一、背景
ELK Stack 是软件集合 Elasticsearch、Logstash、Kibana 的简称，由这三个软件及其相关的组件可以打造大规模日志实时处理系统。
其中，Elasticsearch 是一个基于 Lucene 的、支持全文索引的分布式存储和索引引擎，主要负责将日志索引并存储起来，方便业务方检索查询。
Logstash 是一个日志收集、过滤、转发的中间件，主要负责将各条业务线的各类日志统一收集、过滤后，转发给 Elasticsearch 进行下一步处理。
Kibana 是一个可视化工具，主要负责查询 Elasticsearch 的数据并以可视化的方式展现给业务方，比如各类饼图、直方图、区域图等。
所谓“大规模”，指的是 ELK Stack 组成的系统以一种水平扩展的方式支持每天收集、过滤、索引和存储 TB 规模以上的各类日志。
通常，各类文本形式的日志都在处理范围，包括但不限于 Web 访问日志，如 Nginx/Apache Access Log 。
基于对日志的实时分析，可以随时掌握服务的运行状况、统计 PV/UV、发现异常流量、分析用户行为、查看热门站内搜索关键词等。
二、架构
上图是 ELK Stack 实际应用中典型的一种架构，其中 filebeat 部署在具体的业务机器上，通过定时监控的方式获取增量的日志，并转发到 Kafka 消息系统暂存。
Kafka 以高吞吐量的特征，作为一个消息系统的角色，接收从 filebeat 收集转发过来的日志，通常以集群的形式提供服务。
然后，Logstash 从 Kafka 中获取日志，并通过 Input-Filter-Output 三个阶段的处理，更改或过滤日志，最终输出我们感兴趣的数据。通常，根据 Kafka 集群上分区(Partition)的数量，1:1 确定 Logstash 实例的数量，组成 Consumer Group 进行日志消费。
最后，Elasticsearch 存储并索引 Logstash 转发过来的数据，并通过 Kibana 查询和可视化展示，达到实时分析日志的目的。
Elasticsearch/Kibana 还可以通过安装 x-pack 插件实现扩展功能，比如监控 Elasticsearch 集群状态、数据访问授权等。
三、实现
我们一步步安装部署 ELK Stack 系统的各个组件，然后以网站访问日志为例进行数据实时分析。
首先，到 ELK 官网 下载需要用到的 Filebeat/Logstash/Elasticsearch/Kibana 软件安装包。（推荐下载编译好的二进制可执行文件，直接解压执行就可以部署）
1、下载并配置 Filebeat，开启日志增量监控
本文使用的版本是 5.2.2，解压 Filebeat ，修改其中 filebeat.yml 的内容为：（详细内容参见本文附录链接）
上述配置表示，Filebeat 定期监控：
/path/to/my/nginx/access/*.log
目录下所有以 .log 结尾的文件，并且将增量日志转发到 Kafka 集群。
然后，后台启动 Filebeat 进程：
nohup ./filebeat -c ./filebeat.yml &
这时候，在浏览器上访问 Nginx 服务器并生成访问日志后，Filebeat 会及时的将日志转发到 Kafka 集群。转发的时候，Filebeat 会传输 JOSN 对象，而且原生的 Nginx 日志文本会作为 message 字段，示例如下：
2、下载并配置 Kafka 集群
到 Kafka 官网 下载安装包，本文使用的版本是 0.10.2.0，确认已安装 java 运行环境
解压后，编辑配置文件 conf/server.properties：（详细内容参见本文附录链接）
启动 Zookeeper：
nohup ./bin/zookeeper-server-start.sh config/zookeeper.properties &
启动 Kafka Server：(指定 JMX_PORT 端口，可以通过 Kafka-manager 获取统计信息)
JMX_PORT=9001
nohup ./bin/kafka-server-start.sh config/server.properties &
2.1、安装 Kafka-Manager
kafka-manager 是 Yahoo 公司开源的一个 kafka 集群管理工具。
可以在 Github 上下载安装：https://github.com/yahoo/kafka-manager
如果你通过 sbt 编译太慢的话，可以直接下载本文附件，这是一个编译好的安装包，解压后，修改配置文件 conf/application.conf 即可运行：
bin/kafka-manager -Dconfig.file=/path/to/application.conf -Dhttp.port=8080
然后，通过浏览器访问：
3、下载并配置 Logstash
本文使用的版本是 5.2.2，创建 logstash.conf 文件：（详细内容参见本文附录链接）
配置文件主要分为三大部分： Input / Filter / Output，对应收集、过滤、转发三个阶段。显然，Input 阶段只需要指定 Kafka 集群相关信息即可，Output 阶段只需要指定 Elasticsearch 服务器相关的信息即可，比较复杂的是 Filter 过滤阶段。
可以看到，上述配置中，grok 插件使用正则表达式将 Nginx 日志的各个字段匹配出来，包括访问用户 ip 地址、请求时间和地址、服务器响应字节以及用户标示 User-Agent 等。
关于 Grok 的语法，可以参考：https://grokdebug.herokuapp.com/
然后，mutate、ruby、useragent、date、kv 等插件配合使用，过滤并获取到感兴趣的字段，最后输出如下示例的 JOSN 对象：
这就是最终存储在 Elasticsearch 中的文档内容。
如果你想自定义开发插件，参见：https://juejin.im/post/58ca9d47570c3500589206d5
接下来，就可以启动 Logstash 进程了：
nohup ./bin/logstash -f ./logstash.conf &
4、配置并启动 Elasticsearch 服务
本文使用的是 5.2.2 版本，下载并解压后，修改 conf/elasticsearch.yml 内容如下：（详细内容参见本文附录链接）
指定文档和日志的存储路径以及监听的地址和端口。
注意，应当保证有足够的磁盘空间来存储文档，否则 ES 将拒绝写入新数据。
安装 x-pack 插件：
bin/elasticsearch-plugin install x-pack
另外，不能使用 root 用户启动 Elasticsearch 进程，建议新建账户 elasticsearch。
环境变量 ES_JAVA_OPTS 被读取为 Elasticsearch 的最大内存空间，一般设置为你机器内存的一半即可，启动 ES 服务：
ES_JAVA_OPTS="-Xms4g -Xmx4g"
nohup ./bin/elasticsearch &
如果启动 Elasticsearch 出现以下错误提示：
max virtual memory areas vm.max_map_count [65530] likely too low, increase to at least [262144]
max file descriptors [4096] for elasticsearch process likely too low, increase to at least [65536]
那么需要修改系统配置：
vi /etc/sysctl.conf 修改虚拟内存配置：
vm.max_map_count = 262144
对于 Ubuntu 系统需要执行：
sudo sysctl -w vm.max_map_count=262144
可以通过
sudo sysctl -a | grep max_map_count
查看修改结果是否生效
vi /etc/security/limits.conf 修改 文件描述符限制：
elasticsearch soft nofile 65536
elasticsearch hard nofile 65536
然后，退出终端，重新使用 elasticsearch 账户登录，启动 Elasticsearch 后，通过浏览器访问 9200 端口，查看 Elasticsearch 状态：
4.1、安装 Cerebro
Cerebro 时一个第三方的 Elasticsearch 集群管理软件，可以方便地查看集群状态：
下载地址：https://github.com/lmenezes/cerebro
启动进程后，可以在浏览器查看：
bin/cerebro -Dhttp.port=1234 -Dhttp.address=127.0.0.1
可以在管理后台修改模板，优化索引配置，例如：
关闭备份，节省磁盘空间："number_of_replicas": "0"
5、配置并启动 Kibana 服务
本文使用的版本是5.2.2，下载 Kibana ，修改 conf/kibana.yml ，内容为：（详细内容参见本文附录链接）
安装 x-pack 插件：
bin/kibana-plugin install x-pack
启动 Kibana 进程：
nohup ./bin/kibana &
tips：最好手动退出一下终端
exit
否则，关闭终端后，Kibana 进程可能也停止运行了。
然后，就可以在浏览器访问 Kibana 了：
注意：
初次访问 Kibana 的时候，需要配置一个默认的 ES 索引，一般填写 .monitoring* 即可，这是因为在上述安装 x-pack 后，会自动开始监控 Elasticsearch 集群的状态，并将监控结果以 .monitoring* 命名索引文件
接下来，就可以使用 Kibana 的可视化功能分析日志了：
5.1 分析各个接口的请求量
在 Kibana 管理后台，选择 Visualize >> AreaChart >> logstash-* 索引:
将 x 轴 (X-Axis) 的类型选择为 Date-Histogram，按照参数 request 拆分图形 (Split-Area)
四、总结
综上，我们配置并部署了 ELK Stack 的整套组件，实现了日志收集、过滤、索引和可视化的全部流程，基于这套系统我们就可以实时的分析业务。
五、附录：
1、ELK 各个组件运行过程中会产生大量的日志，所以需要注意日志处理，要么 > /dev/null 全部忽略，要么存储在大磁盘空间，否则可能写满磁盘导致进程被 killed
2、上述安装过程使用的配置文件下载：https://github.com/Ceelog/elkstack
3、通过水平扩展 Kafka、Elasticsearch 集群，可以实现日均几百万到数十亿的日志实时处理
4、参考资料：
https://www.elastic.co/guide/index.html
https://www.elastic.co/guide/en/logstash/current/deploying-and-scaling.html
https://www.gitbook.com/book/chenryn/elk-stack-guide-cn/details
5、磁盘对 Elasticsearch 的性能影响很大，能上 SSD 是最好的，否则本地磁盘也行，如果是云存储的话会导致机器负载极高
6、部署 Kafka Broker 节点的机器不要跑其他会产生大量磁盘I/O的程序，这样才能保证 Kafka 磁盘 I/O 效率最高，从而提升吞吐量，当然，部署一个 Logstash 实例没有问题
7、为了提升 Logstash 的吞吐量，可以适当增加 CPU 核数，然后在启动 Logstash 的时候指定worker 数量和 CPU 核数一致
8、在 Logstash 处理日志的阶段，尽量把不必要的字段删除，这样既能提高 ES 的索引速率，又能节省磁盘空间
（还有疑问？联系作者微博/微信 @Ceelog，转载请注明出处 ）
