为什么用到ELK：
一般我们需要日志分析场景，直接在日志文件中grep、awk就可以获得我们想要的信息。但是在规模较大的场景下，此方法效率底，面临问题包括日志量太大如何归档，文本搜索太慢、如何多维度查询。需要集中化的日志管理，所有服务器上的日志收集汇总。常见的解决思路就是建立集中式的日志收集系统，将所有节点上的日志统一收集、管理、访问。
一个完整的集中式的日志收集系统，需要包含以下几个方面:
● 收集 能够采集多种来源的日志数据
● 传输 能够稳定的把日志数据传输到中央系统
● 存储 如何存储日志系统
● 分析 可以支持UI分析
● 警告 能够提供错误报告，监控机制
ELK简介：
ELK是三个开源软件的缩写，分别表示:elasticsearch、Logstash、Kibana。现在还新增了一个FileBeat,他是一个轻量级的日志收集处理工具。
Elasticsearch是一个开源分布式搜索引擎，提供搜集、分析、存储三大功能，特点是分布式、零配置、自动发现、索引自动分片、索引副本机制，restful风格接口，多数据源，自动搜索负载等。
Logstash主要用来日志收集、分析、过滤日志的工具，支持大量数据获取方式。一般工作方式为C\S架构，Client端安装在需要收集日志的主机上，server端负责将收集到的各个节点日志进行过滤、修改等操作，然后一并发给elasticsearch.
Kibana可以作为Logstash和elasticsearch提供的日志分析友好的UI界面，可以帮助汇总、分析和搜索重要数据日志。
ELK架构
架构一图
这是一种最简单的ELK架构图，优点是简单易上手，缺点是Logstash消耗资源较大，运行占用CPU和内存高。另外没有消息队列作缓存存在数据丢失的隐患。
此架构有LogStash分布在各个节点上搜集日志，数据，并经过分析、过滤后发给远端服务器上的elasticsearch进行存储。elasticsearch提供多种api供用户查询操作。
架构二图
加入了消息队列(kafka、redis等)，logstash Agent先将日志传递给kafka(redis)，并将消息队列的消息或数据传递给logstash，logstash过滤、分析数据后将数据传递给elasticsearch。由于引用了kafka,当logstash server发生故障停止运行时，也可以把数据存储下来，从而避免了数据的丢失。
架构三图
将日志收集端logstash更换为beats，更灵活 消耗资源更少、扩展性也更强，同时配饰logstash和elasticsearch集群用于支持大型集群的运维日志数据的监控和管理。