ELK提高篇之Logstash

目录

• 二、Logstash
• 2.1、安装logstash
• 2.2、Logstash的工作原理解析
• 2.3、Logstash的配置和运行
  • 2.3.1、Logstash的目录结构
  • 2.3.2、Logstash的配置文件
• 2.4、Logstash实用举例
• 2.5、Logstash常用插件
  • 2.5.1、input插件
  • 2.5.2、filter插件
  • 2.5.3、output插件

二、Logstash

2.1、安装logstash

logstash依赖java 8或 java 11，也可以使用OpenJDK，在进行安装时，我们需要声明JAVA_HOME的环境变量，以保证正常地安装。这里我们采用OpenJDK的方式，更为简洁。

[root@elk ~]# java -version
openjdk version "1.8.0_222"
OpenJDK Runtime Environment (build 1.8.0_222-b10)
OpenJDK 64-Bit Server VM (build 25.222-b10, mixed mode)

YUM安装方式：

# rpm --import https://artifacts.elastic.co/GPG-KEY-elasticsearch

#增加logstash源到yum仓库/etc/yum.repos.d/
[logstash-6.x]
name=Elastic repository for 6.x packages
baseurl=https://artifacts.elastic.co/packages/6.x/yum
gpgcheck=1
gpgkey=https://artifacts.elastic.co/GPG-KEY-elasticsearch
enabled=1
autorefresh=1
type=rpm-md

# yum install logstash

Logstash的工作原理图：

标准的输入输出测试：

/usr/share/logstash/bin/logstash -e 'input {stdin {} } output { stdout {} }'
hello

2.2、Logstash的工作原理解析

Logstash进行数据采集和流水线处理主要有三个步骤：inputs --> filters --> outputs

inputs负责定义数据采集的来源，filters进行自定义的过滤日志的规则，outputs是将日志输出到日志的存储区域，如elasticsearch存储。

inputs和outputs都支持对数据的格式进行编码和解码操作。

• Inputs

  inputs支持多种数据采集的方式，常用的方式有以下几种：

  file：直接读取日志文件，类似命令行执行tailf查看日志

  syslog：通过514端口进行监听syslog日志信息

  redis：从redis服务器集群中读取日志，redis通常会作为一个中间运输层，以降低logstash日志处理的压力

  beats：是一种轻量级的日志收集方式

• Filters

  Filters是logstash日志收集中的过滤处理层，常用的过滤器包含以下几种：

  grok：解析和构建任意文本，通俗地说就是将非结构化的日志进行定义成结构化的格式

  mutate：对日志的字段进行修改，替换和删除

  drop：对日志进行删减部分

  clone：对日志进行复制，可以是增加或者是删除操作

  geoip：添加ip的地理位置信息，用于在kibana的图表统计信息，可以看到访问的区域分布

• Outputs

  Outputs是Logstash收集的最后一个环节，通常将前面收集的日志进行过滤规则以后再统一输出到存储区域。通常存储区包含以下几种：

  elasticsearch：将收集到的数据发送到elasticsearch，其可以提供高效方便的格式化查询

  file：将日志数据存储在文件当中

  graphite：将日志存储到开源的时序数据库graphite当中，存储和聚合监控数据并绘制图表

  statsd：这是一个监听服务，类似redis的使用，属于一个中间缓冲层，结合graphite一起使用

• Codecs

  Codecs是在输入和输出层的一个文本格式的编码器，支持json，msgpack和各种文本格式，如txt

  json：对数据进行编码和解码成json格式

  multiline：将多行的文本进行合并成单行的文本格式进行输出

2.3、Logstash的配置和运行

2.3.1、Logstash的目录结构

在通过RPM包安装Logstash后，我们可以看到有很多目录，通常了解一个软件的使用，对目录的使用了解也是非常有必要的，可以加深对Logstash设计的理解，其结构如下：

类型	描述	默认值	如何定义配置
home	logstash安装的默认主目录	/usr/share/logstash
bin	logstash的二进制脚本程序和logstash-plugin插件安装脚本	/usr/share/logstash/bin
settings	配置文件，包括logstash.yml、jvm选项配置、启动选项配置	/etc/logstash	path.settings
conf	logstash数据收集配置	/etc/logstash/conf.d/*.conf	/etc/logstash/pipelines.yml
logs	日志文件	/var/log/logstash	path.logs
plugins	插件目录	/usr/share/logstash/plugins	path.plugins
data	数据持久化目录	/var/lib/logstash	path.data

2.3.2、Logstash的配置文件

Logstash主要有两种配置文件，分别是：logstash.yml和pipeline.yml，logstash.yml用于配置logstash的启动和执行相关配置，pipeline.yml用于配置流水线数据处理的配置。其中在安装完成后，还包含以下的配置文件：

logstash.yml：定义logstash的基础配置信息

pipeline.yml：定义数据收集规则的配置信息

jvm.options：定义JVM的总堆空间的最小值和最大值，也就是内存使用量，默认是1g

log4j2.properties：log4j2库的相关设置

startup.options：定义logstash启动时的相关配置

logstash.yml的详解：

配置参数	解析	默认值
node.name	节点名称定义	主机名
path.data	持久化数据目录定义	LOGSTASH_HOME/data
pipeline.id	pipeline的id号	main
pipeline.java_execution	使用java执行引擎	false
pipeline.workers	定义在过滤筛选和输出阶段的进程数量	默认为cpu的核心数
pipeline.batch.size	定义在筛选和输出之前单次处理数据量大小，通常和jvm的堆内存值相关，值越大，jvm内存配置也需要更大	125
pipeline.batch.delay	批处理数据的时间延迟，在数据量不达标时的延迟时间，单位为毫秒	50
pipeline.unsafe_shutdown	在关机状态强制关闭logstash在处理的数据，会导致数据丢失	false
path.config	pipeline的相关配置，通常在pipeline.yml中配置好
http.host	监听配置	"127.0.0.1"
http.port	监听端口	9600
path.logs	日志路径	LOGSTASH_HOME/logs
log.format	日志格式	文本
path.plugins	插件定义

2.4、Logstash实用举例

Logstash配置文件构建语法：

input {
  ...
}

filter {
  ...
}

output {
  ...
}

2.5、Logstash常用插件

2.5.1、input插件

• file

Logstash 使用一个名叫 FileWatch的 Ruby Gem 库来监听文件变化。这个库支持 glob 展开文件路径，而且会记录一个叫 .sincedb的数据库文件来跟踪被监听的日志文件的当前读取位置。sincedb 文件中记录了每个被监听的文件的 inode, major number, minor number 和 pos。配置示例如下：

input {
    file {
        path => "/var/log/messages"
        type => "system"
        start_position => "beginning"
    }
}

output {
    stdout {
        codec => rubydebug
    }
}

• tcp

tcp模块的使用场景如下： 有一台服务器A只需要收集一个日志，那么我们就可以不需要在这服务器上安装logstash，我们通过在其他logstash上启用tcp模块，监听某个端口，然后我们在这个服务器A把日志通过nc发送到logstash上即可。

input {
    tcp {
        port => "5566"
        mode => "server"
        type => "tcplog"
    }
}

output {
    stdout {
        codec => rubydebug
    }
}

• syslog

syslog支持RFC3164的系统日志格式，在logstash端进行tcp或upd的监听，从而实现对系统日志的收集。配置该日志收集，本机的syslog会默认发送到logstash，同时也要在rsyslog进行配置发送的监听地址。

# vim /etc/rsyslog.conf		#修改rsyslog发送日志的监听端口
*.* @@192.168.56.100:44231

#配置logstash收集rsyslog发送的日志并标准输出
input {
    syslog {
        port => "44231" 
    }
}

output {
    stdout {
        codec => rubydebug
    }
}

具体实现中，UDP 监听器只用了一个线程，而 TCP 监听器会在接收每个连接的时候都启动新的线程来处理后续步骤。所以在监听时，建议配置TCP的监听的性能会更佳。

2.5.2、filter插件

• date
• grok
• dissect
• geoip
• json
• kv
• metrics
• mutate
• ruby
• split
• elapsed

curl '192.168.56.100:9200/_cat/indices?v'

2.5.3、output插件