ELK Stack 日志平台性能优化
阅读原文时间:2023年07月08日阅读:4

转载自:

https://mp.weixin.qq.com/s?__biz=MzAwNTM5Njk3Mw==&mid=2247487789&idx=1&sn=def0d8c2e6b8c596b4836a1180c7b221&chksm=9b1c11afac6b98b9ca74aa005e21ef25c8e999713e94c4e58de49a0c54d44e5e1619aa830c8d&mpshare=1&scene=1&srcid=1231F6Z3HevOthNAGOB0LTBJ&sharer_sharetime=1577767082607&sharer_shareid=6ec87ec9a11a0c18d61cde7663a9ef87#rd

1、性能分析

2、关于收集日志的选择:logstash/filter

3、Logstash的优化相关配置

4、引入Redis的相关问题

5、Elasticsearch节点优化配置

6、性能检查

1、性能分析

服务器硬件Linux:****1cpu4GRAM

假设每条日志250Byte。

分析:

①logstash-Linux:1cpu 4GRAM

  • 每秒500条日志;
  • 去掉ruby每秒660条日志;
  • 去掉grok后每秒1000条数据。

②filebeat-Linux:1cpu 4GRAM

  • 每秒2500-3500条数据;
  • 每天每台机器可处理:24h_60min_60sec* 3000*250Byte=64,800,000,000Bytes,约64G。

瓶颈在logstash从Redis中取数据存入ES,开启一个logstash,每秒约处理6000条数据;开启两个logstash,每秒约处理10000条数据(cpu已基本跑满);

logstash的启动过程占用大量系统资源,因为脚本中要检查java、ruby以及其他环境变量,启动后资源占用会恢复到正常状态。

2、关于收集日志的选择:****logstash/filter

没有原则要求使用filebeat或logstash,两者作为shipper的功能是一样的。

区别在于:

  • logstash由于集成了众多插件,如grok、ruby,所以相比beat是重量级的;
  • logstash启动后占用资源更多,如果硬件资源足够则无需考虑二者差异;
  • logstash基于JVM,支持跨平台;而beat使用golang编写,AIX不支持;
  • AIX 64bit平台上需要安装jdk(jre) 1.7 32bit,64bit的不支持;
  • filebeat可以直接输入到ES,但是系统中存在logstash直接输入到ES的情况,这将造成不同的索引类型造成检索复杂,最好统一输入到els 的源。

总结:

logstash/filter总之各有千秋,但是我推荐选择:在每个需要收集的日志服务器上配置filebeat,因为轻量级,用于收集日志;再统一输出给logstash,做对日志的处理;最后统一由logstash输出给es。

3、logstash的优化相关配置

可以优化的参数,可根据自己的硬件进行优化配置:

①pipeline线程数,官方建议是等于CPU内核数

  • 默认配置 ---> pipeline.workers: 2;
  • 可优化为 ---> pipeline.workers: CPU内核数(或几倍CPU内核数)。

②实际output时的线程数

  • 默认配置 ---> pipeline.output.workers: 1;
  • 可优化为 ---> pipeline.output.workers: 不超过pipeline线程数。

③每次发送的事件数

  • 默认配置 ---> pipeline.batch.size: 125;
  • 可优化为 ---> pipeline.batch.size: 1000。

④发送延时

  • 默认配置 ---> pipeline.batch.delay: 5;
  • 可优化为 ---> pipeline.batch.size: 10。

总结:

  • 通过设置-w参数指定pipeline worker数量,也可直接修改配置文件logstash.yml。这会提高filter和output的线程数,如果需要的话,将其设置为cpu核心数的几倍是安全的,线程在I/O上是空闲的。
  • 默认每个输出在一个pipeline worker线程上活动,可以在输出output中设置workers设置,不要将该值设置大于pipeline worker数。
  • 还可以设置输出的batch_size数,例如ES输出与batch size一致。
  • filter设置multiline后,pipline worker会自动将为1,如果使用filebeat,建议在beat中就使用multiline,如果使用logstash作为shipper,建议在input中设置multiline,不要在filter中设置multiline。

Logstash中的JVM配置文件:

Logstash是一个基于Java开发的程序,需要运行在JVM中,可以通过配置jvm.options来针对JVM进行设定。比如内存的最大最小、垃圾清理机制等等。JVM的内存分配不能太大不能太小,太大会拖慢操作系统。太小导致无法启动。默认如下:

  • Xms256m#最小使用内存;
  • Xmx1g#最大使用内存。

4、引入Redis的相关问题

filebeat可以直接输入到logstash(indexer),但logstash没有存储功能,如果需要重启需要先停所有连入的beat,再停logstash,造成运维麻烦;另外如果logstash发生异常则会丢失数据;引入Redis作为数据缓冲池,当logstash异常停止后可以从Redis的客户端看到数据缓存在Redis中;

Redis可以使用list(最长支持4,294,967,295条)或发布订阅存储模式;

Redis做ELK缓冲队列的优化:

  • bind 0.0.0.0 #不要监听本地端口;

  • requirepass ilinux.io #加密码,为了安全运行;

  • 只做队列,没必要持久存储,把所有持久化功能关掉:

    快照(RDB文件)和追加式文件(AOF文件),性能更好;

    save "" 禁用快照;

    appendonly no 关闭RDB。

  • 把内存的淘汰策略关掉,把内存空间最大

    maxmemory 0 #maxmemory为0的时候表示我们对Redis的内存使用没有限制。

5、Elasticsearch节点优化配置

服务器硬件配置,OS参数:

1)/etc/sysctl.conf 配置

# vim /etc/sysctl.confvm.swappiness = 1   #ES 推荐将此参数设置为 1,大幅降低 swap 分区的大小,强制最大程度的使用内存,注意,这里不要设置为 0, 这会很可能会造成 OOMnet.core.somaxconn = 65535     #定义了每个端口最大的监听队列的长度vm.max_map_count= 262144    #限制一个进程可以拥有的VMA(虚拟内存区域)的数量。虚拟内存区域是一个连续的虚拟地址空间区域。当VMA 的数量超过这个值,OOMfs.file-max = 518144    #设置 Linux 内核分配的文件句柄的最大数量# sysctl -p    #生效一下

2)limits.conf 配置

# vim /etc/security/limits.confelasticsearch    soft    nofile          65535elasticsearch    hard    nofile          65535elasticsearch    soft    memlock         unlimitedelasticsearch    hard    memlock         unlimited

3)为了使以上参数永久生效,还要设置两个地方:

# vim /etc/pam.d/common-session-noninteractive# vim /etc/pam.d/common-session

添加如下属性:

session required pam_limits.so

可能需重启后生效。

Elasticsearch中的JVM配置文件:

-Xms2g

-Xmx2g

  • 将最小堆大小(Xms)和最大堆大小(Xmx)设置为彼此相等。
  • Elasticsearch可用的堆越多,可用于缓存的内存就越多。但请注意,太多的堆可能会使您长时间垃圾收集暂停。
  • 设置Xmx为不超过物理RAM的50%,以确保有足够的物理内存留给内核文件系统缓存。
  • 不要设置Xmx为JVM用于压缩对象指针的临界值以上;确切的截止值有所不同,但接近32 GB。不要超过32G,如果空间大,多跑几个实例,不要让一个实例太大内存。

Elasticsearch配置文件优化参数:

1)主配置文件

# vim elasticsearch.ymlbootstrap.memory_lock: true  #锁住内存,不使用swap#缓存、线程等优化如下bootstrap.mlockall: truetransport.tcp.compress: trueindices.fielddata.cache.size: 40%indices.cache.filter.size: 30%indices.cache.filter.terms.size: 1024mbthreadpool:    search:        type: cached        size: 100        queue_size: 2000

2)设置环境变量

# vim /etc/profile.d/elasticsearch.sh export ES_HE AP _SIZE=2g #Heap Size不超过物理内存的一半,且小于32G。

集群的优化(我未使用集群):

  • ES是分布式存储,当设置同样的cluster.name后会自动发现并加入集群;
  • 集群会自动选举一个master,当master宕机后重新选举;
  • 为防止"脑裂",集群中个数最好为奇数个;
  • 为有效管理节点,可关闭广播discovery. zen.ping.multicast.enabled: false,并设置单播节点组discovery.zen.ping.unicast.hosts: ["ip1", "ip2", "ip3"]。

6、性能的检查

检查输入和输出的性能:

Logstash和其连接的服务运行速度一致,它可以和输入、输出的速度一样快。

检查系统参数:

1)CPU

  • 注意CPU是否过载。在Linux/Unix系统中可以使用top-H查看进程参数以及总计。
  • 如果CPU使用过高,直接跳到检查JVM堆的章节并检查Logstash worker设置。

2)Memory

  • 注意Logstash是运行在Java虚拟机中的,所以它只会用到你分配给它的最大内存。
  • 检查其他应用使用大量内存的情况,这将造成Logstash使用硬盘swap,这种情况会在应用占用内存超出物理内存范围时。

3)I/O监控磁盘I/O检查磁盘饱和度

  • 使用Logstash plugin(例如使用文件输出)磁盘会发生饱和。
  • 当发生大量错误,Logstash生成大量错误日志时磁盘也会发生饱和。
  • 在Linux中,可使用iostat,dstat或者其他命令监控磁盘I/O。

4)监控网络I/O

  • 当使用大量网络操作的input、output时,会导致网络饱和。
  • 在Linux中可使用dstat或iftop监控网络情况。

检查JVM heap:

  • heap设置太小会导致CPU使用率过高,这是因为JVM的垃圾回收机制导致的。
  • 一个快速检查该设置的方法是将heap设置为两倍大小然后检测性能改进。不要将heap设置超过物理内存大小,保留至少1G内存给操作系统和其他进程。
  • 你可以使用类似jmap命令行或VisualVM更加精确的计算JVM heap。

手机扫一扫

移动阅读更方便

阿里云服务器
腾讯云服务器
七牛云服务器