ELK整体优化配置
一、elk 实用知识点总结
编码转换问题
(1)input 中的codec => plain 转码
1 | codec => plain { |
将GB2312 的文本编码,转为UTF-8 的编码
(2)也可以在filebeat中实现编码的转换(推荐)
1 | filebeat.prospectors: |
删除日志中的多余的行
(1)logstash filter 中drop 删除
1 | if ([message] =~ "^20.*-\ task\ request,.*,start\ time.*") { #用正则需删除的多余行 |
grok 处理多种日志不同的行
(1)日志示例:
1 | 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 |
(2)在logstash filter中grok 分别处理3行
1 | match => { |
日志多行合并处理—multiline插件(重点)
(1)日志示例:
1 | 018-03-20 10:44:01,523 [33]DEBUG Debug - task request,task Id:1cbb72f1-a5ea-4e73-957c-6d20e9e12a7a,start time:2018-03-20 10:43:59 |
(2)logstash grok 对合并后多行的处理(合并多行后续都一样,如下)
1 | filter { |
(3)在filebeat中使用multiline 插件(推荐)
5.5版本之后(before为例)
1 | filebeat.prospectors: |
5.5版本之前(after为例)
1 | filebeat.prospectors: |
logstash filter 中的date使用
(1) 日志示例
1 | 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 |
(2) date 使用
1 | date { |
注:
1 | match => ["timestamp" ,"dd/MMM/YYYY H:m:s Z"] |
(3)date 介绍
1 | 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。 |
对多类日志分类处理(重点)
在filebeat 的配置中添加type 分类
1 | filebeat: |
在logstash filter中使用if,可进行对不同类进行不同处理
1 | filter { |
在logstash output中使用if
1 | if [fields][type] == "WebApiDebugLog_total" { |
二、对elk 整体性能的优化
关于收集日志的选择:logstash/filter
1)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:
① logstash由于集成了众多插件,如grok,ruby,所以相比beat是重量级的;
② 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;
③ logstash基于JVM,支持跨平台;而beat使用golang编写,AIX不支持;
④ AIX 64bit平台上需要安装jdk(jre) 1.7 32bit,64bit的不支持;
⑤ 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。
(2)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。
logstash的优化相关配置
(1)可以优化的参数,可根据自己的硬件进行优化配置
① pipeline 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
(2)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。
(3)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
elasticsearch 节点优化配置
(1)服务器硬件配置,OS 参数
(a) /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 |
[root@elasticsearch]# sysctl -p 生效一下
(b)limits.conf 配置
vim /etc/security/limits.conf
1 | elasticsearch soft nofile 65535 |
(c)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
(2)elasticsearch 中的JVM配置文件
-Xms2g
-Xmx2g
① 将最小堆大小(Xms)和最大堆大小(Xmx)设置为彼此相等。
② 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。
③ 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。
④ 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
(3)elasticsearch 配置文件优化参数
① vim elasticsearch.yml
1 | bootstrap.memory_lock: true #锁住内存,不使用swap |
② 设置环境变量
vim /etc/profile.d/elasticsearch.sh export ES_HEAP_SIZE=2g #Heap Size不超过物理内存的一半,且小于32G
(4)集群的优化
① 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;
② 集群会自动选举一个master,当master宕机后重新选举;
③ 为防止”脑裂”,集群中个数最好为奇数个
④ 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”]
来自[阿龙ELK重难点总结和整体优化配置 ]