小伙伴们，你们好，我是老寇
目录
一、前提条件
二、准备工作
三、ELK介绍
四、Kafka介绍
五、日志监控架构图
六、微服务集成
一、前提条件
一、前提条件
二、准备工作
三、ELK介绍
四、Kafka介绍
五、日志监控架构图
六、微服务集成
搭建kafka集群搭建elasticsearch集群搭建微服务环境
二、准备工作
192.168.1.1（启动Elasticsearch集群 + Kafka集群）
192.168.1.2（启动Elasticsearch集群 + Kafka集群）
192.168.1.3（启动Elasticsearch集群 + Kafka集群）
三、ELK介绍
ELK由Elasticsearch、LogStash、Kibana三部分组成，应用于实时数据检索和分析
springboot 2.0 集成elk 7.6.2
Elasticsearch
简介
开源分布式搜索引擎，基于Lucene（全文检索引擎）开发的Java开发，通过RESTful Web接口，让用户通过浏览器与Elasticsearch通信对大量的数据进行接近实时的存储，搜索和分析
特点
配置简单易上手，采用JSON接口处理方式灵活集群支持线性扩展检索性能高效
功能
实时全文搜索数据分析数据存储数据
概念
NRT（近实时）
在进行搜索时，从索引的一个文档到这个文档被搜索出来，有一个轻微的延迟（通常1秒延迟）
shards（分片）
在实际情况下，索引存储的数据可能超过单个节点的硬件限制。如20亿的文档需要2TB，不适合存储在单节点的磁盘上，或单节点搜索请求太慢。因此，为了解决这个问题，elasticsearch提出将索引分成多个分片的功能。当创建索引时，可以定义想要分片的数量，每一个分片就是一个全功能独立的索引，可以存储在集群的任何节点上。分片的两个最主要的原因：水平分割扩展，增加存储量；分布式并行跨分片操作，提供性能和吞吐量
replicas（副本）
网络问题或其他问题都有可能造成数据丢失，为了数据的健壮性，需要有一个故障切换机制，防止发生任何故障导致分片或节点不可用，因此，需要将索引分片复制一份或多份，称为副本或分片副本。副本的两个主要原因：高可用行，以应对分片或节点故障，出于这个原因，分片副本要在不同的节点上面；高性能，增大吞吐量，搜索可以并行在所有副本上执行
index（索引）
索引是拥有几分相似特征的文档集合，类似数据库中的表，如一个客户数据索引、一个订单数据索引。对索引中的文档进行搜索、更新和删除，都要用到这个名字
document（文档）
文档是索引的基础信息单元，类似于数据库中的某条记录，如一条用户信息文档。文档以JSON格式来表示，索引中可以存储任何多的文档
cluster（集群）
由一个或多个节点组织在一起（集群也可以只有一个节点），它们共同持有你的整个数据，并一起提供索引和搜索功能。其中有一个节点为主节点，主节点可以通过选举产生，并提供跨节点的联合索引和搜索功能。每个节点加入集群都是基于集群名称加入的，因此，确保不同的环境中使用不同集群名称
node（节点）
节点是单一的服务器，是集群的一部分，存储数据并参与集群的索引和搜索功能，节点名称需要是唯一的，在集群中用于识别服务器对应的节点
type（类型）
一个索引可以定义一种或多种类型，用于对一组共同字段的文档定义一个类型，elasticsearch 7之后的版本废除该type
elasticsearch 7.6.2 单机搭建
elasticsearch 7.6.2 集群搭建
elasticsearch 索引管理
springboot 2.0集成elasticsearch 7.6.2
springboot 2.0集成elasticsearch 7.6.2 关键字高亮显示
mysql 5.7同步数据到es 7.6.2
Logstash
简介
用来收集、分析、过滤日志的开源工具，几乎支持任何类型的日志（系统日志、业务日志）支持多种数据源接收日志（Mysql、Kafka），以多种方式输出数据（Elasticsearch、邮件）
windows安装logstash 7.6.2
Kibana
简介
开源工具，为Elasticsearch的日志分析提供友好的web界面用于搜索、分析和可视化存在Elasticsearch指标中的日志数据利用Elasticsearch的RESTful 接口来检索数据，不仅可以创建数据的定制仪表盘，还能以特殊的方式查询和过滤数据
windows安装kibana 7.6.2
四、Kafka介绍
Kafka是分布式的基于发布/订阅模式的消息队列，主要应用于大数据实时处理领域
Kafka
简介
分布式、支持分区（partition）、多副本（replica）基于Zookeeper协调的分布式消息中间件使用scala语言编写，实时处理大量数据
特性
时效性
每秒可处理几十万条消息，延迟最低只有几毫秒；每个topic可以分多个分区（partition），Consumer Group对Partition进行消费，提高负载均衡和消费的能力，具备高吞吐，低延迟的特性
拓展性
kafka集群支持热扩展
持久性
消息持久到本地磁盘，支持数据备份防止数据丢失
读写性能
支持数千个客户端同时读写
集群
一个kafka节点就是一个broker，消息由topic来承载，并且可以存储在1个或多个partition中，发布消息的应用是producer，消费消息的应用是consumer，多个consumer可以促成consumer group来共同消息一个topic中的消息
kafka 2.6.2 单机搭建
kafka 2.6.2 集群搭建
五、日志监控架构图
之前搭建ELK环境中，日志的处理流程为 logstash > elasticsearch，但是随着业务量的增长，需要对日志监控的架构进一步扩展，引入kafka集群。因此，日志的处理流程变为 kafka > logstash > elasticsearch
思考：ELK加入Kafka有什么好处？
logstash client和logstash server之间没有消息缓存，如果server宕机不可用，会有消息丢失的风险。引入kafka消息机制，保证了即使logstash server因故障停止运行，数据也会缓存下来，避免数据丢失由于在高并发环境下，数据读写特别频繁，导致logstash运行占用CPU和内存较高，kafka作为消息缓存队列解耦了处理过程，缓解系统的压力，同时提高了可扩展性，具有峰值处理能力，能够使关键组件顶住突发的访问压力，而不会因为并发的超负荷的请求而完全崩溃
六、微服务集成
请点击我，获取源码
springboot 2.0 集成elk 7.6.2
1.引入依赖
ch.qos.logback
logback-classic
1.2.3
com.github.danielwegener
logback-kafka-appender
0.2.0-RC2
2.修改logback-spring.xml
%d{yyyy-MM-dd HH:mm:ss.SSS} [%thread] %-5level %logger{35} - %msg %n laokou-elasticsearch bootstrap.servers=192.168.1.1:9092,192.168.1.2:9092,192.168.1.3:9092 acks=0 linger.ms=1000 max.block.ms=0
3.配置logstash.kafka.conf
input{
kafka {
#kafka服务地址
bootstrap_servers => "192.168.1.1:9092,192.168.1.2:9092,192.168.1.3:9092"
topics => "laokou-elasticsearch"
}
}
output{
elasticsearch{
hosts=>["192.168.1.1:9200","192.168.1.2:9200","192.168.1.3:9200"]
index => "laokou-elasticsearch-%{+YYYY.MM.dd}"
}
stdout{
codec => rubydebug
}
}
4.启动logstash 和 kibana
logstash -f logstash.kafka.conf
大功告成
参考博文：ELK日志分析系统(基本原理简介+ELK群集部署)
参考博文：消息队列(MQ)与kafaka概述(Filebeat+Kafka+ELK部署)
参考博文：Kafka总结（八）：KafKa与ELK整合应用
参考博文：ELK-基础系列(六)-ELK加入消息队列-Kafka部署
