持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第6天，点击查看活动详情

前言

大家好，我是小郭，最近在玩 ELK 日志平台，它是 Elastic 公司推出的一整套日志收集、分析和展示的解决方案。

只有学习了，操作了才能算真正的学会使用了，虽然看起来简单，但是里面的流程步骤还是很多的，将步骤和遇到的问

题记录和总结下，今天主要分享下在Docker环境下部署 logstash 日志收集工具。

# 从零到一搭建ELK日志，在Docker环境下部署 Elasticsearch 数据库

# 从零到一搭建ELK日志，在Docker环境下部署 Kibana 可视化工具

# 从零到一搭建ELK日志，在Docker环境下部署 Filebeat 日志收集工具

什么是 logstash？

Logstash是具有实时流水线能力的开源的数据收集引擎。Logstash可以动态统一不同来源的数据，并将数据标准化到您选择的目标输出。它提供了大量插件，可帮助我们解析，丰富，转换和缓冲任何类型的数据。

工作方式

管道（Logstash Pipeline）是Logstash中独立的运行单元，每个管道都包含两个必须的元素输入（input）和输出（output），和一个可选的元素过滤器（filter），事件处理管道负责协调它们的执行。

输入和输出支持编解码器，使您可以在数据进入或退出管道时对其进行编码或解码，而不必使用单独的过滤器。如：json、multiline等

inputs（输入阶段）：

Logstash 支持各种输入选择，可以同时从众多常用来源捕捉事件。

包括：file、kafka、beats等

filters（筛选阶段）：

数据从源传输到存储库的过程中，Logstash 筛选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，以便进行更强大的分析和实现商业价值。

包括：

• 利用 Grok 从非结构化数据中派生出结构
• 简化整体处理，不受数据源、格式或架构的影响等

outputs（输出阶段）：

将事件数据发送到特定的目的地，完成了所以输出处理，改事件就完成了执行。

如：elasticsearch、file、redis等

Codecs（解码器）：

基本上是流过滤器，作为输入和输出的一部分进行操作，可以轻松地将消息的传输与序列化过程分开。

扩展

Logstash 采用可插拔框架，拥有 200 多个插件。您可以将不同的输入选择、筛选器和输出选择混合搭配、精心安排，让它们在管道中和谐地运行。

部署 logstash 日志收集工具

logstash的部署方式有很多种，一般情况下我们可以采用下载 logstash 安装包的方式去启动。

但是官方为我们提供了Docker的部署方式，我比较倾向于利用Docker来进行管理。

1. 安装Logstash镜像

docker pull docker.elastic.co/logstash/logstash:7.7.1
复制代码

2. 创建文件目录和配置文件

创建文件夹

mkdir -p /data/elk/logstash/config

mkdir -p /data/elk/logstash/pipeline
复制代码

创建配置文件

logstash.yml 放在/data/elk/logstash/config

touch logstash.yml

vi logstash.yml

config:
  reload:
    automatic: true
    interval: 3s
xpack:
  management.enabled: false
  monitoring.enabled: false
复制代码

配置文件 pipelines.yml

放在/data/elk/logstash/config

在这里我们可以配置多个管道信息，来收集不同的信息

touch pipelines.yml

vi pipelines.yml

- pipeline.id: logstash_dev
  path.config: /usr/share/logstash/pipeline/logstash_dev.conf
复制代码

配置文件 logstash_dev.conf

放在/data/elk/logstash/pipeline下

touch logstash_dev.conf

vi logstash_dev.conf

input {
  beats {
    port => 9900
  }
}
 
filter {
  grok {
    match => { "message" => "%{COMBINEDAPACHELOG}" }
  }
 
  mutate {
    convert => {
      "bytes" => "integer"
    }
  }
 
  geoip {
    source => "clientip"
  }
 
  useragent {
    source => "user_agent"
    target => "useragent"
  }
 
  date {
    match => ["timestamp", "dd/MMM/yyyy:HH:mm:ss Z"]
  }
}
 
output {
  stdout { }
 
  elasticsearch {
    hosts => ["127.0.0.1:9200"]
    index => "xiaoguo_test_example"
  }
}
复制代码

注意了，在这里我们可以配置索引的名称，以方便我们后面在查看

3. 启动容器

最重要的一个环节来了，成败在此一举

docker run -d -it --restart=always  --privileged=true  --name=logstash -p 5047:5047 -p 9600:9600 -v /data/elk/logstash/pipeline/:/usr/share/logstash/pipeline/      -v /data/elk/logstash/config/:/usr/share/logstash/config/ docker.elastic.co/logstash/logstash:7.7.1
复制代码

指令可能存在换行的问题，可以先复制出来去掉换行

启动结果：

4. 验证是否启动成功

通过docker logs id 来看logstash是否启动成功

看到Successfully就表示成功了

5. 修改 filebeat 配置文件

在前面的文章中我们已经将FlieBeat + Es + Kibana 的合并操作

我们只需要修改 filebeat 配置文件 filebeat.yml

将输出地址更改为我们部署的 logstash 地址

filebeat.inputs:
- type: log
  enabled: true
  paths:
    - /usr/share/filebeat/logs/*

output.logstash:
  hosts: ["ip:9900"]
复制代码

6. 查询是否生成索引

curl http://localhost:9200/_cat/indices?v 
复制代码

看到自定义名称的那个索引，就表示成功了

5. 上Kibana查看

总结

我们主要完成在Docker环境下部署 logstash 日志收集工具，他是搭建ELK日志非常重要的一部分，上一篇文章Filebeat日志收集完成之后，将数据写入 Elasticsearch 后用 Kibana 进行可视化展示，现在我们已经完成了

Filebeat 收集数据写入 logstash处理，再将数据写入 Elasticsearch 后 Kibana 进行可视化展示的全过程。

欢迎大家评论、点赞、收藏~

如有不对的地方欢迎指出！