日志收集是一个很普遍的需求，各个服务的log日志，打点日志都需要收集起来做离线etl或实时分析。日志收集工具也有很多开源的可供选择，flume, logstash, filebeat等等。目前360商业化最主要的日志收集场景是投放引擎端的打点日志收集，中间件服务日志收集，这两种场景都是日志先持久化在本地，然后通过日志收集工具收集。

技术选型

投放引擎对资源占用比较敏感，所以在收集工具的选择上我们对比下来filebeat相比于基于jvm的工具在资源占用上优势还是很明显的，而且支持的一些特性也是能很好满足我们要求的。如果需要日志汇聚层我们选用的是logstash, 因为与filebeat都是elastic家的产品，集成起来方便。

fliebeat版本选用的是目前stable版本7.14，支持kafka sasl scram授权认证方式，老的版本不一定支持。logstash版本选用的是目前stable版本7.14。

当前我们主要使用的是filebeat的log input, kafka output, 得益于filebeat的可扩展性，其他input, output也能很好支持。

filebeat简介

filebeat底层主要依赖libbeat库来完成日志收集，libbeat提供publisher来对接inputs, 进入到libbeat后会经过processors的一系列加工处理。 libbeat封装了retry与ack反馈持久化机制，可以保证日志收集的完整性。

要用好filebeat涉及到很多配置，以下列出比较重要的:

processors配置: 可以对event做很多加工，比如add_fields,add_labels, add_tags, rename, drop_event等等
Inputs配置: 定义各种input配置。
Moduels: 对各种开源组件的日志收集支持，这些modules针对各个组件的日志做了parse与结构化处理，同时集成了ES, Kibana, 为这些开源组件提供一整套日志收集展示方案。
HTTP endpoint: 配置http rest api获取metrics。

接下来介绍filebeat两个比较重要的机制，收集meta持久化机制和反压机制，正是通过这两个机制filebeat才能保证日志收集的at least once语义。

filebeat收集meta持久化机制

这个机制很重要，因为这个涉及到日志收集的完整性保障，日志重放等问题。在filebeat run之后，在其根目录下会有data/registry/filebeat/log.json 文件, 这其中记录了filebeat收集meta持久化信息：

{"op":"set","id":1}{"k":"filebeat::logs::native::3162611-64768","v":{"id":"native::3162611-64768","prev_id":"","source":"/root/ysptest1.log","offset":0,"ttl":-1,"type":"log","timestamp":[2061828726851,1628151202],"FileStateOS":{"inode":3162611,"device":64768},"identifier_name":"native"}}{"op":"set","id":2}{"k":"filebeat::logs::native::3162611-64768","v":{"id":"native::3162611-64768","prev_id":"","timestamp":[2061975276931,1628151203],"ttl":-1,"FileStateOS":{"inode":3162611,"device":64768},"identifier_name":"native","source":"/root/ysptest1.log","offset":165,"type":"log"}}其中记录了input type, source端文件路径以及当前收集到的offset，时间戳， 还有用于唯一标识文件的inode, device信息。ack确认反馈会从output端一直反馈到input端，input端收到ack确认后会负责将meta信息持久化到这个文件中。

通过收集meta持久化机制我们能清楚得知道哪些文件收集完成了，哪些文件正在收集以及正在收集文件的offset，在必要的情况下，通过修改这个持久化文件可以做到日志重新收集的目的，或者干脆将data文件夹删除，那么所有本地日志都会重新收集。

filebeat反压机制

如果outputs一直发送失败，会有retry机制尝试，然后日志在internel queue堆积，internel queue满了inputs端就会停止收集，queue中日志的ack反馈也会迟迟得不到确认，文件的offset信息也不会更新. 这样就达到了一个反压的效果。

举个例子如果下游kafka集群不可用，那么outputs就会失败，慢慢internel queue就会full，inputs收集也会停止。这正是我们想要的效果，在下游出问题的时候，文件保持在本地磁盘是安全的。

通过filebeat的收集meta持久化机制以及反压机制就可以保证在极端情况下的at least once语义。

日志收集方案

设计目标：

提供统一运维监控管理，降低运维成本。
收集的日志可以同时满足实时，离线需求。
日志收集pipeline支持反压，支持at least once语义，支持日志重放。
跨IDC容灾，支持动态修改agent配置，将日志收集定向到其他IDC。

设计方案：

提供一键agent部署脚本，提供agentManager管理metrcis上报与agent配置修改动态感知
将kafka作为统一日志收集目的地。
logstash 作为日志汇聚层，避免agent过多对kafka带来压力。
监控告警: 获取filebeat，logstash metrics并解析成prom格式上报给prometheus, 通过grafana展示，提供实例级别的监控，对收集延迟，失败及时告警，对收集的日志count进行统计，方便对数。
产品化集成到ultron平台，基于项目粒度进行统一管理，运维，监控。

以下是日志收集的总体架构示意图:

对于日志收集处理可以分为如下四个层次:

#Q1 日志收集agent层：

我们选用filebeat作为日志收集agent，同时会有一个伴生的agentManager来对agent做管理，抽取metrics并发送到pushgateway, 对配置修改动态感知

#Q2 日志汇聚层:

这是个可选层，分以下两种情况:

对于agent不是很多的case，直接采用filebeat + kafka的方案是很高效的
对于agent很多的case，我们提供logstash汇聚层来对收集数据汇总然后发送给kafka, 避免对kafka造成连接过多的问题

#Q3 DataBus层:

我们将日志采集统一到kafka, 这样离线实时需求都可以得到满足, 我们在每个IDC都有kafka集群，这样当某个IDC不可用时，动态修改filebeat配置即可完成重新收集，相当于具备了跨IDC容灾的能力。

#Q4 异构传输层:

这一层主要是对收集日志的处理使用，我们当前通过自研的hamal2落地hdfs/hive为离线etl提供支持，通过flink/spark/storm/druid/clickhouse等实时消费处理。hamal2是我们基于flink实现的一个异构数据同步传输框架，用于Kafka数据实时入仓入湖。

下面主要介绍两种方案:

filebeat —> kafka 直连，这是目前主要在用的方案。
filebeat —> logstash —> kafka 这个方案加入了logstash汇聚层。

filebeat —> kafka

对于agent不是很多的场景，直接使用filebeat kafka output写入kafka是高效简洁的方式，根据我们上面阐述的filebeat收集meta持久化机制和反压机制，在kafka有问题写入不成功的情况下，会触发filebeat反压，日志收集文件的offset也将停止持久化，这样是符合我们预期的。目前360商业化没有有很多agent的场景，所以主要使用这种模式。

下面是filebeat–>kafka的简单架构示意图:

filebeat.yml 配置示例:

filebeat.inputs:- type: log  enabled: true  paths:    - /root/test*.log  fields:    topic_name: test- type: log  enabled: true  paths:    - /root/test2*.log  fields:    topic_name: test2
output.kafka:  version: 2.0.0  hosts: ["xxx:9092", "xxx:9092", "xxx:9092"]  # message topic selection + partitioning  topic: '%{[fields.topic_name]}'  partition.round_robin:    reachable_only: false
  required_acks: 1  compression: lz4  max_message_bytes: 10000000  sasl.mechanism: SCRAM-SHA-256  username: xxx  password: xxx  worker: 1   # producer实例数  refresh_frequency: 5m  codec.format:    string: '%{[message]}'   # 定义输出的日志，默认是带有很多meta信息的json string
filebeat.config.modules:  path: ${path.config}/modules.d/*.yml  reload.enabled: false
# 定义http endpoint, 用于获取metricshttp.enabled: truehttp.host: your hosthttp.port: 5066

简单说明下上面的配置，这个配置是filebeat直接使用kafka output写入kafka, filebeat.inputs部分定义了两个log type收集目录，并且通过fields添加了对应的topic名，在output.kafka中通过topic: ‘%{[fields.topic_name]}’ 动态定义了topic.

还有比较重要的配置是codec.format，可以重新定义输出日志的格式。

filebeat–>logstash–>kafka

对于agent有很多的场景，我们需要加入logstash汇聚层, 因为这可以避免大量filebeat直连kafka，对kafka连接负载造成压力。至于为什么选择logstash, 因为filebeat与logstash都是elastic家的产品，集成起来很方便， filebeat直接有logstash的output. 需要注意的是加入汇聚层对日志的完整性，稳定性保障都会带来挑战。

为了保障日志的完整性，我们依赖logstash的persistent queues(PQ)机制与反压机制：

persistent queues(PQ): 默认是不开启的，日志会先写内存queue再output出去，但这种方式在异常情况下会丢数据，为了保证日志完整性，我们必须开启PQ，开启后所有日志将先持久化到disk然后再output出去，这样可以做到at least once语义，可以通过配置queue.type来开启PQ：

queue.type: persistedqueue.max_bytes: 8gbqueue.max_events: 3000000path.queue: /path/to/queuefile

反压机制: 在PQ写满的情况下会反压到上游filebeat, filebeat再反压到input停止日志收集。这种反压传导机制和flink的有点像。

通过logstash的PQ机制以及反压机制就可以保证在极端情况下整个pipeline的at least once语义。

下面是filebeat–>logstash–>kafka的简单架构示意图:

为了方便logstash的运维管理，我们将其部署在k8s集群，由于logstash向外暴露的是tcp端口，我们通过nginx ingress + vip实现4层lvs。这样就可以根据其负载动态扩缩容了，而且可以提供一个统一的域名入口。

filebeat.yml 示例:

filebeat.inputs:- type: log  enabled: true  paths:    - /root/test*.log  fields:    topic_name: test    kafka_cluster: cluster1- type: log  enabled: true  paths:    - /root/test2*.log  fields:    topic_name: test2    kafka_cluster: cluster2
output.logstash:  hosts: ["logstash.k8s.domain:5044"]
# 定义http endpoint, 用于获取metricshttp.enabled: truehttp.host: your hosthttp.port: 5066

简单说明下上面的配置，这个配置是filebeat使用logstash output写入logstash, filebeat.inputs部分定义了两个log type收集目录，并且通过fields添加了对应的topic_name, kafka_cluster, 其中增加的kafka_cluster是logstash将日志分拣到不同集群使用的。

output.logstash中定义的logstash.k8s.domain:5044 其实是一个lvs域名端口，其后对应了多个logstash实例。这里我们没有使用filebeat的loadbalance设置，因为不是很灵活。

logstash.yml示例

queue.type: persistedqueue.max_bytes: 8gbqueue.max_events: 3000000path.queue: /path/to/queuefile

logstash-pipeline.conf 示例

input {    beats {        port => "5044"    }}
filter {    grok {        match => { "message" => "%{COMBINEDAPACHELOG}"}    }}
output {    stdout { codec => rubydebug {metadata => true}}    if [fields][kafka_cluster] == "xxx" {  # 日志分拣        kafka {            codec => plain {                format => '{ message:"%{message}"}'            }
            bootstrap_servers => "xxx:9092,xxx:9092,xxx:9092"            topic_id => "%{[fields][topic_name]}"            compression_type => "lz4"        }    }
    if [fields][kafka_cluster] == "xxx" {   # 日志分拣        kafka {            codec => plain {                format => '{ message:"%{message}"}'            }            bootstrap_servers => "xxx:9092,xxx:9092,xxx:9092"            topic_id => "%{[fields][topic_name]}"            jaas_path => "/root/logstash/kafka-jaas.conf"    # 支持SASL SCRAM            sasl_mechanism => "SCRAM-SHA-256"            security_protocol => "SASL_PLAINTEXT"            compression_type => "lz4"        }    }}

简单说明下上面的配置，通过filter plugin过滤出日志， output kafka plugin中通过filebeat传过来的fields分拣出日志发往不同的kafka集群，其中codec可以定义要输出到kafka的日志格式。

监控

filebeat的Monitor是要收费的，免费的filebeat版本只能从http endpoint来获取metrics，需要自己解析后写入pushgateway，然后通过prometheus –> grafana展示出来。logstash的Monitor也是收费的，类似filebeat，提供rest api来获取metrics, 需要自己解析后写入pushgateway，然后通过prometheus –> grafana展示出来。

以下是filebeat监控截图，主要就是将http endpoint中的metrics都展示出来:

总结

基于filebeat的agent非常轻量级，依赖少，资源占用少，支持丰富的inputs, modules, outputs, 非常易于扩展。 logstash作为汇聚层部署在k8s集群，通过4层lvs提供统一域名端口，实现实例弹性扩展。 filebeat， logstash都具有持久化与反压机制，都支持at least once语义，从而保障了日志收集的完整性。

参考资料

https://www.elastic.co/guide/en/beats/filebeat/current/index.html

https://www.elastic.co/guide/en/logstash/current/index.html

https://cloud.tencent.com/developer/article/1634020

2024 年 11 月
一	二	三	四	五	六	日
				1	2	3
4	5	6	7	8	9	10
11	12	13	14	15	16	17
18	19	20	21	22	23	24
25	26	27	28	29	30