日志分析平台建设方案.docVIP

日志分析平台建设方案 目录 TOC \o 1-3 \h \z \u 一、 现状和需求 1 (一) 现状与问题 1 (二) 需求说明与分析 1 二、 建设目标 1 三、 系统设计 1 (一) 技术选型 1 (二) 系统架构 2 1. 架构图 2 2. 架构分析 2 (三) 系统介绍 2 四、 实施方案 3 (一) 系统配置 3 1. 软件 3 2. 硬件 3 (二) 系统搭建 4 现状和需求 现状与问题 日志文件分散在各个应用服务器，开发人员必须远程登录才能查看日志，不利于服务器安全管控，加大生产服务器的风险； 服务器上各项目日志配置很随意，文件分布杂乱，没有统一的规范和管理； 日志文件占用服务器大量的硬盘空间，如不及时清理会发生硬盘占满，影响系统的正常运行； 对于超过百兆的日志文件根本没法打开和关键字搜索，不利于问题的快速定位和排查； 集群和分布式的系统需要查看多个服务器的日志 日志保存的时间不统一，不能长时间保存日志 需求说明与分析 不需要开发人员登录生产服务器就能查看日志； 统一规范日志的配置和输出格式； 实时的将日志文件从服务器中迁出； 提供日志的检索和统计分析的平台； 建设目标 搭建支持高并发高可靠的日志分析平台，方便开发人员快速的检索日志，排查问题，同时提供友好的分析和统计的界面。 系统设计 技术选型 针对这些问题，为了提供分布式的实时日志搜集和分析的监控系统，我们采用了业界通用的日志数据管理解决方案 - 它主要包括 Elasticsearch 、 Logstash 和 Kibana 三个系统。通常，业界把这套方案简称为ELK，取三个系统的首字母。调研了ELK技术栈，发现新一代的logstash-forward即Filebeat，使用了golang，性能超logstash，部署简单，占用资源少，可以很方便的和logstash和ES对接，作为日志文件采集组件。所以决定使用ELK+Filebeat的架构进行平台搭建。 为了支持日志的高并发和高可靠需要进了消息队列（MQ），这里选择了kafka，相对其他消息中间件，kafka有支持大并发，快速持久化等优点，而且ELK+Filebeat对kafka的兼容性也很好。 最终，我们采用Elasticsearch+ Logstash+ Kibana+ Filebeat+ Kafka+ Zookeeper的架构搭建日志分析平台。 系统架构 架构图 架构分析 第一层、数据采集层 最左边的是业务服务器集群，上面安装了filebeat做日志采集，同时把采集的日志分别发送给两个logstash服务。 第二层、数据处理层，数据缓存层 logstash服务把接受到的日志经过格式处理，转存到本地的kafka broker+zookeeper?集群中。 第三层、数据转发层 这个单独的Logstash节点会实时去kafka broker集群拉数据，转发至ES DataNode。 第四层、数据持久化存储 ES DataNode?会把收到的数据，写磁盘，建索引库。 第五层、数据检索，数据展示 ES Master + Kibana?主要 协调?ES集群，处理数据检索请求，数据展示。 系统介绍 Elasticsearch：分布式搜索和分析引擎，具有高可伸缩、高可靠和易管理等特点。基于 Apache Lucene 构建，能对大容量的数据进行接近实时的存储、搜索和分析操作。通常被用作某些应用的基础搜索引擎，使其具有复杂的搜索功能； Logstash：数据收集额外处理和数据引擎。它支持动态的从各种数据源搜集数据，并对数据进行过滤、分析、丰富、统一格式等操作，然后存储到用户指定的位置； Kibana：数据分析和可视化平台。通常与 Elasticsearch 配合使用，对其中数据进行搜索、分析和以统计图表的方式展示； Filebeat：ELK 协议栈的新成员，在需要采集日志数据的 server 上安装 Filebeat，并指定日志目录或日志文件后，Filebeat 就能读取数据，迅速发送到 Logstash 进行解析，亦或直接发送到 Elasticsearch 进行集中式存储和分析。 Kafka: 数据缓冲队列。作为消息队列解耦了处理过程，同时提高了可扩展性。具有峰值处理能力，使用消息队列能够使关键组件顶住突发的访问压力，而不会因为突发的超负荷的请求而完全崩溃。 Zookeeper:是一种在分布式系统中被广泛用来作为：分布式状态管理、分布式协调管理、分布式配置管理、和分布式锁服务的集群。kafka增加和减少服务器都会在Zookeeper节点上触发相应的事件kafka系统会捕获这些事件，进行新一轮的负载均衡，客户端也会