1.ELK日志收集系统概述

2.ELK技术栈概述

• 2.1 什么是ELK

• 2.2 什么是EFK

• 2.3 什么是ELFK

• 2.4 ELK技术栈能收集那些日志

3.Elasticsearch入门与集群

• 3.1 什么是Elasticsearch

• 3.2 Elasticsearch的功能

• 3.3 Elasticsearch相关术语介绍

  • 3.3.1 文档 Document

  • 3.3.2 索引 index

  • 3.3.3 字段 Filed

  • 3.3.4 Elasticsearch 术语总结

• 3.4 Elasticsearch操作方式

  • 3.4.1 curl 操作 Elasticsearch

  • 3.4.2 kibana devtools 操作Elasticsearch

    • 3.4.2.1 安装配置kibana

    • 3.4.2.2 Elasticsearch索引api

    • 3.4.2.3 Elasticsearch文档api

• 3.5 Elasticsearch集群搭建

  • 3.5.1 Elasticsearch集群的好处

  • 3.5.2 Elasticsearch集群搭建

  • 3.5.3 Elasticsearch集群健康监测

    • 3.5.3.1 curl对Elasticsearch集群健康监测

    • 3.5.3.2 cerebor对Elasticsearch集群健康监测

• 3.6 Elasticsearch集群节点类型

• 3.7 Elasticsearch集群索引分片副本

• 3.8 Elasticsearch集群故障转移

• 3.9 Elasticsearch文档路由原理

• 3.10 Elasticsearch扩展集群节点

• 3.11 Elasticsearch调优

2.ELK技术栈概述

2.1.什么是ELK
ELK 不是一个单独的技术，而是一套技术组合，是由 elasticsearch、logstash、kibana 组合而成的。
ELK 是一套开源免费、功能强大的日志分析管理系统。
ELK 可以将我们的系统日志、网站日志、应用系统日志等各种日志进行收集、过滤、清洗，然后进行集中存放并可用于实时检索、分析。
E: elasticsearch 数据存储；
L: logstash 数据采集、数据清洗、数据过滤；
K: kibana 数据分析、数据展示；

2.2.什么是EFK
简单来说就是将 Logstash 替换成了 filebeat，那为什么要进行替换？
因为 logstash 是基于 JAVA 开发的，在收集日志时会大量的占用业务系统资源，从而影响正常线上业务。
而替换成 filebeat 这种较为轻量的日志收集组件，会让业务系统的运行更加的稳定。

2.3.什么是ELFK

2.4 ELK能收集那些日志

• 代理： Haproxy、Nginx
• web：Nginx、Tomcat、Httpd、PHP
• db：mysql、redis、mongo、elasticsearch
• 存储：nfs、glusterfs、fastdfs
• 系统：message、security
• 业务：app

3.Elasticsearch入门与集群
3.1 什么是Elasticsearch
Elasticsearch 是一个分布式 RESTful 风格的搜索和数据分析引擎
3.2 Elasticsearch的主要功能
数据存储，数据搜索，数据分析。
3.3 Elasticsearch相关术语介绍
3.3.1 文档 Document
Document 文档就是用户存在 es 中的一些数据，它是
es 中存储的最小单元。（类似于表中的一行数据。）注意：每个文档都有一个唯一的 ID 表示，可以自行指定，如果不指定 es 会自动生成。
3.3.2 索引 index
索引其实是一堆文档 Document 的集合。（它类似数据库的中的一个表）
3.3.3 字段 Filed
在 ES 中，Document就是一个 Json Object，一个Json Object其实是由多个字段组成的，每个字段它有不同的数据类型。
3.3.4 Elasticsearch 术语总结
ES索引、文档、字段关系小结：
一个索引里面存储了很多的 Document 文档，一个文档就是一个json object，一个json object是由多个不同或相同的 filed 字段组成
3.4 Elasticsearch操作方式
ES 的操作和我们传统的数据库操作不太一样，它是通过 RestfulAPI 方式进行操作的，其实本质上就是通过 http 的方式去变更我们的资源状态；
通过 URI 指定要操作的资源，比如 Index、Document；
通过 Http Method 指定要操作的方法，如 GET、POST、PUT、DELETE；
常见操作 ES 的两种方式：Curl、Kibana DevTools
3.4.1 curl 操作 Elasticsearch

# 通过curl命令来完成索引的创建
curl -XPUT
'http://127.0.0.1:9200/yang_index/_doc/1'
\
-H "Content-Type: application/json" \
-d '{
"name":"yang",
"age":18,
"salary": 1000000
}'

3.4.2 kibana devtools 操作Elasticsearch
3.4.2.1 安装配置kibana
①.安装kibana

[root@es-node1 ~]# rpm -ivh kibana-7.8.1-x86_64.rpm

② 配置kibana

[root@kibana ~]# grep "^[a-Z]" /etc/kibana/kibana.yml
server.port: 5601 #kibana默认监听端口
server.host: "0.0.0.0" #kibana监听地址段
elasticsearch.hosts: ["http://localhost:9200"] # kibana丛coordinating节点获取数据
i18n.locale: "zh-CN" #kibana汉化

③.启动kibana

[root@kibana ~]# systemctl start kibana
[root@kibana ~]# systemctl enable kibana

3.4.2.2 Elasticsearch 索引api
①.添加索引

PUT /yangtao_index

②.删除索引

DELETE /yangtao_index

③.查看索引

GET _cat/indices

3.4.2.3 Elasticsearch 文档api
①.创建文档 document

#创建一个文档（指定ID）
POST /oldxu_index/_doc/1
{
"username": "oldxu",
"age": 18,
"salary": 1000000
}

创建文档不指定ID

②.查询文档
查询文档，指定要查询的文档id

查询文档，搜索所有文档，用_search

# 查询指定的内容
GET /oldxu_index/_search
{
"query": {"match": {
"user": "oldxu"
}}
}

③.批量创建文档
es 允许通过 _bulk 一次创建多个文档，从而减少网络传输开销，提升写入速率。

#批量创建document
POST _bulk
{"index":{"_index":"tt","_id":"1"}}
{"name":"oldxu","age":"18"}
{"create":{"_index":"tt","_id":"2"}}
{"name":"oldqiang","age":"30"}
{"delete":{"_index":"tt","_id":"2"}}
{"update":{"_id":"1","_index":"tt"}}
{"doc":{"age":"20"}}

④.批量查询文档
es允许通过 _mget 一次查询多个文档。

#批量查询document
GET _mget
{
"docs": [
{
"_index": "tt",
"_id": "1"
},
{
"_index": "tt",
"_id": "2"
}
]
}

3.5 Elasticsearch集群搭建
3.5.1 Elasticsearch集群的好处
es天然支持集群模式，其好处主要有两个：
1.能够增大系统的容量，如内存、磁盘，使得 es集群可以支持PB级的数据；
2.能够提高系统可用性，即使部分节点停止服务，整个集群依然可以正常服务；

3.5.2 Elasticsearch集群搭建
①.环境准备

主机名称	ip地址
es-node1	192.168.1.43
es-node2	192.168.1.90
es-node3	192.168.1.39
②.所有集群节点都需要安装es软件

 yum localinstall -y elasticsearch-7.8.1-x86_64.rpm

③.配置node节点
node1节点

[root@rongbiz-43 ~]# grep ^[a-z] /etc/elasticsearch/elasticsearch.yml 
cluster.name: rongbiz
node.name: node-1
path.data: /es
path.logs: /var/log/elasticsearch
network.host: 192.168.1.43
http.port: 9200
discovery.seed_hosts: ["192.168.1.43", "192.168.1.90","192.168.1.39"]
cluster.initial_master_nodes: ["192.168.1.43", "192.168.1.90","192.168.1.39"]

node2节点

[root@rstx-90 ~]# grep ^[a-z] /etc/elasticsearch/elasticsearch.yml
cluster.name: rongbiz
node.name: node-2
path.data: /es
path.logs: /var/log/elasticsearch
network.host: 192.168.1.90
http.port: 9200
discovery.seed_hosts: ["192.168.1.43", "192.168.1.90","192.168.1.39"]
cluster.initial_master_nodes: ["192.168.1.43", "192.168.1.90","192.168.1.39"]

node3节点

[root@jumpserver ~]# grep ^[a-z] /etc/elasticsearch/elasticsearch.yml
cluster.name: rongbiz
node.name: node-3
path.data: /es
path.logs: /var/log/elasticsearch
network.host: 192.168.1.39
http.port: 9200
discovery.seed_hosts: ["192.168.1.43", "192.168.1.90","192.168.1.39"]
cluster.initial_master_nodes: ["192.168.1.43", "192.168.1.90","192.168.1.39"]

④.验证

[root@jumpserver ~]# curl http://192.168.1.39:9200/_cat/master
qgHrj_ZTS4yZPaYCmaMzJg 192.168.1.90 192.168.1.90 node-2

[root@jumpserver ~]# curl http://192.168.1.39:9200/_cat/nodes
192.168.1.43 25 96 1 0.03 0.18 0.17 dilmrt - node-1
192.168.1.90 10 96 0 0.04 0.11 0.18 dilmrt * node-2
192.168.1.39 27 94 0 0.00 0.05 0.11 dilmrt - node-3

3.5.3 Elasticsearch集群健康监测
Cluster Health 获取集群的健康状态，整个集群状态
包括以下三种:
1. green 健康状态，指所有主副分片都正常分配
2. yellow 指所有主分片都正常分配，但是有副本分片未正常分配
3. red 有主分片未分配，表示索引不完备，写可能有问题。（但不代表不能存储数据和读取数据）

检查 ES 集群是否正常运行，可以通过 curl、Cerebro两种方式；
3.5.3.1 curl对Elasticsearch集群健康监测

#通过curl命令检查集群状态
[root@jumpserver ~]# curl http://192.168.1.39:9200/_cluster/health?pretty=true
{
  "cluster_name" : "rongbiz",
  "status" : "green",
  "timed_out" : false,
  "number_of_nodes" : 3,
  "number_of_data_nodes" : 3,
  "active_primary_shards" : 0,
  "active_shards" : 0,
  "relocating_shards" : 0,
  "initializing_shards" : 0,
  "unassigned_shards" : 0,
  "delayed_unassigned_shards" : 0,
  "number_of_pending_tasks" : 0,
  "number_of_in_flight_fetch" : 0,
  "task_max_waiting_in_queue_millis" : 0,
  "active_shards_percent_as_number" : 100.0
}

# 监控ES集群状态脚本
[root@jumpserver ~]# curl -s http://192.168.1.39:9200/_cluster/health?pretty=true | grep "status" |awk -F '"' '{print $4}'
green

3.5.3.2 cerebor对Elasticsearch集群健康监测
可视化 cerebro 工具检查 ES 集群状态！cerebro传送门
PS: Cerebro-0.9.4-1运行环境最低java11 否则无法运行

[root@rongbiz-43 ~]# rpm -ivh cerebro-0.9.4-1.noarch.rpm
[root@rongbiz-43 ~]# vim /etc/cerebro/application.conf
data.path: "/var/lib/cerebro/cerebro.db"
#data.path = "./cerebro.db"
[root@erongbiz-43 ~]# systemctl start cerebro
[root@rongbiz-43 ~]# ss -nutlp|grep 9000
tcp    LISTEN     0      100    [::]:9000               [::]:*                   users:(("java",pid=3080,fd=137))

集群检查效果如下图所示：

https://www.modb.pro/db/233412

3.6 Elasticsearch集群节点类型

• Cluster state
• Master
• Date
• Coordinating
  ①. Cluster state 集群相关的数据被称为cluster state,会存储在每个节点中，重要的信息有
• 节点的信息 比如节点的名称，节点的连接信息
• 索引的信息 索引的名称,索引的配置(分片及副本)
  ②.Master 主控节点
  1.ES集群中只能有一个 master 节点，master节点用于控制整个集群的操作；
  2.Master 主要维护 Cluster State，当有新数据产生后，Master 会将数据同步给其他 Node 节点；
  3.Master节点是通过选举产生的，可以通过node.master: true 指定为Master节点。（ 默认true ）
  当我们通过API创建索引 PUT /oldxu_index，Cluster State 则会发生变化，由 Master 同步至其他 Node 节点；
  ③.Data
  1.存储数据的节点即为 data 节点，默认节点都是 data 类型，配置node.data: true（ 默认为 true ）
  2.当创建索引后，索引创建的数据会存储至某个节点，能够存储数据的节点，称为data节点；
  ④.Coordinating
  1.处理请求的节点即为 coordinating 节点，该节点为所有节点的默认角色，不能取消

2. coordinating 节点主要将请求路由到正确的节点处理。比如创建索引的请求会由 coordinating路由到 master 节点处理；当配置 node.master:false、node.data:false 则为 coordinating节点

3.7 Elasticsearch集群索引分片副本
①. 提高ES集群可用性
如何提高 ES 集群系统的可用性；有如下两个方面；
1.1 服务可用性：

• 1）2个节点的情况下，允许其中1个节点停止服务；
• 2）多个节点的情况下，坏的节点不能超过集群一半以上；

1.2.数据可用性：

• 1）通过副本 replication 解决，这样每个节点上都有完备的数据。
• 2）如下图所示，node2上是 oldxu_index 索引的一个完整副本数据。

②. 增大ES集群的容量
2.1.如何增大 ES 集群系统的容量；我们需要想办法将数据均匀分布在所有节点上；引入分片 shard 解决；
2.2.什么是分片，将一份完整数据分散为多个分片存储；

• 分片是 es 支持 Pb 级数据的基石
• 分片存储了索引的部分数据，可以分布在任意节点上
• 分片存在主分片和副本分片之分，副本分片主要用来实现数据的高可用
• 副本分片的数据由主分片同步，可以有多个，用来提高读取数据性能的
  注意：主分片数在索引创建时指定且后续不允许在更改；默认ES7分片数为1个

③. 增加节点能否提高容量
创建索引，设定主分片和副本分片 number_of_shards=3 number_of_replicas=1 主分片和副本分片的数量是6

PUT /oldxu_index
{
"settings": {
"index": {
"number_of_shards": 3,
"number_of_replicas": 1
}
}
}

动态修改副本分片

PUT /oldxu_index/_settings
{
"number_of_replicas": 9
}

问题：目前一共有3个ES节点，如果此时增加一个新节点是否能提高 oldxu_index 索引数据容量？
答案：不能，因为 oldxu_index 只有3个分片，已经分布在3台节点上，那么新增的第四个节点对于oldxu_index 而言是无法使用到的。所以也无法带来数据容量的提升；
④. 增加副本能否提高读性能
问题：目前一共有3个ES节点，如果增加副本数是否能提高 oldxu_index 的读吞吐量；
答案：不能，因为新增的副本还是会分布在这 node1、node2、node3 这三个节点上的，还是使用了相同的资源，也就意味着有读请求来时，这些请求还是会分配到node1、node2、node3 上进行处理、也就意味着，还是利用了相同的硬件资源，所以不会提升性能；
问题：如果需要增加读吞吐量性能，应该怎么来做；
答案：增加读吞吐量还是需要添加节点，比如在增加三个节点 node4、node5、node6 那么将原来的 R0、R1、R2 分别迁移至新增的三个节点上，当有读请求来时会被分配 node4、node5、node6，也就意味着有新的 CPU、内存、IO，这样就不会在占用node1、node2、node3 的硬件资源，那么这个时候读吞吐量才会得到真正的提升；
⑤. 副本与分片总结
分片数和副本的设定很重要，需要提前规划好
1.过小会导致后续无法通过增加节点实现水平扩容；
2.设置分片过大会导致一个节点上分布过多的分片，造成资源浪费。分片过多也会影响查询性能；

3.8 Elasticsearch集群故障转移
什么是故障转义?
所谓故障转移指的是，当集群中有节点发生故障时，这个集群是如何进行自动修复的。
ES集群目前是由3个节点组成，如下图所示，此时集群状态是 green

①.模拟节点故障
假设：node1 所在机器宕机导致服务终止，此时集群会如何处理；大体分为三个步骤：

• 重新选举
• 主分片调整
• 副本分片调整
  ②.重新选举
  node2 和 node3 发现 node1 无法响应；一段时间后会发起 master 选举，比如这里选择 node2 为 master 节点；此时集群状态变为 Red 状态；
  ③.主分片调整
  node2 发现主分片 P0 未分配，将 node3 上的 R0 提升为主分片；此时所有的主分片都正常分配，集群状态变为 Yellow状态；
  ④. 副本分片调整
  node2 将 P0 和 P1 主分片重新生成新的副本分片 R0、R1，此时集群状态变为 Green；
  正常节点
  
  停止一个节点
  

3.9 Elasticsearch文档路由原理
ES文档分布式存储，当一个文档存储至 ES集群时，存储的原理是什么样的?
如图所示，当我们想一个集群保存文档时，Document1是如何存储到分片P1的？选择P1的依据是什么？

其实是有一个文档到分片的映射算法，其目是使所有文档均匀分布在所有的分片上，那么是什么算法呢？随机还是轮询呢? 这种是不可取的，因为数据存储后，还需要读取，那这样的话如何读取呢？
实际上，在ES 中，通过如下的公式计算文档对应的分片存储到哪个节点，计算公式如下:

shard = hash(routing) %
number_of_primary_shards
# hash 算法保证将数据均匀分散在分片中
# routing 是一个关键参数，默认是文档id，也可以自定义。
# number_of_primary_shards 主分片数
# 注意：该算法与主分片数相关，一但确定后便不能更改主分片。
# 因为一旦修改主分片修改后，Share的计算就完全不一样了

①.文档的创建流程

②.文档的读取流程

③.文档批量创建的流程

④.文档批量读取的流程

3.10 Elasticsearch扩展集群节点
3.10.1 node4节点扩展配置

[root@node4 ~]# grep "^[a-Z]" /etc/elasticsearch/elasticsearch.yml
cluster.name: my-oldxu
node.name: es-node4
path.data: /var/lib/elasticsearch
path.logs: /var/log/elasticsearch
network.host: # 内网IP
#bootstrap.memory_lock: true
node.data: true # data节点
node.master: false # 不参与master选举
discovery.seed_hosts: ["172.16.1.161","172.16.1.162", "172.16.1.163"]

3.10.2 node5节点扩展配置

[root@node5 ~]# grep "^[a-Z]"
/etc/elasticsearch/elasticsearch.yml
cluster.name: my-oldxu
node.name: es-node5
path.data: /var/lib/elasticsearch
path.logs: /var/log/elasticsearch
#bootstrap.memory_lock: true
network.host: # 内网IP
node.data: false # data节点
node.master: false # 不参与master选举
discovery.seed_hosts: ["172.16.1.161","172.16.1.162", "172.16.1.163"]

3.10.3 节点扩展检查
通过 cerebor检查集群扩展后的状态；如果出现集群无法加入、或者加入集群被拒绝，尝试删除/var/lib/elasticsearch 下的文件，然后重启 es；

PS:如果将 data节点修改为 Coordinating 节点；需要清理数据，否则无法启动；

# repurpose 重新调整
[root@web02 ~]# /usr/share/elasticsearch/bin/elasticsearchnode repurpose
-------------------------------------------
-----------------------------
WARNING: Elasticsearch MUST be stoppedbefore running this tool.

Found 1 indices (1 shards and 1 index metadata) to clean up
Use -v to see list of paths and indices affected
Node is being re-purposed as no-master and no-data. Clean-up of index data will be performed.
Do you want to proceed?
Confirm [y/N] y
Node successfully repurposed to no-master and no-data.

3.11 Elasticsearch扩展集群节点
3.11.1 内核参数优化

# 对于操作系统，需要调整几个内核参数
[root@node ~]# vim /etc/sysctl.conf
fs.file-max=655360 # 设定系统最大打开
文件描述符数，建议修改为655360或者更高，
vm.max_map_count = 262144 # 用于限制一个进程
可以拥有的虚拟内存大小，建议修改成262144或更高。
net.core.somaxconn = 32768
net.ipv4.tcp_tw_reuse = 1
net.ipv4.ip_local_port_range = 1000 65535
net.ipv4.tcp_max_tw_buckets = 400000
[root@node ~]# sysctl -p
# 调整最大用户进程数（nproc），调整进程最大打开文件
描述符（nofile）
[root@node ~]# rm -f
/etc/security/limits.d/20-nproc.conf # 删
除默认nproc设定文件
[root@node ~]# vim
/etc/security/limits.conf
* soft nproc 20480
* hard nproc 20480
* soft nofile 65536
* hard nofile 65536

3.11.2 配置参数优化

# 1.锁定物理内存地址，避免es使用swap交换分区，频繁
的交换，会导致IOPS变高。
[root@es-node ~]# vim /etc/elasticsearch/elasticsearch.yml
bootstrap.memory_lock: true
#2.配置elasticsearch启动参数
[root@es-node ~]# sed -i '/\[Service\]/aLimitMEMLOCK=infinity' /usr/lib/systemd/system/elasticsearch.service
[root@es-node ~]# systemctl daemon-reload
[root@es-node ~]# systemctl restart elasticsearch

3.11.3 JVM参数优化
JVM内存具体要根据 node 要存储的数据量来估算，为了保证性能，在内存和数据量间有一个建议的比例：像一般日志类文件，1G 内存能存储48G~96GB数据；
jvm堆内存最大不要超过31GB；
其次就是主分片的数量，单个控制在30-50GB；

假设总数据量为1TB，3个node节点，1个副本；那么实际要存储的大小为2TB，因为有一个副本的存在；2TB / 3 = 700GB，然后每个节点需要预留20%的空间，意味着每个node要存储大约 850GB 的数据；按照内存与存储数据的比率计算：
850GB/48=17GB，小于31GB，因为 31*48=1.4TB 及每个Node可以存储1.4TB数据，所以3个节点足够；
850GB/30=30个主分片，因为要尽量控制主分片的大小为30GB；

假设总数据量为2TB，3个node节点，1个副本；那么实际要存储的大小为4TB，因为有一个副本的存在；
4TB/3 = 1.4TB，然后每个节点需要预留20%的空间出来，意味着每个node要存储大约 1.7TB 的数据；
按照内存与存储数据的比率计算：

1.7TB/48=32GB 大于31G，因为 31*48=1.4TB及每个Node最多存储1.4TB数据，所以至少需要4个节点；1.5TB/30G=50个主分片，因为要尽量控制主分配存储的大小为30GB；

[root@es-node ~]# vim
/etc/elasticsearch/jvm.options
-Xms31g # 最小堆内存
-Xmx31g # 最大堆内存
#可根据服务器内存大小，修改为合适的值。一般设置为服
务器物理内存的一半最佳，但最大不能超过32G
# 每天1TB左右的数据量的服务器配置
16C 64G 6T 3台EC