elk 已经成为目前最流行的集中式日志解决方案，它主要是由beats、logstash、elasticsearch、kibana等组件组成，来共同完成实时日志的收集，存储，展示等一站式的解决方案。本篇文章主要给大家介绍了关于分布式实时日志分析解决方案 elk 部署架构 ，有需要的朋友可以看一下
课程推荐→：《elasticsearch全文搜索实战》（实战视频）
来自课程《千万级数据并发解决方案（理论+实战）》
一、概述elk 已经成为目前最流行的集中式日志解决方案，它主要是由beats、logstash、elasticsearch、kibana等组件组成，来共同完成实时日志的收集，存储，展示等一站式的解决方案。本文将会介绍elk常见的架构以及相关问题解决。
filebeat：filebeat是一款轻量级，占用服务资源非常少的数据收集引擎，它是elk家族的新成员，可以代替logstash作为在应用服务器端的日志收集引擎，支持将收集到的数据输出到kafka，redis等队列。
logstash：数据收集引擎，相较于filebeat比较重量级，但它集成了大量的插件，支持丰富的数据源收集，对收集的数据可以过滤，分析，格式化日志格式。
elasticsearch：分布式数据搜索引擎，基于apache
  lucene实现，可集群，提供数据的集中式存储，分析，以及强大的数据搜索和聚合功能。
kibana：数据的可视化平台，通过该web平台可以实时的查看 elasticsearch 中的相关数据，并提供了丰富的图表统计功能。
二、elk常见部署架构2.1、logstash作为日志收集器
这种架构是比较原始的部署架构，在各应用服务器端分别部署一个logstash组件，作为日志收集器，然后将logstash收集到的数据过滤、分析、格式化处理后发送至elasticsearch存储，最后使用kibana进行可视化展示，这种架构不足的是：logstash比较耗服务器资源，所以会增加应用服务器端的负载压力。
2.2、filebeat作为日志收集器
该架构与第一种架构唯一不同的是：应用端日志收集器换成了filebeat，filebeat轻量，占用服务器资源少，所以使用filebeat作为应用服务器端的日志收集器，一般filebeat会配合logstash一起使用，这种部署方式也是目前最常用的架构。
2.3、引入缓存队列的部署架构
该架构在第二种架构的基础上引入了kafka消息队列（还可以是其他消息队列），将filebeat收集到的数据发送至kafka，然后在通过logstasth读取kafka中的数据，这种架构主要是解决大数据量下的日志收集方案，使用缓存队列主要是解决数据安全与均衡logstash与elasticsearch负载压力。
2.4、以上三种架构的总结
第一种部署架构由于资源占用问题，现已很少使用，目前使用最多的是第二种部署架构，至于第三种部署架构个人觉得没有必要引入消息队列，除非有其他需求，因为在数据量较大的情况下，filebeat 使用压力敏感协议向 logstash 或 elasticsearch 发送数据。如果 logstash 正在繁忙地处理数据，它会告知 filebeat 减慢读取速度。拥塞解决后，filebeat 将恢复初始速度并继续发送数据。
推荐一个交流学习群：478030634 里面会分享一些资深架构师录制的视频录像：有spring，mybatis，netty源码分析，高并发、高性能、分布式、微服务架构的原理，jvm性能优化这些成为架构师必备的知识体系。还能领取免费的学习资源，目前受益良多：
三、问题及解决方案问题：如何实现日志的多行合并功能？
系统应用中的日志一般都是以特定格式进行打印的，属于同一条日志的数据可能分多行进行打印，那么在使用elk收集日志的时候就需要将属于同一条日志的多行数据进行合并。
解决方案：使用filebeat或logstash中的multiline多行合并插件来实现
在使用multiline多行合并插件的时候需要注意，不同的elk部署架构可能multiline的使用方式也不同，如果是本文的第一种部署架构，那么multiline需要在logstash中配置使用，如果是第二种部署架构，那么multiline需要在filebeat中配置使用，无需再在logstash中配置multiline。
1、multiline在filebeat中的配置方式：
pattern：正则表达式
negate：默认为false，表示匹配pattern的行合并到上一行；true表示不匹配pattern的行合并到上一行
match：after表示合并到上一行的末尾，before表示合并到上一行的行首
如：
pattern: '['
negate: true
match: after
该配置表示将不匹配pattern模式的行合并到上一行的末尾
2、multiline在logstash中的配置方式
（1）logstash中配置的what属性值为previous，相当于filebeat中的after，logstash中配置的what属性值为next，相当于filebeat中的before。
（2）pattern => %{loglevel}s*] 中的loglevel是logstash预制的正则匹配模式，预制的还有好多常用的正则匹配模式，详细请看：https://github.com/logstash-p...
问题：如何将kibana中显示日志的时间字段替换为日志信息中的时间？
默认情况下，我们在kibana中查看的时间字段与日志信息中的时间不一致，因为默认的时间字段值是日志收集时的当前时间，所以需要将该字段的时间替换为日志信息中的时间。
解决方案：使用grok分词插件与date时间格式化插件来实现
在logstash的配置文件的过滤器中配置grok分词插件与date时间格式化插件，如：
如要匹配的日志格式为：“debug[defaultbeandefinitiondocumentreader:106] loading bean definitions”，解析出该日志的时间字段的方式有：
① 通过引入写好的表达式文件，如表达式文件为customer_patterns，内容为：
customer_time %{year}%{monthnum}%{monthday}s+%{time}
注：内容格式为：[自定义表达式名称] [正则表达式]
然后logstash中就可以这样引用：
② 以配置项的方式，规则为：(?<自定义表达式名称>正则匹配规则)，如：
问题：如何在kibana中通过选择不同的系统日志模块来查看数据
一般在kibana中显示的日志数据混合了来自不同系统模块的数据，那么如何来选择或者过滤只查看指定的系统模块的日志数据？
解决方案：新增标识不同系统模块的字段或根据不同系统模块建es索引
1、新增标识不同系统模块的字段，然后在kibana中可以根据该字段来过滤查询不同模块的数据
这里以第二种部署架构讲解，在filebeat中的配置内容为：
通过新增：log_from字段来标识不同的系统模块日志
2、根据不同的系统模块配置对应的es索引，然后在kibana中创建对应的索引模式匹配，即可在页面通过索引模式下拉框选择不同的系统模块数据。
这里以第二种部署架构讲解，分为两步：
① 在filebeat中的配置内容为：
通过document_type来标识不同系统模块
② 修改logstash中output的配置内容为：
在output中增加index属性，%{type}表示按不同的document_type值建es索引
四、总结本文主要介绍了elk实时日志分析的三种部署架构，以及不同架构所能解决的问题，这三种架构中第二种部署方式是时下最流行也是最常用的部署方式，最后介绍了elk作在日志分析中的一些问题与解决方案，说在最后，elk不仅仅可以用来作为分布式日志数据集中式查询和管理，还可以用来作为项目应用以及服务器资源监控等场景。
以上就是分布式实时日志分析解决方案 elk 部署架构的详细内容。