logstash简明实用教程

小灰灰 2023-07-25 09:53 5阅读 0赞

# 一、logstash是什么 #

Logstash 是开源的服务器端**数据处理管道**，能够同时从多个来源采集数据，转换数据，然后将数据发送到您最喜欢的“存储库”中。  
官方介绍：Logstash is an open source data collection engine with real-time pipelining capabilities。简单来说logstash就是一根具备实时数据传输能力的管道，负责将数据信息从管道的输入端传输到管道的输出端；与此同时这根管道还可以让你根据自己的需求在中间加上滤网，Logstash提供里很多功能强大的滤网以满足你的各种应用场景。  
Logstash 能够动态地采集、转换和传输数据，不受格式或复杂度的影响。利用 Grok 从非结构化数据中派生出结构，从 IP 地址解码出地理坐标，匿名化或排除敏感字段，并简化整体处理过程。

Logstash常用于日志关系系统中做日志采集设备；  
![logstash][]  
系统结构  
![logstash系统结构][logstash 1]  
Logstash的事件（logstash将数据流中等每一条数据称之为一个event）处理流水线有三个主要角色完成：**inputs –> filters –> outputs**：

**输入（inpust）**：必须，负责产生事件（Inputs generate events），常用：File、syslog、redis、beats（如：Filebeats）  
Logstash 支持 各种输入选择 ，可以在同一时间从众多常用来源捕捉事件。能够以连续的流式传输方式，轻松地从日志、指标、Web 应用、数据存储以及各种 AWS 服务采集数据。

**过滤器（filters）**：可选，负责数据处理与转换（filters modify them），常用：grok、mutate、drop、clone、geoip  
过滤器能实时解析和转换数据  
数据从源传输到存储库的过程中，Logstash 过滤器能够解析各个事件，识别已命名的字段以构建结构，并将它们转换成通用格式，以便更轻松、更快速地分析和实现商业价值。

*  利用 Grok 从非结构化数据中派生出结构
 *  从 IP 地址破译出地理坐标
 *  将 PII 数据匿名化，完全排除敏感字段
 *  简化整体处理，不受数据源、格式或架构的影响

**输出（outpus）**：必须，负责数据输出（outputs ship them elsewhere），常用：elasticsearch、file、graphite、statsd  
Logstash 提供众多输出选择，可以将数据发送到指定的地方，并且能够灵活地解锁众多下游用例

其中inputs和outputs支持codecs（coder&decoder）在1.3.0 版之前，logstash 只支持纯文本形式输入，然后以过滤器处理它。但现在，我们可以在输入 期处理不同类型的数据，所以完整的数据流程应该是：input | decode | filter | encode | output；codec 的引入，使得 logstash 可以更好更方便的与其他有自定义数据格式的运维产品共存，比如：graphite、fluent、netflow、collectd，以及使用 msgpack、

# 二、为什么是logstash #

**Logstash和Flume对比**  
1、Logstash比较偏重于字段的预处理，在异常情况下可能会出现数据丢失，只是在运维日志场景下，一般认为这个可能不重要；而Flume偏重数据的传输，几乎没有数据的预处理，仅仅是数据的产生，封装成event然后传输；传输的时候flume比logstash多考虑了一些可靠性。因为数据会持久化在channel中，数据只有存储在下一个存储位置（可能是最终的存储位置，如HDFS；也可能是下一个Flume节点的channel），数据才会从当前的channel中删除。这个过程是通过事务来控制的，这样就保证了数据的可靠性。  
2、Logstash有几十个插件，配置比较灵活，flume强调用户自定义开发；  
3、Logstash的input和filter还有output之间都存在buffer，进行缓冲；Flume直接使用channel做持久化  
4、Logstash性能以及资源消耗比较严重，且不支持缓存；  
![Logstash和Flume对比][Logstash_Flume]  
详见参考：[https://blog.csdn.net/songfeihu0810232/article/details/94406608][https_blog.csdn.net_songfeihu0810232_article_details_94406608]

# 三、logstash安装与配置 #

## 1、logstash安装 ##

环境要求：jdk1.8或以上  
下载logstash软件包 logstash官方下载地址[https://www.elastic.co/cn/downloads/logstash][https_www.elastic.co_cn_downloads_logstash]  
下载后直接解压就可以用  
如：tar zxvf logstash-7.6.0.tar.gz  
解压后目录如下：  
![logstash目录][logstash 2]  
目录结构说明见官方文档：[https://www.elastic.co/guide/en/logstash/7.1/dir-layout.html][https_www.elastic.co_guide_en_logstash_7.1_dir-layout.html]  
解压以后可以对logstash进行简单的测试。

bin/logstash -e 'input { stdin { } } output { stdout {} }'

这条命令表示通过命令的方式指定logstash的输入输出分别是标准的输入输出，什么是标准的输入输出呢？就是控制台的输入输出。  
等待启动成功，直接输入“hello world”  
将会在控制台会有相应的输出  
出现这些信息就表示logstash安装成功并且可以使用了。  
![logstash测试][logstash 3]

## 2、在线安装logstash插件 ##

虽然logstash默认安装了大部分的插件，但是有些插件没有默认安装，如logstash-output-syslog、logstash-output-jdbc

### 2.1. 安装Gem并更新 ###

# yum install -y gem
    # gem -v
    2.0.14.1
    # gem update --system
    # gem -v
    3.1.2

### 2.2 检查并修改镜像源 ###

# gem sources -l
    *** CURRENT SOURCES ***
     
    https://rubygems.org/
    
    # gem sources --add https://gems.ruby-china.com/ --remove https://rubygems.org/
    https://gems.ruby-china.com/ added to sources
    https://rubygems.org/ removed from sources
    
    # cat ~/.gemrc 
    ---
    :backtrace: false
    :bulk_threshold: 1000
    :sources:
    - https://gems.ruby-china.com/
    :update_sources: true
    :verbose: true
    :concurrent_downloads: 8

> 请注意：国内的镜像站从https://gems.ruby-china.org 换成了 https://gems.ruby-china.com  
> ！！！现在很多网上的资料就都是写的https://gems.ruby-china.org，导致很多人换了镜像源也装不上。

### 2.3. 修改 logstash的 gem 镜像源 ###

cd到logstach的安装目录，可以看到Gemfile文件 `vi Gemfile`

# This is a Logstash generated Gemfile.
    # If you modify this file manually all comments and formatting will be lost.
     
    source "https://rubygems.org"
    gem "logstash-core", :path => "./logstash-core"
    ......

更改默认的 https://rubygems.org 为https://gems.ruby-china.com

### 2.4、安装插件 ###

![安装插件][20200414155435362.png]

## 3、离线安装logstash插件 ##

在实际应用过程中有些生产环境是封闭的网络环境，没法连接外网。这时候就需要离线安装插件。  
说离线安装实际就是在一个有网络的环境下将插件装好，然后再装到离线环境中。  
这里有两种方式,  
一种就是在有网络的环境下将插件装好，将整个logsash包离线拷到生产环境。  
另一种方式就是在有网络的环境下将插件装好后，将logstash的需要离线安装的插件打个离线包，然后再在生产环境进行离线安装。  
离线插件包打包安装具体操作如下：

### 3.1 通过logstash-plugin prepare-offline-pack 命令将插件打成zip包 ###

./logstash-plugin prepare-offline-pack --output logstash-output-syslog.zip logstash-output-syslog

![打包][20200414155806703.png]  
打包命令执行成功以后，可以看到在logstash的bin目录下有打成的离线插件zip包  
![打包后生成的离线包][20200414155831404.png]

### 3.2 通过logstash-plugin install 进行离线安装 ###

bin/logstash-plugin install file:///home/logstash/logstash-7.6.2/tools/logstash-output-syslog.zip

安装后成功会有如下提示

Installing file: /home/logstash/logstash-7.6.2/tools/logstash-output-syslog.zip
    Install successful

### 3.2 通过logstash-plugin list命令检查插件是否安装成功 ###

![logstash-plugin list][]

## 4、logstash简单配置说明 ##

### 语法 ###

Logstash 设计了自己的 DSL ——包括有区域，注释，数据类型(布尔值，字符串，数值，数组，哈希)，条件判断，字段引用等。

### 区段(section) ###

Logstash 用 \{\} 来定义区域。区域内可以包括插件区域定义，你可以在一个区域内定义多个插件。插件区域内则可以定义键值对设置。示例如下：

input { 
        stdin { }
        syslog { }
    }

### 数据类型 ###

Logstash 支持少量的数据值类型：

*  bool
    
    debug => true
 *  string
    
    host => “hostname”
 *  number
    
    port => 514
 *  array
    
    match => \[“datetime”, “UNIX”, “ISO8601”\]
 *  hash
    
    options => \{  
    key1 => “value1”,  
    key2 => “value2”  
    \}

### 字段引用(field reference) ###

如果想在 Logstash 配置中使用字段的值，只需要把字段的名字写在中括号 \[\] 里就行了，这就叫字段引用。  
对于 嵌套字段(也就是多维哈希表，或者叫哈希的哈希)，每层的字段名都写在 \[\] 里就可以了。比如，你可以从 geoip 里这样获取 longitude 值：  
\[geoip\]\[location\]\[0\]  
logstash 的数组也支持倒序下标，即 \[geoip\]\[location\]\[-1\] 可以获取数组最后一个元素的值。  
Logstash 还支持变量内插，在字符串里使用字段引用的方法是这样：  
“the longitude is %\{\[geoip\]\[location\]\[0\]\}”

### 条件判断(condition) ###

表达式支持下面这些操作符：  
equality, etc: ==, !=, <, >, <=, >=  
regexp: =~, !~  
inclusion: in, not in  
boolean: and, or, nand, xor  
unary: !()  
通常来说，你都会在表达式里用到字段引用。比如：  
if “\_grokparsefailure” not in \[tags\] \{  
\} else if \[status\] !~ /^2\\d\\d/ and \[url\] == “/noc.gif” \{  
\} else \{  
\}

### 命令行参数 ###

Logstash 提供了一个 shell 脚本叫 logstash 方便快速运行。它支持一下参数：  
\-e  
意即执行。我们在 “Hello World” 的时候已经用过这个参数了。事实上可以不写任何具体配置，直接运行 `bin/logstash -e` ‘’ 达到相同效果。这个参数的默认值是下面这样：  
input \{  
stdin \{ \}  
\}  
output \{  
stdout \{ \}  
\}  
–config 或 -f  
意即文件。真实运用中，我们会写很长的配置，甚至可能超过 shell 所能支持的 1024 个字符长度。所以我们必把配置固化到文件里，然后通过 `bin/logstash -f agent.conf` 这样的形式来运行。  
此外，logstash 还提供一个方便我们规划和书写配置的小功能。你可以直接用 `bin/logstash -f /etc/logstash.d/` 来运行。logstash 会自动读取 /etc/logstash.d/ 目录下所有的文本文件，然后在自己内存里拼接成一个完整的大配置文件，再去执行。  
–configtest 或 -t  
意即测试。用来测试 Logstash 读取到的配置文件语法是否能正常解析。Logstash 配置语法是用 grammar.treetop 定义的。尤其是使用了上一条提到的读取目录方式的读者，尤其要提前测试。  
–log 或 -l  
意即日志。Logstash 默认输出日志到标准错误。生产环境下你可以通过 bin/logstash -l logs/logstash.log 命令来统一存储日志。  
–filterworkers 或 -w  
意即工作线程。Logstash 会运行多个线程。你可以用 `bin/logstash -w 5` 这样的方式强制 Logstash 为过滤插件运行 5 个线程。

# 四、logstash使用的几种典型的应用场景 #

## 1、通过logstash将syslog日志原始日志转发 ##

![syslog日志原始日志转发][syslog]  
在logstash的bin目录下新建配置文件

vi test-pipeline.conf

编辑input和output

input { 
        stdin{ 
          type => "test-log"
        }
        syslog{ 
            type => "test-log"
            port => 514
        }
    }
    output
    { 
        stdout { 
          codec => rubydebug
        }
        syslog{ 
            host => "192.168.2.185"
            port => 514
        }
    }

这样就相当于把日志转发到了192.168.2.185这台机器的514端口  
编辑好配置文件以后执行  
`./logstash -f test-pipeline.conf --config.test_and_exit` 对配置文件进行检查，如果配置文件写得有问题，将会有错误提示。  
配置文件检查没有问题后就可以启动logstash执行了`./logstash -f test-pipeline.conf --config.reload.automatic`  
用udpsender工具往这台机器上发送日志信息，可以看到日志转发到192.168.2.185这台机器上了。  
![updsend发送日志][updsend]  
在控制台可以看到192.168.2.185，接收到了192.168.2.173转发过来的日志  
![控制台日志][20200414161229147.png]

## 2、通过rsyslog、logstash采集nginx等中间件的日志送到ES ##

logstash可以与rsyslog、filebeat等无缝结合采集nginx等中间件日志，送给数据存储。  
![通过rsyslog、logstash采集nginx等中间件的日志送到ES][rsyslog_logstash_nginx_ES]  
具体参见：[https://xiejava.gitee.io/posts/f3e97829/][https_xiejava.gitee.io_posts_f3e97829]

## 3、通过logstash将日志入kafka再入mysql或ES ##

数据先放到kafka队列里缓存削峰，然后从kafka队列里读取数据到mysql或其他存储系统中进行保存。![logstash将日志入kafka再入mysql或ES][logstash_kafka_mysql_ES]  
具体参见：[https://xiejava.gitee.io/posts/54e4fd14/][https_xiejava.gitee.io_posts_54e4fd14]

## 4、通过logstash进行日志补全后再转发或入库 ##

采集原始日志以后，需要对原始日志进行调整合补齐，比如最常见的是根据IP来补齐IP的经纬度等信息。  
![logstash进行日志补全][logstash 4]  
这里就可以用logstash的geotip，也可以用其他的外部API接口，为了更具代表性的说明，这里调用的是第三方的http接口（http://ip-api.com/json/），这个接口也是可以自己定义的。  
参考配置文件如下：

input { 
        stdin {  }
        syslog { 
          port => "514"
        }
    }
    filter { 
        grok{ 
             #匹配获取IP
             match => { "message" => "%{IPV4:ip}"}
        }
        http { 
            #调用外部接口获取IP的详细信息
            url => "http://ip-api.com/json/%{ip}"
            verb => "GET"
            add_field => { 
              "new_field" => "new_static_value"
            }
        }
        mutate { 
            replace => {      
                #这里对原始日志数据进行补全，如加了新的字段及从接口中获取的信息
                "message" => "%{message}|%{ip}: My new message|%{new_field}|%{[body][as]}"
            }
        }
    }
    output { 
        stdout {  }
        syslog { 
            host => "192.168.2.173"
            port => "7514"
        }
    }

通过http接口调用API取得数据，然后通过mutate重新组合补全信息，这里通过调用获取IP地址信息的API获取IP的信息，然后补全到原始日志中。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Z1bGxidWc_size_16_color_FFFFFF_t_70]

可以看出logstash是一个非常灵活好用的数据采集框架工具，可以通过简单的配置满足绝大多数数据采集场景的需求。

[logstash]: /images/20230528/0958fff6544a4a4a840eb9ff1517f2f4.png
[logstash 1]: /images/20230528/4b6d3ad909a14cf48752516c3fb73c8d.png
[Logstash_Flume]: /images/20230528/85097755a9e446f8a8b0dd740a594985.png
[https_blog.csdn.net_songfeihu0810232_article_details_94406608]: https://blog.csdn.net/songfeihu0810232/article/details/94406608
[https_www.elastic.co_cn_downloads_logstash]: https://www.elastic.co/cn/downloads/logstash
[logstash 2]: /images/20230528/1772eeb9586441069474a7ad30fea152.png
[https_www.elastic.co_guide_en_logstash_7.1_dir-layout.html]: https://www.elastic.co/guide/en/logstash/7.1/dir-layout.html
[logstash 3]: /images/20230528/3b653c768ab84d31a7a467c0eaadbcf9.png
[20200414155435362.png]: /images/20230528/21531fd05a694b438ebac0a9f8071901.png
[20200414155806703.png]: /images/20230528/f964bf15fd2440498c05b00e65f7d6f2.png
[20200414155831404.png]: /images/20230528/7e2bb3a19e4344188b96c02358e45ae0.png
[logstash-plugin list]: /images/20230528/a0b76ad52f2c461f812252c1e49ebacd.png
[syslog]: /images/20230528/428eb0b418f2428c8b11e7016b3d566d.png
[updsend]: /images/20230528/beb14be7491c41eaba4d0cedc28714ea.png
[20200414161229147.png]: /images/20230528/0ae1a324220d401d8dacb058138a9578.png
[rsyslog_logstash_nginx_ES]: /images/20230528/60117e0e7e0d4178a2932533a8ce1d41.png
[https_xiejava.gitee.io_posts_f3e97829]: https://xiejava.gitee.io/posts/f3e97829/
[logstash_kafka_mysql_ES]: /images/20230528/6a9e7dac227b4a6191a2f8f1a9eccd31.png
[https_xiejava.gitee.io_posts_54e4fd14]: https://xiejava.gitee.io/posts/54e4fd14/
[logstash 4]: /images/20230528/7658778e1d194acab5422bcb08c02c96.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Z1bGxidWc_size_16_color_FFFFFF_t_70]: /images/20230528/09695aba1ba842fa948faeebcdb4ea26.png