解析ELK（filebeat+logstash+elasticsearch+kibana）日志系统原理以及k8s集群日志采集过程

原创 已于 2025-09-03 11:24:54 修改 · 1.6k 阅读 · 11
标签
#elk #elasticsearch #kubernetes
于 2025-09-02 18:27:35 首次发布

ELK日志系统解析

ELK 日志系统（现常称为 Elastic Stack，由 Filebeat、Logstash、Elasticsearch、Kibana 组成）是一套用于 日志收集、清洗、存储、检索和可视化 的开源解决方案。
它的核心价值是将分散在多台服务器 / 应用中的日志 “汇聚成池、结构化处理、按需分析”，解决传统日志 “查起来难、用起来乱” 的痛点。

一、ELK 各组件的核心角色

可以把 ELK 类比成 “日志工厂”，每个组件对应一个生产环节，分工明确且环环相扣：

组件 核心角色（工厂类比） 核心功能
Filebeat 日志采集员（前端） 轻量级日志采集工具，部署在每台需要收集日志的服务器上，实时读取本地日志文件，发送给后续组件（如 Logstash/Elasticsearch）。
Kafka【按需】 日志缓冲器（中间件） 在大规模场景（如数千台服务器、每秒数万条日志）下，直接用 Filebeat 发送日志到 Logstash 可能出现 “日志丢失”（如 Logstash 宕机）。此时会引入 Kafka（消息队列） 作为 “缓冲层”
Logstash 日志加工厂（中间件） 接收 Filebeat 传来的原始日志，进行 “清洗加工”（如提取字段、过滤无用信息、格式转换），输出结构化日志到 Elasticsearch。
Elasticsearch 日志仓库 + 检索引擎（后端） 分布式搜索引擎，存储结构化后的日志数据，支持毫秒级全文检索（如 “查询昨天 10 点报错的日志”），是 ELK 的 “数据核心”。
Kibana 日志可视化面板（前端） 对接 Elasticsearch，提供可视化界面（如柱状图、折线图、日志列表），支持用户查询、分析日志，生成监控报表。

1. 高可用模式设计：

在这里插入图片描述

2. ELK 扩展场景：引入 Kafka 提升稳定性

在大规模场景（如数千台服务器、每秒数万条日志）下，直接用 Filebeat 发送日志到 Logstash 可能出现 “日志丢失”（如 Logstash 宕机）。此时会引入 Kafka（消息队列） 作为 “缓冲层”
优化流程为：
Filebeat → Kafka → Logstash → Elasticsearch → Kibana

Kafka 作用：
缓冲日志：Filebeat 将日志发送到 Kafka 后立即返回，无需等待 Logstash 处理；
解耦上下游：Logstash 宕机时，日志暂存 Kafka，恢复后从 Kafka 消费，避免丢失；
削峰填谷：应对日志流量突发（如秒杀活动导致日志量骤增），Kafka 平滑流量到 Logstash。

二、ELK 日志流转的完整原理

从 “原始日志” 到 “可查询的可视化图表”，ELK 需经过 4 个核心步骤，流程如下：
步骤 1：Filebeat 采集日志（前端采集）

  • 部署位置：每台需要收集日志的服务器（如应用服务器、数据库服务器、Linux 主机）。
  • 采集逻辑：
    1. 配置 “日志路径”（如 /var/log/nginx/access.log、/opt/app/logs/app.log）；
    1. 实时监控日志文件变化（类似 tail -f），按行读取新产生的日志；
    1. 轻量级处理（如添加 “服务器 IP”“日志来源” 等元数据），避免占用过多服务器资源；
    1. 将日志发送到下游（默认发送给 Logstash，也可直接发送给 Elasticsearch，适合简单场景）。

关键优势：轻量（内存占用通常 < 100MB）、稳定（崩溃后自动重启）、支持多类型日志（文件日志、系统日志、容器日志等）。
步骤 2：Logstash 清洗日志（中间处理）

  • 定位：通常部署在独立的服务器（或高可用模式采用集群），作为 “日志加工中心”。
  • 核心流程（三阶段 Pipeline）：
    1. Input（输入）：接收 Filebeat 发送的日志（也支持接收 Kafka、Redis 等中间件的日志）；
    1. Filter（过滤 / 加工）：ELK 最核心的 “结构化” 环节，
      格式转换：将非结构化日志（如纯文本）转为 JSON 格式（方便 Elasticsearch 存储和检索）；
    1. Output（输出）：将加工后的结构化日志发送到 Elasticsearch（也可输出到 Kafka、文件等）。

关键优势：插件丰富（支持 200+ 插件，满足各种日志处理需求）、灵活定制（通过配置文件定义加工规则）。

步骤 3：Elasticsearch 存储与索引（后端存储）

  • 定位：分布式存储与检索引擎，通常部署为集群（至少 3 节点，保证高可用）。
  • 核心逻辑：
    1. 日志存储：接收 Logstash 传来的 JSON 格式日志，按 “索引（Index）” 组织数据（类似数据库的 “表”）；
    1. 索引策略：通常按时间分片（如每天创建一个索引 log-2024-09-01、log-2024-09-02），方便后续按时间查询，也便于过期日志清理（如删除 30 天前的索引）；

索引优化：Elasticsearch 会对日志字段建立 “倒排索引”（类似字典的 “拼音索引”），支持快速全文检索（如输入 “ERROR”，瞬间找到所有包含 “ERROR” 的日志）；
高可用保障：通过 “分片（Shard）” 和 “副本（Replica）” 实现：
分片：将一个索引拆分为多个分片（如 5 个主分片），分散存储在不同节点，支持水平扩容；
副本：每个主分片创建 1+ 个副本（如 1 个副本），存储在不同节点，主分片故障时副本自动接管，确保数据不丢、服务不中断。
关键优势：检索速度快（毫秒级）、支持分布式（可扩展到数百节点）、高可用（副本 + 分片机制）。

步骤 4：Kibana 可视化查询（前端展示）
功能：
●提供日志搜索界面
●创建仪表板和可视化
●设置告警规则
常用功能：
●Discover：搜索和查看日志
●Dashboard：创建监控仪表板
●Index Patterns：管理日志索引模式
●Logs：查看 Kubernetes 应用日志

三、 通过ELK采集K8s集群中pod的日志并做可视化展示

step1：filebeat采集pod日志

●监控节点上的 /var/log/pods/ 目录（默认集群中pod日志存储位置）
●自动发现新的 Pod 并开始收集其日志
●添加 Kubernetes 元数据（如 Pod 名称、命名空间、标签等）
●将日志发送到 Logstash 进行进一步处理
配置要点：

vim filebeat-k8s.yml

#=======================k8s===========================
- type: log
  enabled: true
  fields:
      service: k8s
      role: pods
      topic: log-k8s
  fields_under_root: true
  paths:
    - /var/log/pods/*/*/*.log
  tail_files: true

step2：Logstash 处理采集到的日志

典型处理流程：
1.接收来自 Filebeat 的日志
2.解析 JSON 格式的日志（如需要）
3.提取特定字段（如时间戳、日志级别等）
4.添加或删除字段
5.根据条件过滤或路由日志
示例配置：
注：这里对从filebeat接收到的k8s的日志进行特殊处理

vim logstash.conf

input {
  beats {
    port => 9696 // 监听9696端口，接收Filebeat发送的日志
  }
}
filter {
  // #### k8s 容器日志  ####
  if [topic] == "log-k8s" { // 仅处理 topic 字段为 "log-k8s" 的日志
    if [service] == "k8s" { //进一步筛选 service 字段为 "k8s" 的日志
      grok{        // 使用 grok 解析日志内容
        match => {
          "message" => [
          // # 模式1：提取时间戳、输出类型、日志级别、进程ID、来源等
            "%{TIMESTAMP_ISO8601:date} %{WORD:output} %{WORD} %{NOTSPACE:level}%{NUMBER} %{NOTSPACE}%{SPACE}[T ]%{NUMBER:pid} %{NOTSPACE:source} %{GREEDYDATA:msg}",
            // # 模式2（简化版）：仅提取时间戳和消息
            "%{TIMESTAMP_ISO8601:date} %{WORD:output} %{WORD} %{GREEDYDATA:msg}"
            ]
        }
      }
      date {  // 将原始时间戳转换为 @timestamp
        match => ["date","ISO8601"] // 匹配 ISO8601 格式的时间
        target => [ "@timestamp" ] // 存储到 Elasticsearch 的标准时间字段
      }
    }
}
  else {
     drop {} // # 丢弃所有不满足 topic=="log-k8s" 的日志
  }
  if [log][offset] {
    mutate {
      add_field => {
         "offset" =>"%{[log][offset]}"
      }
    }
  }

  mutate {
    remove_field => ["@version", "event", "log", "message"] // # 删除冗余字段
   }
 }
 
 output {
#  stdout {
#    codec => rubydebug
#  }
  elasticsearch {
    hosts => [
           "es1:9200", // # ES集群地址
           "es2:9200", 
           "es3:9200" 
         ]
    user => "elastic" // # 认证用户名
    password => "6suq6twSe4Xk"  // # 认证密码
    index => "%{topic}-%{+YYYY.MM.dd}" // # 按天创建索引（如 log-k8s-2023.10.30）
  }
}

功能说明：
●对 Kubernetes 容器日志进行结构化解析。
●提取关键字段（如时间戳、日志级别、进程ID等）。
●标准化时间字段。
Grok 模式说明：
●TIMESTAMP_ISO8601: 匹配 ISO8601 时间格式（如 2023-10-30T12:00:00.000Z）。
●WORD/NOTSPACE: 匹配单词或非空格字符。
●GREEDYDATA: 捕获剩余所有内容。
完整配置流程图
在这里插入图片描述

step3：Elasticsearch进行日志存储以及检索

功能：
●存储所有日志数据
●提供强大的搜索和聚合能力
●管理索引生命周期
示例配置

vim elasticsearch.yml

#-----------------------Cluster-------------------
cluster.name: TDP  # 集群命名
cluster.max_shards_per_node: 10000
#-----------------------Node-------------------
node.name: 10.127.188.xxx
# -----------------------Paths-------------------
path.logs: /var/log/elasticsearch   # 日志路径
path.data:
    - /data01/elasticsearch
action.auto_create_index: true

#---------------Network----------------------
network.host: 10.127.188.xxx

# Set a custom port for HTTP
http.port: 9200
transport.port: 9300

network.host: 0.0.0.0
discovery.seed_hosts: ["node-1", "node-2"]  # ES节点列表
# --------- 内存和堆大小配置，为 Elasticsearch 设置合适的堆大小，以避免内存溢出-------------
bootstrap.memory_lock: true
ES_JAVA_OPTS: "-Xms512m -Xmx512m"

检查集群状态
使用 Kibana 或直接通过 Elasticsearch 的 REST API 检查集群状态：

curl -X GET "localhost:9200/_cat/nodes?v&pretty"

step4： Kibana (日志可视化和分析)界面构建

功能：
●提供日志搜索界面
●创建仪表板和可视化
●设置告警规则
常用功能：
●Discover：搜索和查看日志
●Dashboard：创建监控仪表板
●Index Patterns：管理日志索引模式
●Logs：查看 Kubernetes 应用日志
配置要点（kibana.yml）：

server.host: "0.0.0.0"  # 允许外部访问
server.name: "k8s01" # 主机名
elasticsearch.hosts: ["http://es01:9200"]  # ES地址
monitoring.ui.container.elasticsearch.enabled: true  # 启用容器监控
xpack.security.enabled: true  # 启用安全功能（若ES开启安全）
i18n.locale: "zh-CN"  # 中文界面（可选）

Dashboard可视化界面集成：
在这里插入图片描述
登录要导入的Kibana，点击左下角齿轮图标-管理->已保存对象->导入
会在右侧弹出一个窗口。
这里采用ndjson形式导入收集的日志策略。

vim kibana.ndjson

{"attributes":{"buildNum":63337,"context:defaultSize":50,"context:step":50,"dateFormat":"YYYY-MM-DD HH:mm:ss.SSS","defaultIndex":null,"discover:rowHeightOption":-1,"discover:sampleRowsPerPage":500,"discover:sampleSize":5000,"fileUpload:maxFileSize":"1GB","isDefaultIndexMigrated":true,"timepicker:timeDefaults":"{\n  \"from\": \"now-24h/h\",\n  \"to\": \"now\"\n}"},"coreMigrationVersion":"8.8.0","created_at":"2023-09-23T16:24:07.183Z","id":"8.8.2","managed":false,"references":[],"type":"config","typeMigrationVersion":"8.7.0","updated_at":"2023-09-25T06:29:11.563Z","version":"WzI0ODgsMl0="}
{"attributes":{"fieldAttrs":"{\"msg\":{\"count\":2}}","fieldFormatMap":"{}","fields":"[]","name":"log-yarn-container-stderr","runtimeFieldMap":"{}","sourceFilters":"[]","timeFieldName":"@timestamp","title":"log-yarn-container-20*","typeMeta":"{}"},"coreMigrationVersion":"8.8.0","created_at":"2023-09-25T07:34:17.212Z","id":"d59f6539-5474-4681-8495-5836e17386b5","managed":false,"references":[],"type":"index-pattern","typeMigrationVersion":"8.0.0","updated_at":"2023-09-25T07:50:23.228Z","version":"WzI5MCwxXQ=="}
{"attributes":{"fieldAttrs":"{\"app_id\":{\"count\":1},\"cluster\":{\"count\":1},\"container_id\":{\"count\":1},\"hostname\":{\"count\":1},\"ip\":{\"count\":1},\"level\":{\"count\":1},\"msg\":{\"count\":1},\"role\":{\"count\":1},\"service\":{\"count\":1}}","fieldFormatMap":"{}","fields":"[]","name":"log-yarn-container-stdout","runtimeFieldMap":"{}","sourceFilters":"[]","timeFieldName":"@timestamp","title":"log-yarn-container-stdout-*","typeMeta":"{}"},"coreMigrationVersion":"8.8.0","created_at":"2023-09-25T07:47:06.731Z","id":"6f398493-35aa-4c6a-ad98-108856826395","managed":false,"references":[],"type":"index-pattern","typeMigrationVersion":"8.0.0","updated_at":"2023-09-25T07:49:39.486Z","version":"WzI4NiwxXQ=="}
{"attributes":{"fieldAttrs":"{}","fieldFormatMap":"{}","fields":"[]","name":"log-yarn-container-flink","runtimeFieldMap":"{}","sourceFilters":"[]","timeFieldName":"@timestamp","title":"log-yarn-container-flink-*","typeMeta":"{}"},"coreMigrationVersion":"8.8.0","created_at":"2023-09-25T07:46:46.699Z","id":"194f03ec-afa2-4a5d-9bfa-5649850f3e23","managed":false,"references":[],"type":"index-pattern","typeMigrationVersion":"8.0.0","updated_at":"2023-09-25T07:46:46.699Z","version":"WzI2OSwxXQ=="}
{"attributes":{"fieldAttrs":"{}","fieldFormatMap":"{}","fields":"[]","name":"log-yarn-container-mr","runtimeFieldMap":"{}","sourceFilters":"[]","timeFieldName":"@timestamp","title":"log-yarn-container-mr-*","typeMeta":"{}"},"coreMigrationVersion":"8.8.0","created_at":"2023-09-25T07:33:39.635Z","id":"4dcb2fed-b1bb-41f1-b65c-c819d240c350","managed":false,"references":[],"type":"index-pattern","typeMigrationVersion":"8.0.0",
最低0.47元/天 解锁文章
ELK详解（一）——ELK基本原理
热门推荐
永远是少年
04-03 3万+
今天继续给大家介绍Linux运维相关知识，本文主要内容是ELK的基本原理。 一、ELK简介 二、ELK架构 三、ELK优点
ELK原理详解
qq_20751851的博客
05-09 2046
ELK堆栈作为一种强大的日志处理和分析工具，在实际应用中具有广泛的应用场景和潜力。通过深入了解ELK的原理和优化策略，我们可以更好地利用ELK堆栈来收集、存储、分析和可视化日志数据
保姆级教程：在K8s上部署ELK 7.17.10，从NFS存储到Filebeat自动发现，一次搞定
weixin_42522148的博客
04-30 326
本文提供了一份详细的Kubernetes（K8s）上部署ELK 7.17.10的保姆级教程，涵盖从NFS存储配置到Filebeat自动发现的全流程。通过实战案例和关键参数配置，帮助用户快速搭建高可用的ELK日志系统，提升日志管理和分析效率。
ELK EFK日志搜索平台 filebeat kafka logstash elasticsearch(es) kibana
zhaoyang10的专栏
07-28 2680
ELK是当前比较主流的分布式日志收集处理工具。常用日志采集方式Filebeat→Kafka集群→Logstash→ES→KibanaGrafana（可视化监控工具）上配置连接ES数据库进行实时监控实施步骤Filebeat部署在应用服务器上（只负责Logstash的读取和转发，降低CPU负载消耗，确保不会抢占应用资源），Logstash、ES、Kibana在一台服务器上（此处的Logstash负责日志的过滤，会消耗一定的CPU负载，可以考虑如何优化过滤的语法步骤来达到降低负载）。...............
ELK日志分析系统（一）之ELK原理
S314118142的博客
10-12 3148
随着业务量的增长，每天业务服务器将会产生上亿条的日志，单个日志文件达几个GB，这时我们发现Linux自带工具，cat grep awk 分析越来越力不从心了，而且除了服务器日志，还有程序报错日志，分布在不同的服务器，查阅繁琐ELK是三个软件的统称，即Elasticsearch、logstash和kibana三个开源软件的缩写。这三款软件都是开源软件，通常配合使用，并且都会先后归于Elastic.co企业名下，故被简称为ELK协议线。
ELK 的原理
qq_36733838的博客
10-18 2179
Elasticsearch 是一个分布式的开源搜索和分析引擎，在的基础上开发而成。Lucene 是开源的搜索引擎工具包，Elasticsearch 充分利用Lucene，并对其进行了扩展，使存储、索引、搜索都变得更快、更容易， 而最重要的是， 正如名字中的“ elastic ”所示， 一切都是灵活、有弹性的。而且，应用代码也不是必须用Java 书写才可以和Elasticsearc兼容，完全可以通过JSON 格式的HTTP 请求来进行索引、搜索和管理Elasticsearch 集群。
ELK Elasticsearch 集群部署
abandon的博客
11-18 1123
ELK平台是一套完整的日志集中处理解决方案，将 ElasticSearch、Logstash 和 Kiabana 三个开源工具配合使用， 完成更强大的用户对日志的查询、排序、统计需求。●ElasticSearch：是基于 Lucene（一个全文检索引擎的架构）开发的分布式存储检索引擎，用来存储各类日志。Elasticsearch 是用 Java 开发的，可通过 RESTful Web 接口，让用户可以通过浏览器与 Elasticsearch 通信。
基于Kubernetes的ELK日志系统完整部署方案（含Kafka与Filebeat）
weixin_34640289的博客
10-10 524
在云原生技术快速发展的背景下，基于Kubernetes的日志管理已成为构建可观测性体系的核心环节。本章深入解析ELK（Elasticsearch、Logstash、Kibana）技术栈在K8s环境中的整体架构设计原理，阐明其与容器化环境深度融合的必要性。ELK在Kubernetes中通常以分层架构运行：Filebeat作为边车或DaemonSet采集Pod日志，输出至Kafka实现解耦缓冲；Logstash消费Kafka消息，完成结构化解析后写入Elasticsearch集群；
如何在 Kubernetes 下快速构建企业级云原生日志系统
easylife206的专栏
08-12 300
公众号关注「奇妙的 Linux 世界」设为「星标」，每天带你玩转 Linux ！一、概述❝ELK 是三个开源软件的缩写，分别表示：Elasticsearch , Logstash, Kibana , 它们都是开源软件。新增了一个 FileBeat，它是一个轻量级的日志收集处理工具 (Agent)，Filebeat 占用资源少，适合于在各个服务器上搜集日志后传输给 Lo...
kubernetes日志收集系统部署流程及踩坑记录
beanguys的博客
02-07 1341
kubernet下日志收集系统部署流程及踩坑填坑记录
构建企业级云原生日志系统架构
云原生实验室
07-28 563
❝本文转自大数据老司机的博客，原文：https://www.cnblogs.com/liugp/p/16463920.html，版权归原作者所有。欢迎投稿，投稿请添加微信好友：cloud-native-yang一、概述❝ELK 是三个开源软件的缩写，分别表示：Elasticsearch , Logstash, Kibana , 它们都是开源软件。新增了一个 FileBe...
【总纲】IT运维面试知识图谱与高频问题汇总
qq_33525062的博客
12-15 572
本文提供了一套完整的IT运维面试知识体系框架，通过"订单业务场景"串联起整个技术栈。内容包含：1）运维技术栈全景思维导图；2）13个专题面试题库（涵盖Linux、网络、容器、数据库等核心技术）；3）高频TOP30考题精选；4）针对不同级别（初级/中级/高级）的备考重点；5）面试技巧。建议先通过业务场景理解技术体系，再系统学习面试题目。文章采用"理论+实践"的方式，帮助应聘者构建完整的运维知识框架，提升面试通过率。
服务器本质：从localhost三行命令到云原生协作网络
最新发布
weixin_30315435的博客
06-20 403
服务器是Client-Server架构中承担响应请求角色的逻辑实体，其核心在于服务契约而非硬件形态。它基于TCP/IP协议栈实现请求-响应循环，依赖socket系统调用（bind/listen/accept）构建通信基础，技术价值在于解耦协作与资源抽象。广泛应用于Web服务、API网关、数据库中间件及CDN边缘节点等场景。理解服务器，需穿透物理机箱、虚拟机镜像与容器封装，回归到进程监听端口、处理HTTP/TCP连接的本质——正如用python3 -m http.server在localhost启动的简易服务
游戏服务器与微服务交叉实践：确定性架构落地指南
ciyinzhi8788的博客
06-14 357
在分布式系统与实时交互场景中，‘确定性’是保障服务稳定与体验一致的核心技术诉求。本文从游戏服务器对延迟敏感、状态强一致、故障零容忍的硬性约束切入，解析微服务在高并发脉冲流量、跨服务状态协同、客户端智能路由等典型挑战下的真实应对逻辑。结合Unity客户端服务发现、gRPC超时熔断、Consul+OpenTelemetry链路追踪等可验证方案，揭示如何将‘理论微服务’转化为经受百万DAU考验的生产级架构。内容聚焦于开发者最常遭遇的‘凌晨三点问题’——如WebSocket黑屏、Loot服务线程阻塞、Combat接
Filebeat + es +kibana
登高~
01-19 1217
背景 分析--->报警 Kibana 展示 Kibana 存储 ElasticSerach 过滤 Logstash 收集 Filebeat, Logstash logstash：因为是由java写的，所以在它收集日志时非常占用业务系统的资源，从而影响线上业务，所以我们将其替换为filebeat. filebeat：为轻量的日志收集组件，会让业务系统的运行更加的稳定. 由于痛点： 1.出现故障,要排查的日志非常的多,没有办法很快定位; 2.统计TOP,PV,UV,I
生产级实践之集群搭建方案系列-ELK日志分析平台搭建配置
Mirson - 多一些分享, 多一些进步
04-15 1308
1. 目标 介绍ELK平台功能作用， 工作机制， 各部署架构模式特点。 实现ELK日志分析平台的安装配置。 2. 步骤 介绍ELK日志分析平台 介绍ELK部署架构模式 介绍ELK工作机制 实现Logstash安装配置 实现Filebeat安装配置 实现Kibana配置与数据查看 3. 实现 3.1 ELK日志分析平台介绍 ELK是三个开源软件的缩写，分别表示：Elasticsearch ...
手把手教你Windows下搭建Filebeat+Logstash+ElasticSearch+Kibana系统
qq_22193961的博客
04-21 6704
Filebeat+Logstash+ElasticSearch+Kibana系统，快速上手
ELK初学者
qq_32429011的博客
03-06 2069
一般我们需要进行日志分析场景：直接在日志文件中 grep、awk 就可以获得自己想要的信息。但在规模较大的场景中，此方法效率低下，面临问题包括日志量太大如何归档、文本搜索太慢怎么办、如何多维度查询。需要集中化的日志管理，所有服务器上的日志收集汇总。常见解决思路是建立集中式日志收集系统，将所有节点上的日志统一收集，管理，访问。一般大型系统是一个分布式部署的架构，不同的服务模块部署在不同的服务器上，问...
手把手教你搭建ELK(Elasticsearch+Logstash+Filebeat+Kibana)日志采集处理,带你入门Elastic Stack
qq_30548105的博客
07-03 2433
本文详细讲解从0如何搭建ELFK日志收集处理环境，快速实现elasticsearch+filebeat+logstash+kibana一套elastic stack技术栈，大型项目日志架构必备
elk工作基本原理
fw150104010012的博客
02-04 2212
elk简介：elasticSearch+logstash+kibana = elk，elk的基本使用场景是日志收集以及日志管理工作。 elk基本原理学习体会： 1.首先在集群的每台服务器上都需要安装日记收集工具logstash用于日志的收集工作。 2.每个服务器节点会将本地的日志文件输入到LogStash中去。 3.LogStash会将日志文件以json的形式输出到ES集群中去。 4.最后可以在可...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

听说唐僧不吃肉

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值