【技术干货】想要高效采集数据到阿里云Elasticsearch，这些方法你知道吗？

简介：

本文全面介绍了Elastic Beats、Logstash、语言客户端以及Kibana开发者工具的特性及数据采集到阿里云Elasticsearch（简称ES）服务中的解决方案。帮助您全面了解原理并选择符合自身业务特色的数据采集方案。

本文字数：2763
阅读时间：预计10分钟

以下是正文

背景信息

对于数据搜索和分析来说，Elasticsearch无处不在。开发人员和社区可使用Elasticsearch寻找各种各样的用例，从应用程序搜索和网站搜索，到日志、基础架构监测、APM和安全分析，不一而足。虽然现在有针对这些用例的免费解决方案，但是开发人员首先需要将其数据提供给Elasticsearch。

本文提供了以下几种常见的将数据采集到阿里云ES中的方法。

• Elastic Beats
• Logstash
• 语言客户端
• Kibana开发工具

Elasticsearch提供了灵活的RESTful API，用于与客户端应用程序通信。因此，REST调用被用来采集数据、执行搜索和数据分析，以及管理集群及其索引。实际上，上述所有方法都依赖于REST API将数据采集到Elasticsearch。

Elastic Beats

Elastic Beats是一组轻量型的数据采集器，可以方便地将数据发送给Elasticsearch服务。由于是轻量型的，Beats不会产生太多的运行时开销，因此，可以在硬件资源有限的设备（如 IoT 设备、边缘设备或嵌入式设备）上运行和收集数据。如果您需要收集数据，但没有资源来运行资源密集型数据收集器，那么Beats会是您最佳的选择。这种无处不在（涵盖所有联网设备）的数据收集方式，让您能够快速检测到异常情况做出反应，例如系统范围内的问题和安全事件等。
当然，Beats并不局限于资源有限的系统，它们还可用于具有更多可用硬件资源的系统。
Beats有多种风格，可以收集不同类型的数据：

• Filebeat
  支持您从以文件形式提供的源中读取、预处理和传输数据。虽然大多数用户使用Filebeat来读取日志文件，但它也支持非二进制文件格式。Filebeat还支持多种其他数据源，包括TCP/UDP、容器、Redis和Syslog。借助丰富的模块，可以轻松针对Apache、MySQL和Kafka等常见应用程序的日志格式，进行收集，并解析相应的数据。

• Metricbeat
  可以收集并预处理系统和服务指标。系统指标包括关于运行中进程的相关信息，以及CPU/内存/磁盘/网络利用率方面的数据。这些模块可用于收集来自许多不同服务的数据，包括Kafka、Palo Alto Networks、Redis等。

• Packetbeat
  可收集并预处理实时网络数据，从而支持应用程序监测、安全和网络性能分析。此外，Packetbeat还支持DHCP、DNS、HTTP、MongoDB、NFS和TLS协议。

• Winlogbeat
  可从Windows操作系统捕获事件日志，包括应用程序事件、硬件事件，以及安全和系统事件。

• Auditbeat
  可以检测对关键文件的更改，并从Linux的审计框架收集事件。不同的模块简化了它的部署，这主要在安全分析用例中使用。

• Heartbeat
  使用探测来监测系统和服务的可用性。因此，Heartbeat在许多场景中都很有用，例如基础架构监测和安全分析。ICMP、TCP和HTTP都是受支持的协议。

• Functionbeat
  可以从无服务器环境（如 AWS Lambda）中收集日志和指标。

您可以参考阿里云Elasticsearch通过Beats搭建可视化运维系统，学习Beats的使用方法。其他Beats的使用方法与此类似。

Logstash

Logstash是一个强大而灵活的工具，可以读取、处理和传送任何类型的数据。Logstash提供了许多功能，这些功能目前还不可用，或者通过Beats执行成本太高，例如通过对外部数据源执行查找来丰富文档。不管采用哪种方式，Logstash的这种功能和灵活性都是有代价的。此外，Logstash的硬件要求也显著高于Beats。严格来说，Logstash通常不应部署在低资源设备上。因此，在Beats功能不足以满足特定用例要求的情况下，可将Logstash用作其替代选择。

一种常见的架构模式是将Beats和Logstash组合起来：使用Beats来收集数据，并使用Logstash来执行Beats无法执行的数据处理任务。

Logstash概述

阿里云Elasticsearch提供了Logstash服务。阿里云Logstash Service作为服务器端的数据处理管道，提供了100%兼容开源的Logstash功能，能够动态地从多个来源采集数据、转换数据，并且将数据存储到所选择的位置。通过输入、过滤和输出插件，Logstash可以对任何类型的事件加工和转换。
Logstash通过事件处理管道来执行任务，其中每个管道至少包含以下各项中的一个：

• 输入
  从数据源读取数据。官方支持多种数据源，包括文件、http、imap、jdbc、kafka、syslog、tcp和udp。

• 过滤器
  以多种方式处理和丰富数据。在许多情况下，首先需要将非结构化的日志行解析为更加结构化的格式。因此，除其他功能外，Logstash还在正则表达式的基础上，提供了解析CSV、JSON、键/值对、分隔的非结构化数据，以及复杂的非结构化数据的过滤器（grok 过滤器）。Logstash还提供了更多的过滤器，通过执行DNS查找，添加关于IP地址的地理信息，或通过对自定义目录或Elasticsearch索引执行查找来丰富数据。通过这些附加的过滤器，能够对数据进行各种转换，例如重命名、删除、复制数据字段和值（mutate 过滤器）。

• 输出
  将解析后并加以丰富的数据写入数据接收器，是Logstash处理管道的最后阶段。虽然有很多输出插件可用，但本文主要讨论如何使用Elasticsearch输出，将数据采集到Elasticsearch服务中。

Logstash示例管道

以下提供了一个示例Logstash管道，该管道能够：

• 读取Elastic博客RSS源。
• 通过复制/重命名字段、删除特殊字符以及HTML标记，来执行一些简单的数据预处理。
• 将文档采集到Elaticsearch。

1.参考通过Kibana配置Pipeline，按照以下示例配置阿里云Logstash管道。

input { 
  rss { 
    url => "/blog/feed" 
    interval => 120 
  } 
} 
filter { 
  mutate { 
    rename => [ "message", "blog_html" ] 
    copy => { "blog_html" => "blog_text" } 
    copy => { "published" => "@timestamp" } 
  } 
  mutate { 
    gsub => [  
      "blog_text", "<.*?>", "",
      "blog_text", "[\n\t]", " " 
    ] 
    remove_field => [ "published", "author" ] 
  } 
} 
output { 
  stdout { 
    codec => dots 
  } 
  elasticsearch { 
    hosts => [ "https://<your-elsaticsearch-url>" ] 
    index => "elastic_blog" 
    user => "elastic" 
    password => "<your-elasticsearch-password>" 
  } 
}

hosts需要替换为<对应阿里云Elasticsearch实例的内网地址>:9200；;password需要替换为对应阿里云Elasticsearch的访问密码。

1. 将Logstash与阿里云Elasticsearch相关联。详细操作方法请参见管道管理配置。
2. 在Kibana控制台中，查看索引数据。

POST elastic_blog/_search

1. 详细操作方法请参见执行任务并查看结果。

语言客户端

在某些情况下，最好将数据采集与自定义应用程序代码集成。为此，建议您使用一个官方支持的Elasticsearch客户端。这些客户端是抽象出数据采集低层细节的库，使您能够专注于特定应用程序的实际工作。Java、JavaScript、Go、.NET、PHP、Perl、Python和Ruby都有官方客户端。有关您所选语言的所有详细信息和代码示例，请参见相关文档即可。如果您的应用程序不是用上面所列语言编写的，则可以在社区贡献的客户端中查找相关文档。

Kibana开发工具

推荐您使用Kibana开发控制台，开发并调试Elasticsearch请求。Kibana开发工具公开了通用的Elasticsearch REST API的全部功能和灵活性，同时抽象出了底层HTTP请求的技术细节。您可以使用Kibana开发工具，将原始JSON文档添加到Elasticsearch中。

PUT my_first_index/_doc/1 
{ 
    "title" :"How to Ingest Into Elasticsearch Service",
    "date" :"2019-08-15T14:12:12",
    "description" :"This is an overview article about the various ways to ingest into Elasticsearch Service" 
}

说明 除了Kibana开发工具以外，您也可以使用其他工具，通过Elasticsearch提供的通用REST接口，与Elasticsearch通信并采集文档。例如curl是一款经常作为最后手段使用的工具，用于开发、调试或与自定义脚本集成。

总结

将数据采集到Elasticsearch服务的方法不胜枚举。您需要根据特定用例、需求和环境，选择合适的方法或工具来采集数据。

• Beats提供了一种方便、轻量级的开箱即用型解决方案，可以从许多不同的来源收集和采集数据。与Beats封装在一起的模块为许多常见数据库、操作系统、容器环境、Web服务器、缓存等，提供了数据获取、解析、索引和可视化的配置。这些模块可提供五分钟实现数据到仪表板的体验。因为Beats是轻量型的，所以非常适合资源受限的嵌入式设备，例如IoT设备或防火墙。
• Logstash是一种灵活的工具，可用于读取、转换和采集数据，提供了大量的过滤器、输入和输出插件。如果Beats的功能对于某些用例来说还不够，那么一种常见的架构模式是使用Beats来收集数据，并通过Logstash做进一步处理，然后再采集到Elasticsearch中。
• 当您需要直接从应用程序采集数据时，建议使用官方支持的客户端库。
• 当您需要对Elasticsearch请求进行开发或调试时，建议您使用Kibana开发工具。

加入我们

加入《Elasticsearch中文技术社区》，与更多开发者探讨交流

订阅《阿里云Elasticsearch技术交流期刊》每月定期为大家推送相关干货