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:UsersAdministratorDesktopperformanceTrace.txt   encoding: GB2312 

2、删除多余日志中的多余行

if ([message] =~ "^20.*- task request,.*,start time.*") {   #用正则需删除的多余行             drop {}     }  

日志示例：

2018-03-20 10:44:01,523 [33]DEBUG Debug - task request,task Id:1cbb72f1-a5ea-4e73-957c-6d20e9e12a7a,start time:2018-03-20 10:43:59   #需删除的行 -- Request String :  {"UserName":"15046699023","Pwd":"ZYjyh727","DeviceType":2,"DeviceId":"PC-20170525SADY","EquipmentNo":null,"SSID":"pc","RegisterPhones":null,"AppKey":"ab09d78e3b2c40b789ddfc81674bc24deac","Version":"2.0.5.3"} -- End -- Response String :  {"ErrorCode":0,"Success":true,"ErrorMsg":null,"Result":null,"WaitInterval":30} -- End 

3、grok处理多种日志不同的行

日志示例：

2018-03-20 10:44:01,523 [33]DEBUG Debug - task request,task Id:1cbb72f1-a5ea-4e73-957c-6d20e9e12a7a,start time:2018-03-20 10:43:59 -- Request String :  {"UserName":"15046699023","Pwd":"ZYjyh727","DeviceType":2,"DeviceId":"PC-20170525SADY","EquipmentNo":null,"SSID":"pc","RegisterPhones":null,"AppKey":"ab09d78e3b2c40b789ddfc81674bc24deac","Version":"2.0.5.3"} -- End -- Response String :  {"ErrorCode":0,"Success":true,"ErrorMsg":null,"Result":null,"WaitInterval":30} -- 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

2018-03-20 10:44:01,523 [33]DEBUG Debug - task request,task Id:1cbb72f1-a5ea-4e73-957c-6d20e9e12a7a,start time:2018-03-20 10:43:59 -- Request String :  {"UserName":"15046699903","Pwd":"ZYjyh727","DeviceType":2,"DeviceId":"PC-20170525SADY","EquipmentNo":null,"SSID":"pc","RegisterPhones":null,"AppKey":"ab09d78e3b2c40b789ddfc81674bc24deac","Version":"2.0.5.3"} -- End -- Response String :  {"ErrorCode":0,"Success":true,"ErrorMsg":null,"Result":null,"WaitInterval":30} -- 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>.*)"} -- Endn-- 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

match：after/before(需自己理解)

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multiline

what：previous/next(需自己理解)

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：

/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：

2018-03-20 10:44:01 [33]DEBUG Debug - task request,task Id:1cbb72f1-a5ea-4e73-957c-6d20e9e12a7a,start time:2018-03-20 10:43:59 

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

②filebeat-Linux：1cpu 4GRAM

③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);

④logstash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：

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;然后统一由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

②实际output时的线程数

③每次发送的事件数

④发送延时

总结：

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。

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。

还可以设置输出的batch_size数，例如ES输出与batch size一致。

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。比如内存的大小、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：

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：

快照(RDB文件)和追加式文件(AOF文件)，性能更好;

save "" 禁用快照;

appendonly no 关闭RDB。

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     #定义了每个端口监听队列上限的长度 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max数量 

[root@elasticsearch]# sysctl -p生效一下。

2)limits.conf 配置

vim /etc/security/limits.conf

elasticsearch    soft    nofile          65535 elasticsearch    hard    nofile          65535 elasticsearch    soft    memlock         unlimited elasticsearch    hard    memlock         unlimited 

3)为了使以上参数一直生效，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

Elasticsearch配置文件优化参数：

1)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: 40% indices.cache.filter.size: 30% indices.cache.filter.terms.size: 1024mb threadpool:     search:         type: cached         size: 100         queue_size: 2000 

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)：

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

2)Memory

3)I/O监控磁盘I/O检查磁盘饱和度

4)监控网络I/O

检查JVM heap：