint处开始采集，若无checkpoint，则从5秒前采集
4. 考虑到配置删除时并不会删除checkpoint，后台定期清除无效checkpoint

容器文件checkpoint管理

1. 除文件采集的checkpoint需保存外，还需保存容器meta的映射关系
2. checkpoint加载前需提前加载容器与文件之间的映射关系
3. 考虑到停止期间无法感知容器状态变化，所以每次启动时会渲染所有当前的配置。Logtail保证多次加载同一容器配置的幂等性。

总结

阿里云日志服务提供的解决方案完美地解决了K8S上日志采集难的问题，从之前需要多个软件、几十个部署流程精简到1款软件、3个操作即可轻松上云，让广大用户真正体验到一个字：爽，从此日志运维人员的生活质量大大提高。

目前Logtail除支持宿主机文件、容器文件、容器stdout采集外，还支持以下多种采集方式（这些方式K8S中均支持）：

1. syslog采集
2. Mysql binlog采集
3. JDBC采集
4. http采集

此外，Logtail即将推出Docker Event、Container Metric采集方式，敬请期待！

同志们有更多日志服务相关需求或问题请加钉钉群联系：

备注：本文作者元乙，点击移步原文链接。