springboot 2.0 集成 kafka 2.6.2（集群） + elk 7.6.2（集群）目录

65 阅读 0 评论 43 点赞

我是靠谱客的博主坦率纸鹤，最近开发中收集的这篇文章主要介绍springboot 2.0 集成 kafka 2.6.2（集群） + elk 7.6.2（集群）目录，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

小伙伴们，你们好，我是老寇

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

        <!-- logback 推送日志文件到kafka -->
        <dependency>
            <groupId>ch.qos.logback</groupId>
            <artifactId>logback-classic</artifactId>
            <version>1.2.3</version>
        </dependency>
        <dependency>
            <groupId>com.github.danielwegener</groupId>
            <artifactId>logback-kafka-appender</artifactId>
            <version>0.2.0-RC2</version>
        </dependency>

2.修改logback-spring.xml

<?xml version="1.0" encoding="UTF-8"?>
<configuration>
    <include resource="org/springframework/boot/logging/logback/base.xml" />
    <logger name="org.springframework.web" level="INFO"/>
    <logger name="org.springboot.sample" level="TRACE" />

    <!-- 开发、测试环境 -->
    <springProfile name="dev,test">
        <logger name="org.springframework.web" level="INFO"/>
        <logger name="org.springboot.sample" level="INFO" />
        <logger name="io.laokou.elasticsearch" level="DEBUG" />
    </springProfile>

    <!-- 生产环境 -->
    <springProfile name="prod">
        <logger name="org.springframework.web" level="ERROR"/>
        <logger name="org.springboot.sample" level="ERROR" />
        <logger name="io.laokou.elasticsearch" level="ERROR" />
    </springProfile>

    <appender name="KAFKA" class="com.github.danielwegener.logback.kafka.KafkaAppender">
        <!-- encoder负责两件事，一是把日志信息转换成字节数组，二是把字节数组写入到输出流 -->
        <encoder>
            <pattern>%d{yyyy-MM-dd HH:mm:ss.SSS} [%thread] %-5level %logger{35} - %msg %n</pattern>
        </encoder>
        <!-- 配置topic，自动创建topic -->
        <topic>laokou-elasticsearch</topic>
        <!-- 相关配置信息 -->
        <keyingStrategy class="com.github.danielwegener.logback.kafka.keying.NoKeyKeyingStrategy" />
        <deliveryStrategy class="com.github.danielwegener.logback.kafka.delivery.AsynchronousDeliveryStrategy" />
        <!-- kafka集群地址 -->
        <producerConfig>bootstrap.servers=192.168.1.1:9092,192.168.1.2:9092,192.168.1.3:9092</producerConfig>
        <!-- acks=0 消息只要发送出去，不管那条数据有没有落在磁盘上，直接认为发送成功-->
        <producerConfig>acks=0</producerConfig>
        <!-- 消息量较少，过了1000ms自动发送出去 -->
        <producerConfig>linger.ms=1000</producerConfig>
        <!-- 消息不被阻塞 -->
        <producerConfig>max.block.ms=0</producerConfig>
        <appender-ref ref="CONSOLE" />
    </appender>
    <root level="INFO">
        <appender-ref ref="KAFKA" />
    </root>
</configuration>

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