Filebeat5+Kafka+ELK Docker是怎么搭建日志系统

这篇文章将为大家详细讲解有关Filebeat5+Kafka+ELK Docker是怎么搭建日志系统，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。

准备工作

• 所有的安装、配置或者说明文档都以官方为准，比如 docker.io, elastic.co, kafka.apache.org 等。
  百度出来的古老文章如果解决不了问题，后果自裁。

• 备好三台不同ip的虚机（下文用A B C说明），做集群嘛，标配!

• 做好心理预期，谷歌科学搜索不能少，妖怪问题会层出不穷，千万不能被吓到!

为什么使用Docker

纯粹是处于个人爱好，各种技术只要跟 Docker 搭边就倾爱它的 Docker 镜像版本。本文除了filebeat agent是二进制版本直接安装在应用机上，与docker无关，其他都是基于docker 镜像版本的集群安装。

为什么使用Kafka

分布式基于发布订阅的消息系统Kafka，它可以将业务应用端（client）和日志分析服务端（server）很好的黏合起来，并起到了缓冲作用，并提供了很多优秀特性比如异步，解耦，持久化，顺序化等。而且Kafka可以与很多开源组件Storm、Spark等集成，对于日后的扩展这一层会有很大的帮助。

为什么选择Filebeat5

本来开始确实是首选Flume，要做两件事：①上传client端的日志文件到Kafka; ②消费Kafka的队列消息存入ElasticSearch。
坑爹的是，当时最新发布的Flume版本是1.6.0, 而它支持的es版本最高只到1.7.5, 不支持2.x版本，中间对es做了各种的降级和甚至还得配合jdk8云云， 最后放弃。
选择就剩了 logstash-forwarder 和 filebeat， 而后者其实就是前者的升级版+替代品，所以直接选用filebeat无疑了。
妖怪又粗线了， filebeat当时的最新稳定版是1.3.0, 而它是不支持output到kafka的。也就是第①件事就被卡住了，幸好Beats5的alpha1测试版发布了，虽然不稳定，但是测试下来还未发现日志丢失的情况，先用着吧。
话音未落，alpha2又发布了...
https://www.elastic.co/guide/en/beats/libbeat/master/release-notes-5.0.0-alpha2.html

第②件事就通过Logstash来实现了(因为docker镜像就是elk一体的 hihahiha)

开整

问完十万个为什么之后，终于可以开整了（其实前面的#为什么#也是我的血泪史...）

一、Zookeeper 的安装

直接介绍一个不错的docker镜像，pull下来直接使用

docker pull jeygeethan/zookeeper-cluster

集群三个点上分别启动命令，虚拟卷大家自定义

docker run --name docker-zk -d --restart=always \
--net="host" \
-p 2181:2181 \
-p 2888:2888 \
-p 3888:3888 \
-v ~/dockerdata/zookeeper/lib:/var/lib/zookeeper \
-v ~/dockerdata/zookeeper/log:/var/log/zookeeper \
-v /etc/localtime:/etc/localtime:ro \
jeygeethan/zookeeper-cluster 192.168.0.1,192.168.0.2,192.168.0.3 1 {1/2/3: 三个节点分别设置} 

三个节点都启动成功后，进入节点A

运行 docker exec -it docker-zk bash

默认就会进入/usr/share/zookeeper 目录，

运行 bin/zkCli.sh

进入了zk的客户端命令行，

创建节点 create /nicholas "nicholas"
查看节点 get /nicholas 显示创建成功，
     在虚机B、C上执行get操作检查下新的节点是否已同步，可见则成功。

### 二、Kafka 的安装
同样 pull 镜像先

docker pull jeygeethan/kafka-cluster

同样三个节点上分别启动，注意，我这里kafka和zk使用的是相同的三台虚机。

docker run --name docker-kafka -d -p 9092:9092
-e KAFKA_HOST=192.168.0.1
-e KAFKA_PORT=9092
-e ZOOKEEPER_CONNECT=192.168.0.1:2181,192.168.0.2:2181,192.168.0.3:2181
-e KAFKA_ID=0 {0/1/2: 三个节点分别设置，从0开始} 
-v ~/dockerdata/kafka/logs:/tmp/kafka-logs
jeygeethan/kafka-cluster

同时进入虚机A，和虚机B

进入docker
  docker exec -it docker-kafka bash
转换目录
  cd /opt/kafka_2.11-0.9.0.1/bin
创建Topic
  ./kafka-topics.sh --create --topic TP_NIC --partitions 4 --replication-factor 2
         --zookeeper 192.168.0.1:2181,192.168.0.2:2181,192.168.0.3:2181
查看Topic
  ./kafka-topics.sh --describe --topic TP_NIC
          --zookeeper 192.168.0.1:2181,192.168.0.2:2181,192.168.0.3:2181
在broker0（虚机A）上生产消息
  ./kafka-console-producer.sh --topic=TP_NIC \
          --broker-list=192.168.0.1:9092,192.168.0.2:9092,192.168.0.3:9092
在broker1（虚机B）上消费消息
  ./kafka-console-consumer.sh --topic=TP_NIC \
          --zookeeper 192.168.0.1:2181,192.168.0.2:2181,192.168.0.3:2181

到此，虚机A和B已经都关联上了TP_NIC， 在 A 命令行上，随意输入各类字符， 在 B 上可以看到同样的字符即说明消费成功了.

三、ELK 的安装

pull 镜像 2.4 版本 最新的5已经有了

docker pull sebp/elk:es240_l240_k460

修改即将要映射的虚拟卷的目录权限， 注意这里的991,992,993分别对应ELK的三个独立用户，如果你看下docker file的build脚本就明白了，为了让docker运行成功，我们先把权限配上。

chown -R 991:991 ~/dockerdata/es && chown -R 992:992 ~/dockerdata/logstash && chown -R 993:993 ~/dockerdata/kibana

进入对应的目录，我们先把配置给设定好。
注：这些配置文件是从docker里面cp出来的，如源文件没有，请先docker run启动原镜像然后docker cp拷贝。

• Elasticsearch 配置

vi ~/dockerdata/es/config/elasticsearch.yml
编辑内容如下
cluster.name: mm-cluster
node.name: mm-node-01
node.master: false
node.data: true
#restrict outside access
network.host: 192.168.0.11
transport.tcp.port: 9300
http.port: 9200
path.data: /etc/elasticsearch/data
path.work: /etc/elasticsearch/work
path.logs: /etc/elasticsearch/logs
path.plugins: /etc/elasticsearch/plugins
bootstrap.mlockall: true
discovery.zen.ping.multicat.enabled: false
discovery.zen.fd.ping_timeout: 100s
#discovery.zen.fd.ping_retries: 6
#discovery.zen.fd.ping_interval: 30s
discovery.zen.ping.timeout: 100s
discovery.zen.minimum_master_nodes: 1
discovery.zen.ping.unicast.hosts: ["192.168.0.11", "192.168.0.12", "192.168.0.13"]
gateway.recover_after_nodes: 2
#action.auto_create_index: false
index.number_of_replicas: 0
index.number_of_shards: 2

• Kibana 配置

vi ~/dockerdata/kibana/config/kibana.yml
检查 elasticsearch.url: "http://localhost:9200" 对应上了即可

• Logstash 配置

新增Kafka的input配置文件：
vi ~/dockerdata/logstash/config/03-kafka-input.conf
------------------------------------------
input {
    kafka {
        zk_connect => "192.168.0.1:2181,192.168.0.2:2181,192.168.0.3:2181 "
        #group_id => ""
        topic_id => "syslog"
        codec => "plain"
        reset_beginning => false
        consumer_threads => 5
        decorate_events => true
        add_field => { "[@metadata][type]" => "syslog" }
    }
}
修改日志解析过滤配置文件：
vi ~/dockerdata/logstash/config/10-syslog.conf
------------------------------------------
filter {
  if [@metadata][type] in ["syslog","accesslog"] {
    ruby {
      code => "event['mlogsendts'] = event['@timestamp']"
    }
    mutate {
      add_field => ["mlogsendts_string", "%{@timestamp}"]
    }
    json {
      source => "message"
      add_field => {
        "mlogmsg" => "%{message}"
      }
      remove_field => [ "message"]
    }
    grok {
      patterns_dir => ["/opt/logstash/patterns"]
      match => { "mlogmsg" => "[%{MMLOGTS:mlogts}]\s[%{MMLOGWORDEXT:mlogcell}]\s[%{MMLOGWORDEXT:mlognode}]\s[%{MMLOGWORDEXT:mlogthread}]\s[%{MMLOGWORD:mloglevel}]\s[%{MMLOGWORDEXT:mlogclass}]\s%{GREEDYDATA}" }
    }
    grok {
      match => { "source" => "%{GREEDYDATA}/%{GREEDYDATA:mlogfilename}.log" }
    }
    syslog_pri { }
    date {
      match => [ "mlogts", "yyyy-MM-dd HH:mm:ss.SSS" ]
      timezone => "Asia/Shanghai"
      target => "@timestamp"
    }
  }
}
这里最复杂的其实是两件事，
① 用日志中的时间戳替换系统@timstamp（参见配置）
②grok表达式将日志中的变量分段解析（找在线grok校验工具可以验证自己的正则，很费劲！！！）
grok表达式默认支持各种格式的正则格式变量，大家自行官网搜索，这里我是自定义的一些正则变量，存放在：
vi ~/dockerdata/logstash/patterns/mmlog
.
patterns下面的文件logstash默认会自动扫描的，所以文件名随便定义，只要正则对了就可以了。
内容为：
MMLOGTS \d{4}-\d{2}-\d{2}\s\d{2}\:\d{2}\:\d{2}.\d{3}
MMLOGWORD \w
MMLOGWORDEXT [^]]+
MMLOGTHREAD \w(\w)\:\w-\w
MMLOGCLASS [\w.]+\:\w\s

下面就可以启动docker了，对于ELK中的Elasticsearch 和 Logstash都需要是集群三个点的，而Kibana只是展示数据，单点即可。所以启动脚本分别为：

• Kibana单点虚机，ELK三者全部开启，E+L的堆大小配置是基于该虚机是2c4g（相对低配置）

  docker run --privileged=true -i -d -p 5601:5601 -p 9200:9200 -p 9300:9300 -p 5044:5044 -p 5000:5000 \
  --net="host" \
  -v ~/dockerdata/es/config/:/etc/elasticsearch/:rw \
  -v ~/dockerdata/es/plugins/:/etc/elasticsearch/plugins/:rw \
  -v ~/dockerdata/es/data/:/etc/elasticsearch/data/:rw \
  -v ~/dockerdata/es/work/:/etc/elasticsearch/work/:rw \
  -v ~/dockerdata/es/logs/:/var/log/elasticsearch/:rw \
  -v ~/dockerdata/logstash/config/:/etc/logstash/conf.d/:rw \
  -v ~/dockerdata/logstash/patterns/:/opt/logstash/patterns/:rw \
  -v ~/dockerdata/logstash/logs/:/var/log/logstash/:rw \
  -v ~/dockerdata/kibana/config/:/opt/kibana/config/:rw \
  -v ~/dockerdata/kibana/logs/:/var/log/kibana/:rw \
  -v /etc/localtime:/etc/localtime:ro \
  -e ES_JAVA_OPTS="-Duser.timezone=Asia/Shanghai" \
  -e ES_HEAP_SIZE="2g" \
  -e LS_HEAP_SIZE="1g" \
  -e ELASTICSEARCH_START=1 -e LOGSTASH_START=1 -e KIBANA_START=1 \
  --name docker-elk sebp/elk:es240_l240_k460 \
  && docker logs -f docker-elk

• 其余两个点的启动关闭Kibana（KIBANA_START=0）， 虚机配置是4c8g（相对高配置）

  docker run --privileged=true -i -d -p 5601:5601 -p 9200:9200 -p 9300:9300 -p 5044:5044 -p 5000:5000 \
  --net="host" \
  -v ~/dockerdata/es/config/:/etc/elasticsearch/:rw \
  -v ~/dockerdata/es/plugins/:/etc/elasticsearch/plugins/:rw \
  -v ~/dockerdata/es/data/:/etc/elasticsearch/data/:rw \
  -v ~/dockerdata/es/work/:/etc/elasticsearch/work/:rw \
  -v ~/dockerdata/es/logs/:/var/log/elasticsearch/:rw \
  -v ~/dockerdata/logstash/config/:/etc/logstash/conf.d/:rw \
  -v ~/dockerdata/logstash/patterns/:/opt/logstash/patterns/:rw \
  -v ~/dockerdata/logstash/logs/:/var/log/logstash/:rw \
  -v ~/dockerdata/kibana/config/:/opt/kibana/config/:rw \
  -v ~/dockerdata/kibana/logs/:/var/log/kibana/:rw \
  -v /etc/localtime:/etc/localtime:ro \
  -e ES_JAVA_OPTS="-Duser.timezone=Asia/Shanghai" \
  -e ES_HEAP_SIZE="4g" \
  -e LS_HEAP_SIZE="2g" \
  -e ELASTICSEARCH_START=1 -e LOGSTASH_START=1 -e KIBANA_START=0 \
  --name docker-elk sebp/elk:es240_l240_k460 \
  && docker logs -f docker-elk

打开下面网址校验安装成功与否:
Kibana Web : http://<your-host>:5601
Elasticsearch Json : http://<your-host>:9200/
ES的插件安装请自己进入docker然后下载， 比较好用的有 head, hq 等

四、Filebeat5 的安装

这个最简单了，官网上下载 filebeat-5.0.0-rc1-linux-x86_64.tar.gz 解压安装；

vi /usr/local/src/filebeat5/filebeat.yml
编辑内容如下：
################### Filebeat Configuration Example #########################
############################# Filebeat ######################################
filebeat.prospectors:
# Each - is a prospector. Below are the prospector specific configurations
- input_type: log
  paths: ["/usr/local/src/logs/${appname}-${cellname}-${nodename}/sys-.log"]
  encoding: utf-8
  exclude_files: ['.\d{4}-\d{2}-\d{2}..log']
  document_type: syslog
  fields:
    mlogapp: ${appname}
  fields_under_root: true
  scan_frequency: 1s
  ignore_older: 30m
# must set ignore_older to be greater than close_inactive.
  close_inactive: 5m
  close_removed: true
  clean_removed: true
  multiline:
    pattern: ^[[[:digit:]]{4}-[[:digit:]]{2}-[[:digit:]]{2}[[:blank:]][[:digit:]]{2}:[[:digit:]]{2}:[[:digit:]]{2}.[[:digit:]]{3}]
    negate: true
    match: after
    max_lines: 500
output.kafka:
  # initial brokers for reading cluster metadata
  hosts: ["192.168.0.1:9092", "192.168.0.2:9092", "192.168.0.3:9092"]
  # message topic selection + partitioning
  topic: '%{[type]}'
  partition.round_robin:
    reachable_only: false
  required_acks: 1
  compression: gzip
  max_message_bytes: 1000000
############################# Logging #########################################
logging.level: info
logging.to_files: true
logging.to_syslog: false
logging.files:
  path: /usr/local/logs/filebeat
  name: filebeat.log
  keepfiles: 7
.
.
.
----------------------
*启动Filebeat5：**
export appname="uss-web" && export cellname="cell01" && export nodename="node01" \
&& cd /usr/local/src/filebeat/ \
&& nohup ./filebeat -e > /usr/local/src/logs/filebeat/nohup.out 2>&1 &

关于Filebeat5+Kafka+ELK Docker是怎么搭建日志系统就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。