从零搭建ELK日志采集系统：Filebeat + Logstash + ES + Kibana 保姆级教程

佛祖让我来巡山2026-09-09 16:41

轻量级架构，一份配置全搞定

一、前言

你是不是还在用 tail -f 和 grep 在多台服务器上翻日志？系统一出问题，就要登录三五台机器，来回切换窗口，定位一个Bug耗时半小时。

ELK 是业界最成熟的日志集中管理方案。本文将带你用 Docker Compose 一键部署 Filebeat + Logstash + Elasticsearch + Kibana 四件套，所有服务容器化运行，配置完整注释，你只需要复制、修改路径、启动即可。

架构特点：

  • 轻量级，无需Kafka中间件
  • Filebeat直接发送给Logstash，Logstash处理后存入ES
  • 适合中小规模项目（日日志量 < 500GB）

前提条件：

  • Linux/macOS 或 Windows（WSL2）
  • 已安装 Docker 和 Docker Compose（版本 20.10+）
  • 至少 4GB 可用内存（推荐 8GB）
  • 你有一个正在运行的 Spring Boot 或其他 Java 应用，日志输出到某个目录

二、整体架构（数据流向）

flowchart LR AppSpring Boot应用 -->|"写入"| LogFile/var/log/myapp/\*.log/ LogFile -->|"tail读取"| FBFilebeat FB -->|"Beats协议:5044"| LSLogstash LS -->|"解析/过滤"| LS2Logstash Filter LS2 -->|"Bulk API:9200"| ESElasticsearch ES -->|"查询"| KibanaKibana:5601 Kibana --> User👤 开发者/运维

每个环节的职责：

组件 角色 一句话功能
Filebeat 采集器 监控日志文件变化，读取新行，发送给Logstash
Logstash 处理器 接收日志，用正则或JSON解析成结构化数据，输出到ES
Elasticsearch 存储&检索引擎 存储日志，建立倒排索引，支持全文检索
Kibana 可视化界面 Web界面，搜索日志、制作图表

三、准备工作：目录结构

我们将在当前目录下创建所有配置文件，整体结构如下：

复制代码 
elk-demo/
├── docker-compose.yml          # 主编排文件
├── filebeat/
│   └── filebeat.yml            # Filebeat 配置
├── logstash/
│   └── pipeline/
│       └── logstash.conf       # Logstash 管道配置
└── elasticsearch/
    └── data/                   # ES数据目录（挂载卷，由docker自动创建）

执行以下命令创建目录：

bash 复制代码 
mkdir -p elk-demo/{filebeat,logstash/pipeline,elasticsearch/data}
cd elk-demo

四、Docker Compose 完整配置

创建 docker-compose.yml 文件，内容如下（每行都有详细注释）：

yaml 复制代码 
version: '3.8'

# 定义网络，方便容器间通过服务名通信
networks:
  elk-net:
    driver: bridge

services:
  # =============================================
  # 1. Elasticsearch：存储与检索引擎
  # =============================================
  elasticsearch:
    image: docker.elastic.co/elasticsearch/elasticsearch:7.17.14
    container_name: elasticsearch
    environment:
      # 单节点模式
      - discovery.type=single-node
      # 关闭安全认证（简化演示，生产环境应开启）
      - xpack.security.enabled=false
      # JVM堆内存，建议物理内存的50%，但不超过32GB，这里给1GB
      - ES_JAVA_OPTS=-Xms1g -Xmx1g
    ports:
      - "9200:9200"   # REST API端口
      - "9300:9300"   # 节点间通信端口
    networks:
      - elk-net
    volumes:
      # 持久化ES数据，防止重启丢失
      - ./elasticsearch/data:/usr/share/elasticsearch/data
    # 生产环境需设置 ulimits
    ulimits:
      memlock:
        soft: -1
        hard: -1
      nofile:
        soft: 65536
        hard: 65536

  # =============================================
  # 2. Logstash：数据处理管道
  # =============================================
  logstash:
    image: docker.elastic.co/logstash/logstash:7.17.14
    container_name: logstash
    ports:
      # 暴露5044端口接收来自Filebeat的Beats协议数据
      - "5044:5044"
    networks:
      - elk-net
    volumes:
      # 挂载pipeline配置目录（里面放logstash.conf）
      - ./logstash/pipeline:/usr/share/logstash/pipeline
    depends_on:
      - elasticsearch   # 确保ES先启动
    environment:
      - LS_JAVA_OPTS=-Xmx512m   # Logstash JVM内存限制

  # =============================================
  # 3. Kibana：可视化前端
  # =============================================
  kibana:
    image: docker.elastic.co/kibana/kibana:7.17.14
    container_name: kibana
    environment:
      # 告诉Kibana ES的访问地址（服务名就是容器名）
      - ELASTICSEARCH_HOSTS=http://elasticsearch:9200
      # 界面语言设为中文
      - I18N_LOCALE=zh-CN
    ports:
      - "5601:5601"
    networks:
      - elk-net
    depends_on:
      - elasticsearch

  # =============================================
  # 4. Filebeat：轻量级日志采集器
  # =============================================
  filebeat:
    image: docker.elastic.co/beats/filebeat:7.17.14
    container_name: filebeat
    # 以root身份运行，以便读取宿主机日志文件（生产环境可指定用户）
    user: root
    networks:
      - elk-net
    volumes:
      # 挂载Filebeat配置文件（只读）
      - ./filebeat/filebeat.yml:/usr/share/filebeat/filebeat.yml:ro
      # ========== 【重要】挂载应用日志目录 ==========
      # 将宿主机的日志路径映射到容器内，让Filebeat能读取
      # 请将 /path/to/your/app/logs 替换为你的实际日志目录
      - /path/to/your/app/logs:/var/log/myapp:ro
      # 挂载Filebeat数据目录（存放registry，记录读取位置，防止重启重复采集）
      - ./filebeat/data:/usr/share/filebeat/data
    depends_on:
      - logstash
    # 如果日志目录有权限问题，可添加以下环境变量
    environment:
      - TZ=Asia/Shanghai

⚠️ 需要你替换的内容：

  • /path/to/your/app/logs ：改为你的Spring Boot应用实际输出日志的目录，例如 /home/ubuntu/app/logs 或 /var/log/myapp。

五、Filebeat 配置（filebeat/filebeat.yml）

创建 filebeat/filebeat.yml，内容如下：

yaml 复制代码 
# ==============================================
# Filebeat 配置文件
# ==============================================

# ---------- 输入（从哪里读日志） ----------
filebeat.inputs:
- type: log                    # 日志类型
  enabled: true                # 启用该输入
  paths:
    # 容器内路径，对应于宿主机挂载的日志目录
    - /var/log/myapp/*.log     # 请确保这里与docker-compose中的挂载路径一致
  
  # ---------- 多行处理（Java异常堆栈） ----------
  # 如果日志以日期时间开头，认为是一条新日志的开始
  multiline.pattern: '^\d{4}-\d{2}-\d{2}'
  multiline.negate: true       # 不匹配时合并到上一行
  multiline.match: after       # 合并在上一行之后

  # ---------- 添加自定义字段（便于日志分类） ----------
  fields:
    app_name: "my-springboot-app"    # 应用名称，可自定义
    env: "prod"                      # 环境标识
  fields_under_root: true            # 使fields成为顶级字段

# ---------- 内部队列（调整吞吐性能） ----------
queue.mem:
  events: 4096                 # 内存队列最大事件数
  flush.min_events: 1024      # 达到该数量即发送
  flush.timeout: 5s           # 超时强制发送

# ---------- 输出（发往哪里） ----------
output.logstash:
  # Logstash的服务名和端口（在docker-compose中定义为logstash）
  hosts: ["logstash:5044"]

# ---------- 日志记录（Filebeat自身的日志） ----------
logging.level: info
logging.to_files: true
logging.files:
  path: /var/log/filebeat
  name: filebeat
  keepfiles: 7

配置要点说明：

  • multiline 配置处理 Java 异常堆栈，确保一个完整的异常作为一条事件发送。
  • fields 中可添加任何你想要的标签，后续在 Kibana 中可作为过滤条件。
  • queue.mem 调整攒批行为，适当调大 flush.min_events 可减少网络请求，提升吞吐。

六、Logstash 配置（logstash/pipeline/logstash.conf）

Logstash 的管道配置分为三个阶段：input → filter → output。

创建 logstash/pipeline/logstash.conf：

ruby 复制代码 
# ==============================================
# Logstash 管道配置
# ==============================================

input {
  # 接收来自Filebeat的Beats协议数据
  beats {
    port => 5044
    # 可设置客户端IP白名单等，此处省略
  }
}

# ==============================================
# 过滤器（数据解析与转换）
# ==============================================
filter {
  # ----- 情况1：如果你的日志已经是JSON格式（推荐） -----
  # 例如通过logback的logstash-encoder输出
  # 则直接解析JSON，无需Grok
  json {
    source => "message"
    # 如果解析失败，会标记 _jsonparsefailure，可忽略或处理
    skip_on_invalid_json => true
  }

  # ----- 情况2：如果是纯文本日志，使用Grok解析 -----
  # 取消下面注释，并注释掉上面的json块
  # grok {
  #   match => { 
  #     "message" => "%{TIMESTAMP_ISO8601:timestamp} \[%{LOGLEVEL:level}\] %{GREEDYDATA:message_content}" 
  #   }
  #   overwrite => [ "message" ]   # 将原始message替换为解析后的内容
  # }

  # ----- 通用处理：添加/修改字段 -----
  # 将时间字符串转为ES中的@timestamp字段（用于时间轴排序）
  if [timestamp] {
    date {
      match => [ "timestamp", "ISO8601" ]
      target => "@timestamp"
    }
  }

  # 删除原始message字段（如果已经解析成结构化数据，可减少存储量）
  # mutate { remove_field => [ "message" ] }

  # 添加一个静态字段标识数据来源
  mutate {
    add_field => { "data_source" => "filebeat" }
  }
}

# ==============================================
# 输出（发往Elasticsearch）
# ==============================================
output {
  elasticsearch {
    # ES服务地址（docker-compose中的服务名）
    hosts => ["elasticsearch:9200"]
    # 索引名称模式：按天切分，便于管理
    index => "app-logs-%{+YYYY.MM.dd}"
    # 批量写入大小
    bulk_size => 5000
    # 超时时间
    bulk_timeout => "60s"
    # 如果不想使用默认的模板，可自定义
    # template => "/usr/share/logstash/templates/my-template.json"
    # template_name => "my-app-logs"
  }

  # 调试时输出到控制台（查看容器日志可见）
  stdout {
    codec => rubydebug
  }
}

注意 ：如果你的应用日志已经输出为 JSON 格式（通过 Logback 的 logstash-logback-encoder），则使用 json 过滤器效率最高，无需 Grok 正则。如果应用输出的是纯文本，请注释掉 json 块，启用 grok 块，并根据你的日志格式调整正则表达式。

七、启动服务

所有配置就绪后，在 elk-demo 目录下执行：

bash 复制代码 
# 启动所有容器（后台运行）
docker-compose up -d

# 查看容器状态
docker-compose ps

# 查看实时日志
docker-compose logs -f

如果启动成功，你应该能看到四个容器都在运行。如果 Filebeat 挂载的日志目录存在且有日志文件，Filebeat 会立即开始读取并发送。

八、验证日志链路

1. 检查 Elasticsearch 是否正常

访问 http://localhost:9200，应返回 JSON 信息。

2. 检查索引是否创建

bash 复制代码 
curl -X GET "localhost:9200/_cat/indices?v"

如果看到 app-logs-2026.09.09 类似的索引，说明日志已写入。

3. 在 Kibana 中查看日志

  1. 访问 http://localhost:5601
  2. 左侧菜单 → Stack Management → Index Patterns
  3. 点击 Create index pattern
  4. 输入 app-logs-*，点击 Next step
  5. 选择 @timestamp 作为时间字段，点击 Create
  6. 左侧菜单 → Discover，选择刚创建的索引模式，即可看到日志列表

在搜索框中可以输入条件过滤，例如：

  • level: "ERROR" → 只查错误日志
  • app_name: "my-springboot-app" → 查特定应用
  • message: "超时" → 包含关键词

九、常见问题与避坑指南

9.1 Filebeat 无法读取日志文件（权限问题）

现象 ：容器日志显示 permission denied。

解决 ：在 docker-compose.yml 中 Filebeat 服务添加 user: root（已添加），或确保宿主机日志目录对 other 有读权限（chmod o+r）。

9.2 Logstash 无法连接 Elasticsearch

现象 ：Logstash 日志报错 Connection refused。

解决 ：确保 Elasticsearch 容器已完全启动，且环境变量 ELASTICSEARCH_HOSTS 配置正确。可以进入 Logstash 容器用 curl elasticsearch:9200 测试连通性。

9.3 Kibana 中看不到日志

  • 检查索引模式是否创建正确（名称与 Logstash 输出的索引一致）。
  • 检查 Discover 页面的时间选择器是否正确（例如选择 "Last 15 minutes"）。
  • 检查 Elasticsearch 中是否有数据（用 _cat/indices 命令查看）。

9.4 日志重复或丢失

Filebeat 维护一个 registry 记录读取位置，如果挂载了 data 目录，重启后不会重复读取。如果发现重复，可以删除 ./filebeat/data 目录（会丢失进度），但生产环境不建议。

9.5 容器启动顺序问题

Docker Compose 的 depends_on 仅保证启动顺序，不保证服务完全就绪。如果 Logstash 启动时 ES 还未就绪，会重试，最终会连接成功。

9.6 磁盘空间不足

ES 默认不限制索引保留时间，建议配置 ILM（索引生命周期管理）自动删除过期数据。简单方式：在 Kibana 中创建 ILM 策略，或定期执行 curl 删除旧索引。

十、进阶优化建议

优化点 建议
日志格式 在 Spring Boot 中配置 Logback 输出 JSON 格式（使用 logstash-logback-encoder），可避免 Logstash 的 Grok 解析，极大提升性能。
Filebeat 多行合并 根据你的日志格式调整 multiline.pattern，确保异常堆栈完整采集。
Logstash 性能 调整 pipeline.workers 和 pipeline.batch.size（在 logstash.yml 中配置），适应日志量。
ES 内存 根据物理内存调整 ES_JAVA_OPTS，至少分配 2GB。
索引生命周期 配置 ILM 自动将超过 7 天的索引转为只读或删除，保持集群健康。
监控告警 为 ELK 组件添加监控（如 Prometheus + Grafana），及时发现问题。

十一、总结

通过本教程，你已经拥有了一套完整的 ELK 日志采集系统：

  • Filebeat 实时采集日志文件，通过 Beats 协议发送给 Logstash
  • Logstash 解析并结构化日志，存入 Elasticsearch
  • Kibana 提供强大的搜索和可视化界面

所有服务运行在 Docker 容器中，配置完全透明，你可以随时调整。这种架构适合大多数中小企业及开发测试环境，足够稳定且易于维护。

现在，当线上出现问题时，你只需打开 Kibana，输入关键词，就能在几秒内定位到具体日志，排查效率提升 10 倍以上。

下一步行动：

  1. 将你的应用日志目录挂载到 Filebeat 容器中
  2. 根据你的日志格式，调整 Logstash 的解析规则
  3. 在 Kibana 中创建仪表盘，监控关键指标

如果在实践中遇到问题，欢迎在评论区留言交流！

相关推荐
LIXIUPING201410 小时前
微服务分布式日志环境完整搭建实战｜从服务改造到 ELK 集群部署、全流程可落地
elk·elasticsearch·logstash·filebeat·分布式日志
Elastic 中国社区官方博客1 天前
如何通过一条 ES|QL 查询为 Elasticsearch 中的每个指标构建指标图表
大数据·运维·数据库·elasticsearch·搜索引擎·全文检索·kibana
郝开4 天前
Docker Compose 模块化多环境配置规范指南：示例搭建Kibana 9.4.2
docker·容器·kibana
玉&心6 天前
在Kibana查看Elasticsearch中的日志或存储的文档数据
elasticsearch·kibana
吴声子夜歌13 天前
Java面试——ElasticSearch原理及应用
java·面试·es
vHelios21 天前
【电商项目】商品搜索开发复盘（1）：根据需求拆解搜索接口的设计逻辑
java·微服务·es
小张同学a.1 个月前
ELK企业级日志分析平台3——ES数据备份 & 集群监控 & ELFK+Kafka 架构部署
linux·运维·elk·elasticsearch·架构·kafka·filebeat
cfm_29141 个月前
Logstash 8.x 入门实战
安全·es
倒流时光三十年1 个月前
第五阶段 40 · 深分页与性能（from/size、search_after、scroll、PIT）
es
热门推荐
01国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）02如何新建文件夹？ 电脑新建文件夹的4种方法03GitHub 镜像站点04历年考研数学一、数学二、数学三真题试卷及答案PDF052026 国产 AI 大模型横评：DeepSeek、通义千问、Kimi、文心一言、星火、豆包谁更能打？06蜘蛛磁力 搜索引擎大全，如何使用蜘蛛磁力查找磁力链接07微信历史版本含下载地址（ Windows PC | 安卓 | MAC ）及设置微信不更新08ZCode 周末送额度活动开启：3 亿 Token 免费领取09AI 编程 IDE 全景解析 2026：Agent 全面接管开发链路10Agnes AI 免费 API 接入指南：文本、生图、生视频，一套接口全免费