logstash使用总结

最近在寻找从kafka读取数据，同步数据写入ElasticSearch中的通用ELK方案。其中 logstash最方便简单，总结一下。

安装

下载

下载位置

Past Releases of Elastic Stack Software | Elastic

注意：下载版本和ElasticSearch的版本保持一致。es版本可以通过http://ip:9200/ 查看。

管道配置

Logstash管道通常有三个阶段：输入（input）→ 过滤器(filter)→ 输出(output)。输入生成事件，过滤器修改它们，输出将它们发送到其他地方。

input

读取kafka数据

input {
  kafka {
    bootstrap_servers => "192.168.10.153:9092"
    group_id => "logstash_test"
    auto_offset_reset => "latest"
    topics => ["log_info"]
    codec => json {  ##添加json插件
      charset => "UTF-8"
    }
  }
}

LogStash多实例并行消费kafka

1.设置相同topic
2.设置相同groupid
3.设置不同clientid
4.input 的这个参数 consumer_threads => 10 多实列相加最好等于 topic分区数
如果一个logstash得参数大于topic，则topic数据都会被这个logstash消费掉

配置示例：

input {
  kafka {
    bootstrap_servers => "192.168.10.153:9092"
    group_id => "logstash_test"
    client_id => 1
    auto_offset_reset => "latest"
    topics => ["log_info"]
    codec => json {  ##添加json插件
      charset => "UTF-8"
    }
  }
}

测试：

按要求启动多个logstash实例，然后批量发送一批数据进入kafka,如果多个实例中都可以看到消费输出，则说明LogStash多实例并行消费kafka配置生效。

批量发送可以用如下脚本

cat log.txt | ./bin/kafka-console-producer.sh --bootstrap-server 192.168.10.153:9092 --topic log_info

log.txt

{"title":"aa","author":"bbbb","itemId":12336,"site":"dafadf","time":"2023-01-01 01:00:00"}
{"title":"bb","author":"bbbb","itemId":12337,"site":"dafadf","time":"2023-01-01 01:00:00"}
{"title":"cc","author":"bbbb","itemId":12338,"site":"dafadf","time":"2023-01-01 01:00:00"}

来源：LogStash多实例并行消费kafka_logstash 多实例 消费kafka 重复消费_林沂梵的博客-CSDN博客 

吞吐能力调优

1.调整consumer_threads

2.调整work数

在logstash消费kafka数据时，consumer_threads参数用于指定从kafka中读取数据的线程数，即同时从kafka中读取数据的数量。该参数的值越大，logstash从kafka读取数据的速度就越快。但是，如果该值过大，可能会导致系统性能下降。

与此不同的是，work参数则是指定logstash中并行执行的worker数，即同时进行过滤、处理数据的线程数。该参数的值越大，logstash处理数据的能力就越强。但同样地，如果该值过大，可能会导致系统性能下降。

因此，consumer_threads参数是用于调整从kafka中读取数据的速度，而work参数则是用于调整logstash的整体处理能力。

样例：

input {
  kafka {
    bootstrap_servers => "192.168.10.153:9092"
    group_id => "logstash_test"
    auto_offset_reset => "latest"
    topics => ["log_info"]
	consumer_threads => 2
	workers => 5
    codec => json {  ##添加json插件
      charset => "UTF-8"
    }
  }
}

3.调整queue.type

logstash中的queue.type参数用于指定队列的类型，目前支持两种类型：memory和persisted。

• memory：使用内存作为队列存储方式，数据仅在内存中存储，适用于数据量较小的场景。
• persisted：使用磁盘作为队列存储方式，会将数据存储到磁盘文件中，适用于数据量较大的场景。

queue.type的默认值是memory，如果需要使用persisted类型的队列，需要指定文件路径和文件名。

filter

解决@timestamp相差8小时问题

1.@timestamp为当前时间

filter {
 ruby {   
   code => "event.set('timestamp', event.get('@timestamp').time.localtime + 8*60*60)"   
 }  
 ruby {  
   code => "event.set('@timestamp',event.get('timestamp'))"  
 }  
 mutate {  
   remove_field => ["timestamp"]  
 } 
    
}

2.用时间字段覆盖@timestamp 

filter {
    date {
        match => ["time", "yyyy-MM-dd HH:mm:ss"]
        target => "@timestamp"
    }
	
 ruby {   
   code => "event.set('timestamp', event.get('@timestamp').time.localtime + 8*60*60)"   
 }  
 ruby {  
   code => "event.set('@timestamp',event.get('timestamp'))"  
 }  
 mutate {  
   remove_field => ["timestamp"]  
 } 
    
}

3.使用格式化后的时间字符串

filter {
    date {
        match => ["time", "yyyy-MM-dd HH:mm:ss"]
        target => "timetest"
    }

ruby {
    code => "event.set('daytime', ( event.get('timetest').time.localtime + 8*60*60).strftime('%Y-%m-%d'))"
 }

 mutate {
   remove_field => ["timetest"]
 }

}

 output

按自定义模板输出到elasticsearch。

如下实现了取@timestamp的天，动态创建index索引

以itemId字段作为索引id

lush_size 和 idle_flush_time 两个参数共同控制 Logstash 向 Elasticsearch 发送批量数据的行为。以上面示例来说：Logstash 会努力攒到 5条数据一次性发送出去，但是如果 5秒钟内也没攒够 5条，Logstash 还是会以当前攒到的数据量发一次。

从 5.0 开始，这个行为有了另一个前提：flush_size 的大小不能超过 Logstash 运行时的命令行参数设置的 batch_size，否则将以 batch_size 为批量发送的大小。

output {
  elasticsearch {
   flush_size => 5
   idle_flush_time => 5
    hosts => ["http://192.168.10.153:9200"]
    index => "log_info-%{+YYYY.MM.dd}"
	document_type => "log_type"  
	document_id => "%{itemId}"
    template => "/root/logstash-5.4.1/config/temp_log_info.json"  #Elasticsearh模板路径
    template_name => "log_info_tmp"  #Elasticsearh模板名称
    template_overwrite => true
  }
  stdout {
        codec => json_lines
    }
}

temp_log_info.json

{
      "template":"log_info*",
     "mappings":{
        "article":{
            "dynamic":"strict",
            "_all":{
                "enabled":false
            },
            "properties":{
                "title":{
                    "type":"string",
                    "index":"analyzed",
                    "analyzer":"ik_max_word",
                    "search_analyzer":"ik_max_word"
                },
                "author":{
                    "type":"string",
                    "index":"no"
                },
				"itemId":{
                    "type":"long"
                },
				 "site":{
                    "type":"keyword"
                },
                "time":{
                    "type":"date",
                    "index":"not_analyzed",
                    "format":"yyyy-MM-dd HH:mm:ss"
                }
            }
        }
    }
}

 来源：

output配置 - elasticsearch - ELK Stack 中文指南 - 开发文档 - 文江博客

根据不同来源写到不同索引

input {
    file {
        path => "/usr/local/my.log"  
        start_position => "beginning" 
        type => "infolog"
        sincedb_path => "/dev/null"
    }
    file {
        path => "/usr/local/my1.log"  
        start_position => "beginning" 
        type => "errlog"
        sincedb_path => "/dev/null"
    }
 
}
filter {
      json {
         source => "message"
      }
      date {
        match => ["timestamp", "dd/MMM/yyyy:HH:mm:ss Z"] #匹配timestamp字段
        target => "@timestamp"  #将匹配到的数据写到@timestamp字段中
      }
}
 
output {
       if [type] == "infolog" {
         elasticsearch {
            hosts => ["test:9200"]
            index => "infolog-%{+YYYY.MM.dd}"
        }
       } else if [type] == "errlog" {
         elasticsearch {
            hosts => ["test:9200"]
            index => "errlog-%{+YYYY.MM.dd}"
        }
       }
 
}

来源：logstash配置不同类型日志写到不同索引_logstash 索引配置_皮特猫.的博客-CSDN博客

启动

普通启动

./bin/logstash -f ./config/test.conf

自动重新加载配置文件

bin/logstash -f apache.config --config.reload.automatic 

启动多个实体

修改config/logstash.yml

path.data: /path/to/data/directory

注意：在设置 path.data 的时候，需要确保 Logstash 进程对该目录有读写权限。同时如果你运行了多个 Logstash 实例，需要保证每个实例的 path.data 目录是不同的，以便避免数据冲突。

测试

启动生产者：

./bin/kafka-console-producer.sh --bootstrap-server 192.168.10.153:9092 --topic log_info

插入测试数据：

{"title":"aa","author":"bbbb","itemId":12335,"site":"dafadf","time":"2023-01-01 01:00:00"}