Monitoring / 运维笔记

ELK Stack 难点总结和整体优化

Einic Yeo · 3月22日 · 2019年 ·

ELK实用知识点总结


1、编码转换问题

这个问题,主要就是中文乱码。

input中的codec=>plain转码:

codec => plain {

         charset => "GB2312"

}

将GB2312的文本编码,转为UTF-8的编码。

也可以在filebeat中实现编码的转换(推荐):

filebeat.prospectors:

- input_type: log

  paths:

    - c:\Users\Administrator\Desktop\performanceTrace.txt

  encoding: GB2312

2、删除日志中的多余行

logstash filter中drop删除:

if ([message] =~ "^20.*-\ task\ request,.*,start\ time.*") {   #用正则需删除的多余行

            drop {}

    } 

日志示例:

2018-03-20 10:44:01,523 [33]DEBUG Debug - task request,task Id:1cbb72f1-a5ea-4e73-957c-6d20e9e12a7a,start time:2018-03-20 10:43:59   #需删除的行

-- Request String : 

{"UserName":"15046699923","Pwd":"ZYjyh727","DeviceType":2,"DeviceId":"PC-20170525SADY","EquipmentNo":null,"SSID":"pc","RegisterPhones":null,"AppKey":"ab09d78e3b2c40b789ddfc81674bc24deac","Version":"2.0.5.3"} -- End

-- Response String : 

{"ErrorCode":0,"Success":true,"ErrorMsg":null,"Result":null,"WaitInterval":30} -- End

3、grok处理多种日志格式

日志示例:

2018-03-20 10:44:01,523 [33]DEBUG Debug - task request,task Id:1cbb72f1-a5ea-4e73-957c-6d20e9e12a7a,start time:2018-03-20 10:43:59

-- Request String : 

{"UserName":"15046699923","Pwd":"ZYjyh727","DeviceType":2,"DeviceId":"PC-20170525SADY","EquipmentNo":null,"SSID":"pc","RegisterPhones":null,"AppKey":"ab09d78e3b2c40b789ddfc81674bc24deac","Version":"2.0.5.3"} -- End

-- Response String : 

{"ErrorCode":0,"Success":true,"ErrorMsg":null,"Result":null,"WaitInterval":30} -- End

在logstash filter中grok分别处理3行:

match => {

    "message" => "^20.*-\ task\ request,.*,start\ time\:%{TIMESTAMP_ISO8601:RequestTime}"

match => {

    "message" => "^--\ Request\ String\ :\ \{\"UserName\":\"%{NUMBER:UserName:int}\",\"Pwd\":\"(?<Pwd>.*)\",\"DeviceType\":%{NUMBER:DeviceType:int},\"DeviceId\":\"(?<DeviceId>.*)\",\"EquipmentNo\":(?<EquipmentNo>.*),\"SSID\":(?<SSID>.*),\"RegisterPhones\":(?<RegisterPhones>.*),\"AppKey\":\"(?<AppKey>.*)\",\"Version\":\"(?<Version>.*)\"\}\ --\ \End.*"    

}

match => {

    "message" => "^--\ Response\ String\ :\ \{\"ErrorCode\":%{NUMBER:ErrorCode:int},\"Success\":(?<Success>[a-z]*),\"ErrorMsg\":(?<ErrorMsg>.*),\"Result\":(?<Result>.*),\"WaitInterval\":%{NUMBER:WaitInterval:int}\}\ --\ \End.*"

}

... 等多行

4、日志多行合并处理—multiline插件(重点)

示例:

①日志

2018-03-20 10:44:01,523 [33]DEBUG Debug - task request,task Id:1cbb72f1-a5ea-4e73-957c-6d20e9e12a7a,start time:2018-03-20 10:43:59

-- Request String : 

{"UserName":"15046699923","Pwd":"ZYjyh727","DeviceType":2,"DeviceId":"PC-20170525SADY","EquipmentNo":null,"SSID":"pc","RegisterPhones":null,"AppKey":"ab09d78e3b2c40b789ddfc81674bc24deac","Version":"2.0.5.3"} -- End

-- Response String : 

{"ErrorCode":0,"Success":true,"ErrorMsg":null,"Result":null,"WaitInterval":30} -- End

②logstash grok对合并后多行的处理。合并多行后续都一样,如下:

filter {

  grok {

    match => {

      "message" => "^%{TIMESTAMP_ISO8601:InsertTime}\ .*-\ task\ request,.*,start\ time:%{TIMESTAMP_ISO8601:RequestTime}\n--\ Request\ String\ :\ \{\"UserName\":\"%{NUMBER:UserName:int}\",\"Pwd\":\"(?<Pwd>.*)\",\"DeviceType\":%{NUMBER:DeviceType:int},\"DeviceId\":\"(?<DeviceId>.*)\",\"EquipmentNo\":(?<EquipmentNo>.*),\"SSID\":(?<SSID>.*),\"RegisterPhones\":(?<RegisterPhones>.*),\"AppKey\":\"(?<AppKey>.*)\",\"Version\":\"(?<Version>.*)\"\}\ --\ \End\n--\ Response\ String\ :\ \{\"ErrorCode\":%{NUMBER:ErrorCode:int},\"Success\":(?<Success>[a-z]*),\"ErrorMsg\":(?<ErrorMsg>.*),\"Result\":(?<Result>.*),\"WaitInterval\":%{NUMBER:WaitInterval:int}\}\ --\ \End"

    }

  }

}

在file版权声明:本文遵循 CC 4.0 BY-SA 版权协议,若要转载请务必附上原文出处链接及本声明,谢谢合作!beat中版权声明:本文遵循 CC 4.0 BY-SA 版权协议,若要转载请务必附上原文出处链接及本声明,谢谢合作!使用multiline插件(推荐):

①介绍multiline

  • pattern:正则匹配从哪行合并;
  • negate:true/false,匹配到pattern 部分开始合并,还是不配到的合并。

match:after/before(需自己理解)

  • after:匹配到pattern 部分后合并,注意:这种情况最后一行日志不会被匹配处理;
  • before:匹配到pattern 部分前合并(推荐)。

②5.5版本之后(before为例)

filebeat.prospectors:

- input_type: log

  paths:

    - /root/performanceTrace*

  fields:

    type: zidonghualog

  multiline.pattern: '.*\"WaitInterval\":.*--\ End'

  multiline.negate: true

  multiline.match: before

③5.5版本之前(after为例)

filebeat.prospectors:

- input_type: log 

     paths:

      - /root/performanceTrace*

      input_type: log 

      multiline:

           pattern: '^20.*'

           negate: true

           match: after

在logstash input中使用multiline插件(没有filebeat时推荐):

①介绍multiline

  • pattern:正则匹配从哪行合并;
  • negate:true/false,匹配到pattern 部分开始合并,还是不配到的合并。

what:previous/next(需自己理解)

  • previous:相当于filebeat 的after;
  • next:相当于filebeat 的before。

②用法

input {

        file {

                path => ["/root/logs/log2"]

                start_position => "beginning"

                codec => multiline {

                        pattern => "^20.*"

                        negate => true

                        what => "previous"

                }

        }

}

在logstash filter中使用multiline插件(不推荐):

不推荐的原因:

  • filter设置multiline后,pipline worker会自动降为1;
  • 5.5 版本官方把multiline 去除了,要使用的话需下载,下载命令如下:

/usr/share/logstash/bin/logstash-plugin install logstash-filter-multiline

示例:

filter {

  multiline {

    pattern => "^20.*"

    negate => true

    what => "previous"

  }

} 

5、logstash filter中的date使用

日志示例:

2018-03-20 10:44:01 [33]DEBUG Debug - task request,task Id:1cbb72f1-a5ea-4e73-957c-6d20e9e12a7a,start time:2018-03-20 10:43:59

date使用:

date {

                match => ["InsertTime","YYYY-MM-dd HH:mm:ss "]

                remove_field => "InsertTime"

        }

注:match => [“timestamp” ,”dd/MMM/YYYY H:m:s Z”]

匹配这个字段,字段的格式为:日日/月月月/年年年年 时/分/秒 时区,也可以写为:match => [“timestamp”,”ISO8601″](推荐)

date介绍:

就是将匹配日志中时间的key替换为@timestamp的时间,因为@timestamp的时间是日志送到logstash的时间,并不是日志中真正的时间。

6、对多类日志分类处理(重点)

在filebeat的配置中添加type分类:

filebeat:

  prospectors:

    -

      paths:

        #- /mnt/data/WebApiDebugLog.txt*

        - /mnt/data_total/WebApiDebugLog.txt*

      fields:

        type: WebApiDebugLog_total

    -

      paths:

        - /mnt/data_request/WebApiDebugLog.txt*

        #- /mnt/data/WebApiDebugLog.txt*

      fields:

        type: WebApiDebugLog_request

    -

      paths:

        - /mnt/data_report/WebApiDebugLog.txt*

        #- /mnt/data/WebApiDebugLog.txt*

      fields:

        type: WebApiDebugLog_report

在logstash filter中使用if,可进行对不同类进行不同处理:

filter {

   if [fields][type] == "WebApiDebugLog_request" {   #对request 类日志

        if ([message] =~ "^20.*-\ task\ report,.*,start\ time.*") {   #删除report 行

                drop {}

        }

    grok {

        match => {"... ..."}

        }

}

在logstash output中使用if:

if [fields][type] == "WebApiDebugLog_total" {

    elasticsearch {

        hosts => ["6.6.6.6:9200"]

        index => "logstashl-WebApiDebugLog_total-%{+YYYY.MM.dd}"

        document_type => "WebApiDebugLog_total_logs"

} 

ELK整体性能的优化


1、性能分析

服务器硬件Linux:1cpu4GRAM

假设每条日志250Byte。

分析:

①logstash-Linux:1cpu 4GRAM

  • 每秒500条日志;
  • 去掉ruby每秒660条日志;
  • 去掉grok后每秒1000条数据。

②filebeat-Linux:1cpu 4GRAM

  • 每秒2500-3500条数据;
  • 每天每台机器可处理:24h*60min*60sec* 3000*250Byte=64,800,000,000Bytes,约64G。

瓶颈在logstash从Redis中取数据存入ES,开启一个logstash,每秒约处理6000条数据;开启两个logstash,每秒约处理10000条数据(cpu已基本跑满);

logstash的启动过程占用大量系统资源,因为脚本中要检查java、ruby以及其他环境变量,启动后资源占用会恢复到正常状态。 

2、关于收集日志的选择:logstash/filter

没有原则要求使用filebeat或logstash,两者作为shipper的功能是一样的。

区别在于:

  • logstash由于集成了众多插件,如grok、ruby,所以相比beat是重量级的;
  • logstash启动后占用资源更多,如果硬件资源足够则无需考虑二者差异;
  • logstash基于JVM,支持跨平台;而版权声明:本文遵循 CC 4.0 BY-SA 版权协议,若要转载请务必附上原文出处链接及本声明,谢谢合作!beat使用golang编写,AIX不支持;
  • AIX 64bit平台上需要安装jdk(jre) 1.7 32bit,64bit的不支持;
  • filebeat可以直接输入到ES,但是系统中存在logstash直接输入到ES的情况,这将造成不同的索引类型造成检索复杂,最好统一输入到els 的源。

总结:

logstash/filter总之各有千秋,但是我推荐选择:在每个需要收集的日志服务器上配置filebeat,因为轻量级,用于收集日志;再统一输出给logstash,做对日志的处理;最后统一由logstash输出给els。

3、logstash的优化相关配置

可以优化的参数,可根据自己的硬件进行优化配置:

①pipeline线程数,官方建议是等于CPU内核数

  • 默认配置 —> pipeline.workers: 2;
  • 可优化为 —> pipeline.workers: CPU内核数(或几倍CPU内核数)。

②实际output时的线程数

  • 默认配置 —> pipeline.output.workers: 1;
  • 可优化为 —> pipeline.output.workers: 不超过pipeline线程数。

③每次发送的事件数

  • 默认配置 —> pipeline.batch.size: 125;
  • 可优化为 —> pipeline.batch.size: 1000。

④发送延时

  • 默认配置 —> pipeline.batch.delay: 5;
  • 可优化为 —> pipeline.batch.size: 10。

总结:

  • 通过设置-w参数指定pipeline worker数量,也可直接修改配置文件logstash.yml。这会提高filter和output的线程数,如果需要的话,将其设置为cpu核心数的几倍是安全的,线程在I/O上是空闲的。
  • 默认每个输出在一个pipeline worker线程上活动,可以在输出output中设置workers设置,不要将该值设置大于pipeline worker数。
  • 还可以设置输出的batch_size数,例如ES输出与batch size一致。
  • filter设置multiline后,pipline worker会自动将为1,如果使用filebeat,建议在beat中就使用multiline,如果使用logstash作为shipper,建议在input中设置multiline,不要在filter中设置multiline。

Logstash中的JVM配置文件:

Logstash是一个基于Java开发的程序,需要运行在JVM中,可以通过配置jvm.options来针对JVM进行设定。比如内存的最大最小、垃圾清理机制等等。JVM的内存分配不能太大不能太小,太大会拖慢操作系统。太小导致无法启动。默认如下:

  • Xms256m#最小使用内存;
  • Xmx1g#最大使用内存。

4、引入Redis的相关版权声明:本文遵循 CC 4.0 BY-SA 版权协议,若要转载请务必附上原文出处链接及本声明,谢谢合作!问题

filebeat可以直接输入到logstash(indexer),但logstash没有存储功能,如果需要重启需要先停所有连入的beat,再停logstash,造成运维麻烦;另外如果logstash发生异常则会丢失数据;引入Redis作为数据缓冲池,当logstash异常停止后可以从Redis的客户端看到数据缓存在Redis中;

Redis可以使用list(最长支持4,294,967,295条)或发布订阅存储模式;

Redis做ELK缓冲队列的优化:

  • bind 0.0.0.0 #不要监听本地端口;
  • requirepass ilinux.io #加密码,为了安全运行;
  • 只做队列,没必要持久存储,把所有持久化功能关掉:快照(RDB文件)和追加式文件(AOF文件),性能更好;save “” 禁用快照;appendonly no 关闭RDB。
  • 把内存的淘汰策略关掉,把内存空间最大maxmemory 0 #maxmemory为0的时候表示我们对Redis的内存使用没有限制。

5、Elasticsearch节点优化配置

服务器硬件配置,OS参数:

1)/etc/sysctl.conf 配置

vim /etc/sysctl.conf

① vm.swappiness = 1                     #ES 推荐将此参数设置为 1,大幅降低 swap 分区的大小,强制最大程度的使用内存,注意,这里不要设置为 0, 这会很可能会造成 OOM

② net.core.somaxconn = 65535     #定义了每个端口最大的监听队列的长度

③ vm.max_map_count= 262144    #限制一个进程可以拥有的VMA(虚拟内存区域)的数量。虚拟内存区域是一个连续的虚拟地址空间区域。当VMA 的数量超过这个值,OOM

④ fs.file-max = 518144                   #设置 Linux 内核分配的文件句柄的最大数量

[[email protected]]# sysctl -p    #生效一下

2)limits.conf 配置

vim /etc/security/limits.conf

elasticsearch    soft    nofile          65535

elasticsearch    hard    nofile          65535

elasticsearch    soft    memlock         unlimited

elasticsearch    hard    memlock         unlimited

3)为了使以上参数永久生效,还要设置两个地方:

vim /etc/pam.d/common-session-noninteractive

vim /etc/pam.d/common-session

添加如下属性:

session required pam_limits.so

可能需重启后生效。

Elasticsearch中的JVM配置文件:

-Xms2g

版权声明:本文遵循 CC 4.0 BY-SA 版权协议,若要转载请务必附上原文出处链接及本声明,谢谢合作!

-Xmx2g

  • 将最小堆大小(Xms)和最大堆大小(Xmx)设置为彼此相等。
  • Elasticsearch可用的堆越多,可用于缓存的内存就越多。但请注意,太多的堆可能会使您长时间垃圾收集暂停。
  • 设置Xmx为不超过物理RAM的50%,以确保有足够的物理内存留给内核文件系统缓存。
  • 不要设置Xmx为JVM用于压缩对象指针的临界值以上;确切的截止值有所不同,但接近32 GB。不要超过32G,如果空间大,多跑几个实例,不要让一个实例太大内存。

Elasticsearch配置文件优化参数:

1)vim elasticsearch.yml

bootstrap.memory_lock: true  #锁住内存,不使用swap

#缓存、线程等优化如下

bootstrap.mlockall: true

transport.tcp.compress: true

indices.fielddata.cache.size: 40%

indices.cache.filter.size: 30%

indices.cache.filter.terms.size: 1024mb

threadpool:

    search:

        type: cached

        size: 100

        queue_size: 2000

2)设置环境变量

vim /etc/profile.d/elasticsearch.sh 

export ES_HE AP _SIZE=2g #Heap Size不超过物理内存的一半,且小于32G。

集群的优化(我未使用集群):

  • ES是分布式存储,当设置同样的cluster.name后会自动发现并加入集群;
  • 集群会自动选举一个master,当master宕机后重新选举;
  • 为防止”脑裂”,集群中个数最好为奇数个;
  • 为有效管理节点,可关闭广播discovery. zen.ping.multicast.enabled: false,并设置单播节点组discovery.zen.ping.unicast.hosts: [“ip1”, “ip2”, “ip3”]。

6、性能的检查

检查输入和输出的性能:

Logstash和其连接的服务运行速度一致,它可以和输入、输出的速度一样快。

检查系统参数:

1)CPU

  • 注意CPU是否过载。在Linux/Unix系统中可以使用top-H查看进程参数以及总计。
  • 如果CPU使用过高,直接跳到检查JVM堆的章节并检查Logstash worker设置。

2)Memory

  • 注意Logstash是运行在Java虚拟机中的,所以它只会用到你分配给它的最大内存。
  • 检查其他应用使用大量内存的情况,这将造成Logstash使用硬盘swap,这种情况会在应用占用内存超出物理内存范围时。

3)I/O监控磁盘I/O检查磁盘饱和度

  • 使用Logstash plugin(例如使用文件输出)磁盘会发生饱和。
  • 当发生大量错误,Logstash生成大量错误日志时磁盘也会发生饱和。
  • 在Linux中,可使用iostat,dstat或者其他命令监控磁盘I/O。

4)监控网络I/O

  • 当使用大量网络操作的input、output时,会导致网络饱和。
  • 在Linux中可使用dstat或iftop监控网络情况。

检查JVM heap:

  • heap设置太小会导致CPU使用率过高,这是因为JVM的垃圾回收机制导致的。
  • 一个快速检查该设置的方法是将heap设置为两倍大小然后检测性能改进。不要将heap设置超过物理内存大小,保留至少1G内存给操作系统和其他进程。
  • 你可以使用类似jmap命令行或VisualVM更加精确的计算JVM heap。
0 条回应