你头疼的ELK难题,本文几乎都解决了

一、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、删除多余日志中的多余行

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:

-- ::, []DEBUG Debug - task request,task Id:1cbb72f1-a5ea-4e73-957c-6d20e9e12a7a,start time:-- :: #需删除的行

-- Request String :

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

-- Response String :

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

3、grok处理多种日志不同的行

日志示例:

-- ::, []DEBUG Debug - task request,task Id:1cbb72f1-a5ea-4e73-957c-6d20e9e12a7a,start time:-- ::

-- Request String :

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

-- Response String :

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

-- ::, []DEBUG Debug - task request,task Id:1cbb72f1-a5ea-4e73-957c-6d20e9e12a7a,start time:-- ::

-- Request String :

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

-- Response String :

{"ErrorCode":,"Success":true,"ErrorMsg":null,"Result":null,"WaitInterval":} -- 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filebeat中使用multiline插件(推荐):

①介绍multiline

  1. pattern:正则匹配从哪行合并;
  2. negate:true/false,匹配到pattern 部分开始合并,还是不配到的合并。
  3. match:after/before(需自己理解)
  4. 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;
  5. 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multilinepattern:

  1. 正则匹配从哪行合并;negate:true/false,
  2. 匹配到pattern 部分开始合并,还是不配到的合并。
  3. what:previous/next(需自己理解)
  4. previous:相当于filebeat 的after;
  5. 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:

  1. filter设置multiline后,pipline worker会自动降为1;
  2. 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:

-- :: []DEBUG Debug - task request,task Id:1cbb72f1-a5ea-4e73-957c-6d20e9e12a7a,start time:-- :: 

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"

}

二、对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

  1. 每秒500条日志;
  2. 去掉ruby每秒660条日志;
  3. 去掉grok后每秒1000条数据。

②filebeat-Linux:1cpu 4GRAM

  1. 每秒2500-3500条数据;
  2. 每天每台机器可处理:24h*60min*60sec*
  3. 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:

  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。

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

  1. 默认配置 ---> pipeline.workers: 2;
  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

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

③每次发送的事件数

  1. 默认配置 ---> pipeline.batch.size: 125;
  2. 可优化为 ---> pipeline.batch.size: 1000。

④发送延时

  1. 默认配置 ---> pipeline.batch.delay: 50;
  2. 可优化为 ---> pipeline.batch.delay: 100。

总结:

  1. 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。
  2. 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。
  3. 还可以设置输出的batch_size数,例如ES输出与batch size一致。
  4. 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:

  1. Xms256m#最小使用内存;
  2. Xmx1g#最大使用内存。

4、引入Redis的相关问题

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:

  1. bind 0.0.0.0 #不要监听本地端口;
  2. requirepass ilinux.io #加密码,为了安全运行;
  3. 只做队列,没必要持久存储,把所有持久化功能关掉:
  4. 快照(RDB文件)和追加式文件(AOF文件),性能更好;
  5. save "" 禁用快照;
  6. appendonly no 关闭RDB。
  7. 把内存的淘汰策略关掉,把内存空间最大
  8. 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

[root@elasticsearch]# sysctl -p生效一下。

2)limits.conf 配置

vim /etc/security/limits.conf
elasticsearch soft nofile
elasticsearch hard nofile
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

-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。

Elasticsearch配置文件优化参数:

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: %
indices.cache.filter.size: %
indices.cache.filter.terms.size: 1024mb
threadpool:
search:
type: cached
size:
queue_size:

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):

  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"]。

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

  1. 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。
  2. 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

  1. 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。
  2. 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

  1. 使用Logstash plugin(例如使用文件输出)磁盘会发生饱和。
  2. 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。
  3. 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

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

检查JVM heap:

  1. 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。
  2. 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。
  3. 你可以使用类似jmap命令行或VisualVM更加精确的计算JVM heap。

ELK优化难题解决的更多相关文章

  1. Win10安装后必做的优化,解决磁盘100%占用

    Win10安装后必做的优化,解决磁盘100%占用 01关闭家庭组 控制面板–管理工具–服务– HomeGroup Listener和HomeGroup Provider禁用. 02关闭磁盘碎片整理.自 ...

  2. 分库代价高的情况下,如何优化ES解决亿级数据量检索

    数据平台已迭代三个版本,从一开始遇到很多常见的难题,到现在终于有片段时间整理一些已完善的文档,在此分享以供所需朋友的实现参考,但愿能帮助大家少走些弯路,在此篇幅中偏重于ElasticSearch的优化 ...

  3. eclipse运行速度优化(解决狂读盘、发布慢、CPU100%等问题)

    转自:http://blog.csdn.net/wyp_810618/article/details/8953921 我的ECLIPSE运行时速度奇慢,具体表现为: 1.只要ECLIPSE启动后,硬盘 ...

  4. Android瀑布流优化,解决Recyclerview展示大批量图片时Item自动切换、闪烁、空白等问题

    本文涉及的代码案例可以在下方的链接中找到,如果对你有帮助,请给个Star(#^.^#) https://github.com/CodeTillDoom/StaggeredRcl 问题分析 这段时间业务 ...

  5. CM记录-优化配置解决Reduce卡顿问题

    CDH大数据集群问题问题分析与解决方案 问题描述:Hive提交任务,一直卡在Reduce阶段,进度缓慢. 日志分析:NodeManager节点产生的usercache所在分区空间不足,导致进程异常退出 ...

  6. MyEclipse优化,解决MyEclipse运行慢、卡顿问题

    工具: myeclipse2015 2.0 最近想用myeclipse做一下测试,发现myeclipse运行非常卡,直接影响代码的开发,而且还出现软件卡退的情况,让我十分恼火.   一.加大JVM的非 ...

  7. mysql cpu 100% 满 优化方案 解决MySQL CPU占用100%的经验总结

    下面是一些经验 供参考 解决MySQL CPU占用100%的经验总结 - karl_han的专栏 - CSDN博客 https://blog.csdn.net/karl_han/article/det ...

  8. 推荐收藏系列:一文理解JVM虚拟机(内存、垃圾回收、性能优化)解决面试中遇到问题(图解版)

    欢迎一起学习 <提升能力,涨薪可待篇> <面试知识,工作可待篇 > <实战演练,拒绝996篇 > 欢迎关注我博客 也欢迎关注公 众 号[Ccww笔记],原创技术文章 ...

  9. [Flash 3D] 又是一个难题解决了。(Flash3D在android中运行)

    做了一些away3D(4.1.6)+Flash cc,项目比较大,面数多达2000万个,发现电脑还有跑20多帧,可见away3d表现确实相当不错.想把这些东西放到手机上来看,却发现总是白屏,网上搜索了 ...

随机推荐

  1. mybatis执行insert后马上能获取自增主键的语句写法

    <!--keyColumn keyProperty useGeneratedKeys 用于在插入数据后,能直接使用user.getId()获取主键--> <insert id=&qu ...

  2. C++11多线程std::thread创建方式

    //#include <cstdlib> //#include <cstdio> //#include <cstring> #include <string& ...

  3. JavaBean转Map

    1.需要的jar包 <dependency> <groupId>com.google.guava</groupId> <artifactId>guava ...

  4. commit 没有提交图片,但是出现了commit的修改

    .gitignore里面写上 image/cache/  就好了

  5. sql 分组后每组查询10个

    SELECT ID,Name,Class ROW_NUMBER() OVER(PARTITION BY Class ORDER BY ID) as NUM 主要是用到 rownum 里面的 PARTI ...

  6. Mac之Sublime Text使用Go

    安装Golang build 包 点击 Preferences > Package control 菜单(MAC快捷键 shift + command + p) 在弹出的输入框输入 instal ...

  7. JSP页面中如何注入Spring容器中的bean

    第一步在JSP页面中导入下面的包: <%@page import="org.springframework.web.context.support.WebApplicationCont ...

  8. Spring为什么@Autowired注入的是接口

    1.Spring怎么知道注入哪个实现? As long as there is only a single implementation of the interface and that imple ...

  9. IDEA新建本地项目关联远程git仓库

    现在远程git仓库创建一个repository,然后本地创建项目,最后进行关联.三板斧,打完收工. 第一步.第二步地球人都知道,略过不表,第三步比较关键,举个例子: 0.创建本地Git仓库:VCS - ...

  10. Mysql coalesce()函数认识和用法

    Mysql coalesce()函数认识和用法   coalesce()解释:返回参数中的第一个非空表达式(从左向右):    鉴于在mysql中没有nvl()函数, 我们用coalesce()来代替 ...