[系统运维]docker部署filebeat

一、背景

最近公司用到了filebeat，所以学习了下这个技术。filebeat是一个轻量级的日志采集工具，使用golang语言开发，可以将日志转发到es，kafka等。官方对filebeat提供了最全面的支持。filebeat的性能非常好，部署简单，是一个非常理想的文件采集工具。相比logstash它的内存占用更少，filebeat开发的目的也是为了替换logstash。当然也有缺点，比如filebeat官方提供的功能比较单一，往往无法满足我们的需求，我们经常把日志采集到kafka，然后借助flink等工具继续处理。

二、原理

如下图是filebeat的工作流程。首先当业务写入日志后，filebeat的Harvester模块会采集一行或者多行日志，然后Harvester聚合日志发送到输出方，如es、kafka。为了保存文件状态，Harvester会将日志的偏移量记录到registry文件中。每个输入都对应一个registry文件，如果filebeat重启了，会从registry文件恢复。那filebeat如何保证日志至少发送成功一次呢？实际也是用的这个registry文件，发送出后后，如果没有收到成功确认，那么filebat会重新发送，直到成功。

三、docker部署

考虑到docker的优势，如一致的运行环境，轻松的迁移等，我们采用docker部署filebeat。下面是docker-compose部署的例子

3.1、配置docker-compose文件

version: "3"
services:
    elasticsearch:
      image: elasticsearch:7.11.1
      container_name: elasticsearch
      hostname: elasticsearch1
      environment:
        - discovery.type=single-node
        - bootstrap.memory_lock=true
        - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
      ports:
        - 9200:9200
        - 9300:9300
      networks:
        - "elk-net"

    kibana:
      image: docker.elastic.co/kibana/kibana:7.1.1
      environment:
        - SERVER_NAME=kibana
        - ELASTICSEARCH_URL=http://elasticsearch1:9200
        - XPACK_MONITORING_ENABLED=true
      ports:
        - "5601:5601"
      networks:
        - "elk-net"
      depends_on:
        - "elasticsearch"

    filebeat:
      image: docker.elastic.co/beats/filebeat:7.1.1
      volumes:
        - ./filebeat/logs/nginx:/var/log/nginx/
        - ./filebeat/logs/biz:/var/log/biz/
        - ./filebeat/logs/log4j:/var/log/log4j/

        - ./filebeat/filebeat/filebeat.yml:/usr/share/filebeat/filebeat.yml
      networks:
        - "elk-net"
      depends_on:
        - "elasticsearch"
        - "kibana"
networks:
      elk-net:

这里将采集log4j，nginx和业务日志到es，然后展示到kibana

3.2、配置filebeat

# 详情如下：
filebeat.inputs:
- type: log
  enabled: true
  paths:
    - /var/log/nginx/*.log
  scan_frequency: 10s
  tail_files: true
  fields:
    index_name: "nginx_log"
- type: log
  enabled: true
  #不以[开头的行都合并到上一行的末尾
  multiline.type: pattern
  multiline.pattern: '^[[:space:]]+(at|\.{3})[[:space:]]+\b|^Caused by:'
  multiline.negate: false
  multiline.match: after
  paths:
    - /var/log/log4j/*.log
  fields:
    index_name: "log4j_log"
- type: log
  enabled: true
  multiline.type: pattern
  multiline.pattern: '^[[:space:]]+(at|\.{3})[[:space:]]+\b|^Caused by:'
  multiline.negate: false
  multiline.match: after
  fields:
    index_name: "biz_log"
  scan_frequency: 10s
  pipeline: "extract-traceid-pipeline"
  paths:
    - /var/log/biz/*.log



# # # 7.x的版本中需要禁用此索引生命周期，否则在指定es索引名字的时候会有问题
setup.ilm.enabled: false
setup.template.name: "my-log"
setup.template.pattern: "my-*"
setup.template.enabled: true
setup.template.overwrite: false

# 输出到es
output.elasticsearch:
  #worker: 1
  #bulk_max_size: 1500
  hosts: ["elasticsearch1:9200"]
  index: "pb-%{[fields.index_name]}-*"
  indices:
    - index: "pb-nginx-%{+yyyy.MM.dd}"
      when.equals:
        fields.index_name: "nginx_log"
    - index: "pb-log4j-%{+yyyy.MM.dd}"
      when.equals:
        fields.index_name: "log4j_log"
    - index: "pb-biz-%{+yyyy.MM.dd}"
      when.equals:
        fields.index_name: "biz_log"

pipeline加到es

curl -H "Content-Type: application/json" -XPUT 'http://127.0.0.1:9200/_ingest/pipeline/extract-traceid-pipeline' -d@extract-traceid-pipeline.json

效果如下

四、filebeat关键参数

4.1、如何区分不同的日志

• fields，添加附件字段，可以使values，arrays，dictionaries或者任何嵌套数据。在输出的时候也可以加上条件语句判断，when.equals，然后输出到不同的index
• 输入添加tag字段，可以用于分组

4.2、如何提取参数，以trace为例

这个使用gork语法可以提取。具体步骤如下

• 编写pipleline文件

??"description" : "extract-traceid-pipeline",
??"processors" : [
????{
??????"grok" :{????????????
????????"field" : "message",
????????"patterns" : ["ERROR\\|%{DATA:trace_id}\\|"]??
??????}
????}
??]
}

• 测试效果

https://www.5axxw.com/tools/v2/grok.html

写入到es和filebeat配置文件

curl -H "Content-Type: application/json" -XPUT 'http://127.0.0.1:9200/_ingest/pipeline/extract-traceid-pipeline' -d@extract-traceid-pipeline.json

查看写入效果

最终效果

4.2、如何收集java异常堆栈

  multiline.type: pattern
??multiline.pattern: '^[[:space:]]+(at|\.{3})[[:space:]]+\b|^Caused by:'
??multiline.negate: false
??multiline.match: after

4.3、pipleline为什么不起作用

官网是放在了out中，但是这个版本实际配置不起作用，需要加到input中

- type: log
  enabled: true
  multiline.type: pattern
  multiline.pattern: '^[[:space:]]+(at|\.{3})[[:space:]]+\b|^Caused by:'
  multiline.negate: false
  multiline.match: after
  fields:
    index_name: "biz_log"
  scan_frequency: 10s
  pipeline: "extract-traceid-pipeline"
  paths:
    - /var/log/biz/*.log

4.4、业务日志比较复杂，gork无法处理怎么办

这种情况一般是输出到kafka，然后由其他中间件处理，如flink。

output.kafka:
  # initial brokers for reading cluster metadata
  hosts: ["kafka1:9092", "kafka2:9092", "kafka3:9092"]
  # message topic selection + partitioning
  topic: '%{[fields.log_topic]}'
  partition.round_robin:
    reachable_only: false
  required_acks: 1
  compression: gzip
  max_message_bytes: 1000000

4.5、如何提高采集效率？

• 1、配置bulk_max_size参数即可，这是output.elasticsearch的属性，控制发送给Elasticsearch的bulk API中，每批数据能包含多少条event，默认情况下，我们是每行数据一个document(或者说是event)，因此，每次filebeat默认只会发送50行数据，因此，当我们添加进来的数据由几十万行的时候，可以简单推算，我们需要推送多少次bulk request才能完成这个文件的数据录入

• 2、worker这个也是output.elasticsearch的属性，我们可以指定filebeat使用多高的并发来往Elastic发送数据，我们也可以适当的增加这个值，比如我们的ES集群有3个data节点 hosts: [“10.0.07:9200”,“10.0.08:9200”,“10.0.09:9200”]，我们可以把这个worker设为 3。

• 3、harvester_buffer_size 这个是Log input的属性，这个属性限定了单个文件采集器harvester每次读取文件的大小，默认的大小是16K。如果我们要增加某些文件的读取吞吐，可以调整这个值的大小。可以通过定义多个input，每个input单独指定的方式来确定不同文件的吞吐大小

参考文档

• 1、官方文档
• 2、logstash 和filebeat 是什么关系
• 3、区分来源