ELK+Filebeat实战

不想画图2025-12-15 11:46

文章目录

前言

随着业务规模扩大，日志与监控数据激增，ELK Stack 7.8.1 凭借高效采集、存储与可视化能力，成为解决数据治理难题的优选方案。

一、什么是ELK

ELK 是一套开源的日志分析与可视化技术栈的简称，由三个核心组件的首字母组成：

  • E：Elasticsearch
  • L：Logstash
  • K：Kibana
    核心作用是实现日志的收集、存储、分析、检索与可视化。

二、ELK核心组件说明

1、Elasticsearch

1.1、什么是Elasticsearch

是一款 分布式、RESTful 风格的开源搜索引擎。实时存储、检索和分析海量数据。

1.2、Elasticsearch 作用

全文检索：支持模糊匹配、关键词检索、短语检索等复杂文本查询；​

数据聚合：对数据进行统计分析（如计数、求和、分组），生成指标结果；​

分布式存储：自动分片存储数据，支持集群扩展，保证高可用；​

实时响应：数据写入后秒级可查，满足实时监控、即时搜索需求。

1.3、Elasticsearch 应用场景

日志 / 日志分析：存储应用日志、系统日志，支持按关键词快速排查问题；​

电商搜索：商品标题、描述的全文检索（如 "红色连衣裙" 模糊匹配）；​

监控告警：采集系统 / 应用指标（CPU、接口响应时间），实时监控并触发告警；​

企业级检索：文档库、知识库、内部系统的内容检索（如合同、文档搜索）。

1.4、Elasticsearch 工作原理

数据写入流程：​

数据（如日志、文档）被写入 ES 时，先经过「分词器」拆分关键词（如 "Elasticsearch 入门" 拆分为 "elasticsearch""入门"）；​分词后的关键词与文档 ID 建立映射关系（即「倒排索引」，核心数据结构）；​数据按配置的「分片规则」分发到集群中的主分片，同时同步到副本分片（保证高可用）。
数据查询流程：​

接收用户查询请求（如 REST API 调用），解析查询语句；​

基于倒排索引快速匹配包含关键词的文档；​

对匹配结果进行评分排序（按相关性权重）；​

合并主分片 + 副本的查询结果，返回给用户。

2、Logstash

2.1、什么是Logstash

是一款 开源的数据处理管道工具。采集、清洗、转换、传输数据，连接数据源与存储 / 分析系统。

2.2、Logstash作用

多源数据采集：支持从文件、数据库、消息队列（Kafka）、HTTP 接口等多种来源采集数据.

数据清洗转换：对非结构化数据（如原始日志）进行过滤、拆分、格式化（如提取字段、去除冗余信息），转为结构化数据；

数据路由传输：将处理后的数据输出到 Elasticsearch、MySQL、Redis 等目标存储。

2.3、Logstash应用场景

1、日志集中采集：收集多台服务器的应用日志、系统日志（如 Nginx 日志、Java 应用日志），统一汇总；​

2、数据预处理：将非结构化日志（如 "2025-12-11 10:00:00 INFO user=123 action=login"）转为 JSON 结构化格式；​

3、跨系统数据同步：将数据库中的业务数据（如订单数据）同步到 Elasticsearch 用于检索分析。

2.4、Logstash工作原理

核心是「三阶段数据处理管道」，流程如下：​

1、Input（输入阶段）：通过插件采集数据（如 file 插件读取日志文件、kafka 插件消费消息队列数据）；​

2、Filter（过滤阶段）：对采集到的数据进行处理（如 grok 插件解析日志格式、mutate 插件添加 / 删除字段、date 插件格式化时间）；​

3、Output（输出阶段）：通过插件将处理后的结构化数据输出到目标系统（如 elasticsearch 插件写入 ES、file 插件保存到本地文件）。​底层采用多线程处理，每个阶段可配置线程数，提高并发处理能力。

3、Kibana

3.1、Kiabana是什么

Kibana 是 开源的数据可视化与分析平台，Elasticsearch 的官方配套工具，核心定位是「让 ES 中的数据 "可视化"」，提供交互式界面供用户查询、分析、展示数据。

3.2、Kiabana作用

1数据可视化：通过图表（折线图、柱状图、饼图、地图等）展示 ES 中的数据；​

2交互式查询：提供「Dev Tools」界面，支持直接编写 ES 查询语句（DSL），实时查看结果；​

3仪表盘定制：将多个图表组合为仪表盘（如系统监控仪表盘、业务指标仪表盘），支持实时刷新；​

4告警配置：对关键指标（如 CPU 使用率、错误日志数量）设置阈值，触发告警（邮件、短信等）。

3.3、Kiabana应用场景

1系统监控：展示服务器 CPU、内存、磁盘使用率，应用接口响应时间、错误率等指标；​

2日志分析：通过日志面板筛选、搜索日志，快速定位问题（如报错日志详情）；​

3业务报表：展示电商订单量、用户活跃度、销售额等业务数据，支持按时间 / 地区拆分；​

4数据探索：数据分析师通过交互式查询，探索数据规律（如用户行为偏好）。

3.4、Kibana 的工作原理

1连接 ES：Kibana 启动时需配置 ES 集群地址，通过 ES 的 REST API 与 ES 建立通信；​

2数据请求：用户在 Kibana 界面操作（如创建图表、执行查询），Kibana 将操作转换为 ES 支持的查询语句（如 DSL）；​

3数据获取：ES 执行查询后返回结果，Kibana 接收数据并进行格式化处理；​

4可视化渲染：将处理后的数据渲染为图表、仪表盘或日志列表，展示给用户；​

5持久化：用户创建的仪表盘、查询语句可保存到 Kibana 本地存储（或 ES 索引中），支持共享。

三、ELK框架部署

1、环境规划

1.1、服务器规划

node1 4G+ ip:192.168.10.105

Elasticsearch7.8.1（集群）、Kibana7.8.1、jdk 1.8.0_131
node2 4G+ ip:192.168.10.106

Elasticsearch7.8.1（集群）、jdk 1.8.0_131
Logstash ip:192.168.10.107

httpd 、Logstash7.8.1
filebeat ip:192.168.10.102

filebeat7.8.1

1.2、系统设置（node1、node2执行）

bash 复制代码 
#1、关闭防火墙
systemctl stop firewalld #关闭防火墙
setenforce 0 #关闭增强功能
#2、更改主机名、配置域名解析、查看Java环境
Node1节点：hostnamectl set-hostname node1
Node2节点：hostnamectl set-hostname node2
#3、主机名与IP解析
vim /etc/hosts
192.168.10.105 node1
192.168.10.106 node2
#4、java安装 version "1.8.0_131 (1.8.0_2** 可能会有问题)
#使用jdk，后续需要调整elasticsearch的路径
yum install -y java
java -version

jdk环境验证：java -version

2、Elasticsearch部署

2.1、Elasticsearch安装

node1、node2操作

bash 复制代码 
#1安装elasticsearch---rpm包,上传包elasticsearch-7.8.1-x86_64.rpm
#rpm安装:需手动找包 + 解决依赖 yum安装：一条命令完成 编译安装：编译步骤多、耗时长
cd /opt
rpm -ivh elasticsearch-7.8.1-x86_64.rpm
#2加载系统服务
#加载新增 / 修改的服务配置（比如刚创建 / 修改了 Elasticsearch 的 service 文件）；
systemctl daemon-reload
systemctl enable elasticsearch.service
#3修改elasticsearch主配置文件
cp /etc/elasticsearch/elasticsearch.yml /etc/elasticsearch/elasticsearch.yml.bak
vim /etc/elasticsearch/elasticsearch.yml
--17--取消注释，指定集群名字
cluster.name: my-elk-cluster
--23--取消注释，指定节点名字：Node1节点为node1，Node2节点为node2
node.name: node1
# 添加 设置该节点为主节点候选人
node.master: true
# 添加 设置该节点可以存储数据
node.data: true
--33--取消注释，指定数据存放路径
path.data: /data/elk_data
--37--取消注释，指定日志存放路径
path.logs: /var/log/elasticsearch/
--43--取消注释，改为在启动的时候不锁定内存
bootstrap.memory_lock: false
--55--取消注释，设置监听地址，0.0.0.0代表所有地址
network.host: 0.0.0.0
--59--取消注释，ES 服务的默认监听端口为9200
http.port: 9200
transport.tcp.port: 9300
--68--取消注释，集群发现通过单播实现，指定要发现的节点 node1、node2
# 添加（7.8比较特殊）
discovery.seed_hosts: ["192.168.10.105:9300", "192.168.10.106:9300"]
cluster.initial_master_nodes: ["node1", "node2"]  
#查看elasticsearch.yml的有效配置
grep -v "^#" /etc/elasticsearch/elasticsearch.yml
#创建数据存放路径并授权。RPM 包安装 Elasticsearch 时，会自动创建elasticsearch用户、组，这是 RPM 包的标准化设计（编译安装 / 解压安装则需要手动创建）。
mkdir -p /data/elk_data
chown elasticsearch:elasticsearch /data/elk_data/
#4 启动elasticsearch
systemctl start elasticsearch.service
netstat -antulp | grep 9200
#5 插入索引 测试索引，索引为 index-demo，类型为 test。
curl -X PUT 'localhost:9200/index-demo1/test/1?pretty&pretty' -H 'content-Type: application/json' -d '{"user":"zhangsan","mesg":"hello world"}'
#6 查看该node节点目前的所有索引，有测试索引index-demo1就正常
curl -X GET "http://localhost:9200/_cat/indices?h=index"

2.3、检查节点状态和排错日志

bash 复制代码 
#5 检查单节点 ES 服务是否启动成功.各种方法如下
systemctl status elasticsearch.service 
netstat -antulp | grep 9200
浏览器访问 http://192.168.10.105:9200 # 查看node1节点信息
# 查看单节点健康状态
# 绿色：健康 数据和副本 全都没有问题
# 红色：数据都不完整
# 黄色：数据完整，但副本有问题
浏览器访问 http://192.168.10.105:9200/_cluster/health?pretty
# 6、验证集群是否正常，各种方法如下
# 查看集群健康状态
浏览器访问 http://192.168.10.105:9200/_cluster/state?pretty
# curl访问ES的REST API（推荐）
# 若curl无响应，指定节点IP访问（比如在Node1上查）
# number_of_nodes 字段：2（表示两个节点都加入集群）；
# number_of_data_nodes 字段：2（两个节点都是数据节点）。
curl -XGET 'http://localhost:9200/_cluster/health?pretty'
curl -XGET 'http://192.168.10.105:9200/_cluster/health?pretty'
# 查看集群节点列表（确认节点发现正常），master 列有一个*，表示该节点是主节点（集群正常选主）。
curl -XGET 'http://localhost:9200/_cat/nodes?v'
正常输出示例（能看到 node1 和 node2 两个节点）：
p            heap.percent ram.percent cpu load_1m load_5m load_15m node.role master name
192.168.10.105           10          80   2    0.10    0.05     0.01 mdi       *      node1
192.168.10.106           12          78   1    0.08    0.04     0.00 mdi       -      node2

单节点日志排错：

bash 复制代码 
#查看ES日志（若服务状态异常，优先看日志定位问题），日志中无 ERROR 级别的报错（如权限、端口占用、配置语法错误）
tail -f /var/log/elasticsearch/my-elk-cluster.log

集群日志排错:

bash 复制代码 
/var/log/elasticsearch/my-elk-cluster.log  # 集群名.log（主日志文件，核心）
# 补充：RPM安装还会生成以下日志（辅助排查）
/var/log/elasticsearch/elasticsearch.log  # 兜底日志（部分版本会复用）
/var/log/messages  # 系统日志（包含ES服务启动/崩溃的系统层面信息）
/var/log/elasticsearch/_cat/  # 分片/节点状态日志（可选）
bash 复制代码 
# 实时查看主日志（按Ctrl+C停止），优先看ERROR级别
tail -f /var/log/elasticsearch/my-elk-cluster.log | grep -i "error"

# 进阶：只看ERROR/FATAL级别，过滤掉无关信息
tail -f /var/log/elasticsearch/my-elk-cluster.log | grep -E "ERROR|FATAL"

# 若日志量大，按时间筛选最近100行ERROR
tail -n 100 /var/log/elasticsearch/my-elk-cluster.log | grep -i "error"

2.4、测试结果

elasticsearch成功运行。且master值为* ,表示该节点为主节点

curl -XGET 'http://localhost:9200/_cat/nodes?v'

3、Logstash部署

日志收集器，要部署在应用服务上。例如：Apache 节点上

3.1、部署Logstash

bash 复制代码 
#1 前置准备
hostnamectl set-hostname apache
yum -y install httpd
systemctl start httpd
chmod 755 /var/log/httpd/
yum -y install java
java -version
#2 安装Logstash。上传软件包 logstash-7.8.1.rpm 到/opt目录下
cd /opt
rpm -ivh logstash-7.8.1.rpm
systemctl start logstash.service
systemctl enable logstash.service
ln -s /usr/share/logstash/bin/logstash /usr/local/bin/

定义logstash配置文件

修改 Logstash 配置文件，让其收集系统日志/var/log/messages，并将其输出到 elasticsearch中。

bash 复制代码 
chmod +r /var/log/messages
vim /etc/logstash/conf.d/system.conf
#---写入-----------------------
input {
  file{
    path =>"/var/log/messages" 
    type =>"system" 
    start_position =>"beginning" 
  }
  file{
    path =>"/var/log/httpd/access_log" 
    type =>"apache" 
    start_position =>"beginning" 
  }
}

output {
  # 条件1：type为system的日志，输出到system-日期 索引
  if [type] == "system" {
    elasticsearch { 
        hosts => ["192.168.10.105:9200"]
        index =>"system-%{+YYYY.MM.dd}"  
    }   
  } 
  # 条件2：type为apache的日志，输出到apache-日期 索引（也可自定义其他配置）
  else if [type] == "apache" {
    elasticsearch { 
        hosts => ["192.168.10.105:9200"] 
        index =>"apache-%{+YYYY.MM.dd}"  # 仅索引名差异化，其他保持不变
    }
  }
}

#-----------------------------------------------
systemctl restart logstash
# 在elastsearch节点通过curl -X GET "http://localhost:9200/_cat/indices?h=index" 查看索引信息

3.2、测试Logstash

Logstash成功部署，message日志成功输出到el节点.

再通过访问httpd触发access.log日志输出到el,如下所示

4、Kiabana部署

4.1、Kiabana部署流程

（在 Node1 节点上操作）

bash 复制代码 
#1下载或上传压缩包，安装
# wget https://artifacts.elastic.co/downloads/kibana/kibana-6.6.1-linux-x86_64.tar.gz
cd /opt
rpm -ivh kibana-7.8.1-x86_64.rpm
#2设置 Kibana 的主配置文件
vim /etc/kibana/kibana.yml
--2--取消注释，Kiabana 服务的默认监听端口为5601
server.port: 5601
--7--取消注释，设置 Kiabana 的监听地址，0.0.0.0代表所有地址
server.host: "0.0.0.0"
--28--取消注释，设置和 Elasticsearch 建立连接的地址和端口
elasticsearch.hosts: ["http://192.168.10.105:9200"]
--37--取消注释，设置在 elasticsearch 中添加.kibana索引
kibana.index: ".kibana"

# 3．启动 Kibana 服务
systemctl start kibana.service
systemctl enable kibana.service
netstat -natp | grep 5601

4.2、Kiabana测试

kibana部署，调用el节点数据，进行显示

4.3、浏览器访问Kiabana流程





四、ELK+Filebeat部署

1、filebeat介绍

轻量级的开源日志文件数据搜集器。通常在需要采集数据的客户端安装 Filebeat，并指定目录与日

志格式，Filebeat 就能快速收集数据，并发送给 logstash 进或是直接发给 Elasticsearch 存储，性能上相比运行于 JVM 上的 logstash 优势明显，是对它的替代。常应用于 EFLK 架构当中。行解析

filebeat 结合 logstash 带来好处：

1）通过 Logstash 具有基于磁盘的自适应缓冲系统，该系统将吸收传入的吞吐量，从而减轻Elasticsearch 持续写入数据的压力

2）从其他数据源（例如数据库，S3对象存储或消息传递队列）中提取

3）将数据发送到多个目的地，例如S3，HDFS（Hadoop分布式文件系统）或写入文件

4）使用条件数据流逻辑组成更复杂的处理管道

缓存/消息队列（redis、kafka、RabbitMQ等）：可以对高并发日志数据进行流量削峰和缓冲，这样

的缓冲可以一定程度的保护数据不丢失，还可以对整个架构进行应用解耦。

2、filebeat部署

bash 复制代码 
#1上传软件包 filebeat-7.8.1-linux-x86_64.tar.gz 到/opt目录
cd /opt
tar zxvf filebeat-7.8.1-linux-x86_64.tar.gz
mv filebeat-7.8.1-linux-x86_64/ /usr/local/filebeat

#2设置 filebeat 的主配置文件
vim /usr/local/filebeat/filebeat.yml
#===写入===
filebeat.prospectors: #7版本以上是filebeat.utils
- type: log
  enabled: true
  paths:
  - /var/log/messages #指定监控的日志文件
  - /var/log/*.log
fields: #可以使用 fields 配置选项设置一些参数字段添加到 output 中
  service_name: filebeat
  log_type: log
  #标记 "这份日志是由 102 这台采集服务器采集的"
  service_id: 192.168.10.102
--------------Elasticsearch output-------------------
(全部注释掉)
----------------Logstash output---------------------
output.logstash:
  hosts: ["192.168.10.107:5044"] #指定 logstash 的 IP 和端口

#3启动 filebeat
cd /usr/local/filebeat
./filebeat -e -c filebeat.yml
bash 复制代码 
4、logstash写入配置文件
vim /etc/logstash/conf.d/logstash.conf
#写入
input {
  beats {
    port => "5044"
    host => "0.0.0.0"
    }
}
output {
  elasticsearch {
    hosts => ["192.168.10.105:9200"]
    index => "%{[fields][service_name]}-%{+YYYY.MM.dd}"
  }
stdout {
    codec => rubydebug
  }
}

#启动 logstash
cd /etc/logstash/conf.d/
logstash -f logstash.conf

3、测试验证

Filebeat部署完成

总结

本文详解 ELK 7.8.1 核心组件、部署流程及 Filebeat 集成方案，助力搭建稳定的日志分析平台，提升运维与业务分析效率。

相关推荐
荣--2 天前
一键部署不是为了省时间 —— 它是把"买来的 PaaS"变成"自己的平台"的拐点
运维·zabbix·工程化·一键部署·平台化·边界设计
江华森2 天前
动手实战学 Docker — 从零到集群编排完全指南
运维
Avan_菜菜2 天前
FRP 内网穿透完整实战：从 HTTP 映射到 HTTPS 自签代理
运维·nginx·https
SelectDB3 天前
Litefuse 开源并推出单进程轻量模式，25 秒就能跑起来的 Agent 可观测与评估平台
运维·后端·自动化运维
XIAOHEZIcode5 天前
Linux系统鼠标偏移常见原因以及修复方案
linux·运维·游戏
用户0328472220705 天前
如何搭建本地yum源(上)
运维
大树888 天前
金刚石散热越强，管路越先见顶
大数据·运维·服务器·人工智能·ai
摇滚侠8 天前
Linux CentOS7 rpm 安装 MySQL 5.7
linux·运维·mysql
霸道流氓气质8 天前
领域驱动设计（DDD）在 Spring Boot 微服务中的实践指南
运维·spring boot·微服务
Inhand陈工8 天前
基于台达PLC与映翰通IG502的智慧水产养殖精准投喂与远程运维解决方案
运维·人工智能·物联网·阿里云·信息与通信
热门推荐
012026年6月AI大模型全景报告：GPT-5.6、Claude Opus 4.8、Gemini 3.5，中美AI三足鼎立谁主沉浮？022026 年 AI 编程工具终极横评：Cursor vs Claude Code vs Copilot vs Windsurf032026年6月AI行业全景：从百模大战到Agent元年，这30天发生了什么？04Claude Code、Codex、Cursor三分天下：2026年AI编程Agent生态全景剖析05【AI】2026 年具身智能模型和世界模型总结06GitHub 镜像站点07【AI总结】2026年6月 主流国内外大模型总结08飞书长连接_事件订阅（接收消息，审批任务状态变更）09Trae国际版与国内版深度测评：AI原生IDE的双生花10AI科技热点日报 | 2026年6月1日