目前大多数项目都是采用微服务架构,在项目的初期,为了按计划上线就没有搭建日志收集分析平台,日志都是保存在服务器本地,看日志时一个个的找。随着项目的服务越来越多,各个服务都是集群部署,服务器数量也快速增长,此时就暴露了很多的问题:
后期采用了蚂蚁金融云上的loghub,对日志进行统一的收集、存储。由于loghub不是开源的,对于loghub的具体实现不是太清楚。但是业界一般采用ELK(elasticsearch+logstash+kibana)来收集日志,其实原理和loghub差不多,下面就结合SpringBoot整合ELK进行讲解。
ELK是三个开源软件的缩写,分别表示:elasticsearch、logstash、kibana
方案一:logstash->elasticsearch->kibana
将logstash部署到每个节点,收集相关的日志,并经过分析过滤后发送到elasticsearch进行存储,elasticsearch将数据以分片的形势进行压缩存储,通过kibana对日志进行图形化的展示。
优点:此架构搭建简单,容易上手
缺点:
方案二:logstash->kafka->elasticsearch->kibana
logstash agent监控过滤日志,将过滤的日志内容发送给Kafka,logstash server将日志收集一起交给elasticsearch,引入了消息队列机制作为缓存池,即使logstash server出现异常,由于日志暂存在kafka消息队列中,能避免日志数据丢失,但是还是没有解决性能问题。
这次讲解选择的是第一种方案,第二种方案后期再进行实现
需要提前下载好docker镜像,elasticsearch、logstash、kibana我选都是6.4.0版本,最好版本要一致
docker pull elasticsearch:6.4.0 docker pull logstash:6.4.0 docker pull kibana:6.4.0 复制代码
logstash.conf的内容:
input {
tcp {
mode => "server"
host => "0.0.0.0"
port => 4560
codec => json_lines
}
}
output {
elasticsearch {
hosts => "es:9200"
index => "springboot-%{+YYYY.MM.dd}"
}
}
复制代码
docker-compose.yml的内容为:
version: '3'
services:
elasticsearch:
image: elasticsearch:6.4.0
container_name: elasticsearch
environment:
- "cluster.name=elasticsearch" #设置集群名称为elasticsearch
- "discovery.type=single-node" #以单一节点模式启动
- "ES_JAVA_OPTS=-Xms512m -Xmx512m" #设置使用jvm内存大小
volumes:
- /Users/storage/software/docker/elk/elasticsearch/plugins:/usr/share/elasticsearch/plugins #插件文件挂载
- /Users/storage/software/docker/elk/elasticsearch/data:/usr/share/elasticsearch/data #数据文件挂载
ports:
- 9200:9200
- 9300:9300
kibana:
image: kibana:6.4.0
container_name: kibana
links:
- elasticsearch:es #可以用es这个域名访问elasticsearch服务
depends_on:
- elasticsearch #kibana在elasticsearch启动之后再启动
environment:
- "elasticsearch.hosts=http://es:9200" #设置访问elasticsearch的地址
ports:
- 5601:5601
logstash:
image: logstash:6.4.0
container_name: logstash
volumes:
- /Users/storage/software/docker/elk/logstash/logstash.conf:/usr/share/logstash/pipeline/logstash.conf #挂载logstash的配置文件
depends_on:
- elasticsearch #kibana在elasticsearch启动之后再启动
links:
- elasticsearch:es #可以用es这个域名访问elasticsearch服务
ports:
- 4560:4560
复制代码
在该文件的目录下执行docker-compose命令运行
docker-compose up -d 复制代码
启动时间可能有点长,需要耐心等待
# 进入logstash容器(e9c845c8d48e为容器id) docker exec -it e9c845c8d48e /bin/bash # 进入bin目录 cd /bin/ # 安装插件 logstash-plugin install logstash-codec-json_lines # 退出容器 exit # 重启logstash服务 docker restart logstash 复制代码
访问地址: http://127.0.0.1:9200/
访问地址: http://127.0.0.1:5601
以上就是elasticsearch和kibana启动成功的界面
<!--集成logstash-->
<dependency>
<groupId>net.logstash.logback</groupId>
<artifactId>logstash-logback-encoder</artifactId>
<version>5.3</version>
</dependency>
复制代码
<!--输出到logstash的appender-->
<appender name="LOGSTASH" class="net.logstash.logback.appender.LogstashTcpSocketAppender">
<!--可以访问的logstash日志收集端口-->
<destination>127.0.0.1:4560</destination>
<encoder charset="UTF-8" class="net.logstash.logback.encoder.LogstashEncoder"/>
</appender>
<springProfile name="dev">
<root>
<level value="INFO"/>
<appender-ref ref="stdout"/>
<appender-ref ref="asyncInfo"/>
<appender-ref ref="asyncWarn"/>
<appender-ref ref="asyncError"/>
<appender-ref ref="LOGSTASH"/>
</root>
</springProfile>
<springProfile name="test,prod">
<root>
<level value="INFO"/>
<appender-ref ref="asyncInfo"/>
<appender-ref ref="asyncWarn"/>
<appender-ref ref="asyncError"/>
<appender-ref ref="LOGSTASH"/>
</root>
</springProfile>
复制代码
启动我们的项目就可以看到启动日志已经输出到elasticsearch中了
搭建了ELK日志系统后,我们就可以直接在kibana上看系统的日志了,还可以进行搜索