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