Filebeat + Kafka + Elasticsearch + Kibana 实现日志收集与管理
上篇文章介绍了 [如何在 Django 中优雅的记录日志](<https://github.com/yongxinz/tech-blog/blob/master/django/Django%20%E4%B8%AD%E5%A6%82%E4%BD%95%E4%BC%98%E9%9B%85%E7%9A%84%E8%AE%B0%E5%BD%95%E6%97%A5%E5%BF%97.md>)，这篇来谈谈怎么管理以及查看日志。
说到查看日志，这么简单的事情还值得写篇文章吗？文件已经有了，直接 vim 打开不就完了。话虽如此，但有时候这样做却并不可行。
如果是单台服务器的话，直接查看本地文件也是可以的，再搭配一些 Linux 命令，基本可以快速定位到问题。但现实情况中，我们的服务大部分都是部署在多台服务器上的，如果出现故障，到底是哪台服务器出的问题呢？很难排查，只能逐个登录服务器查看日志，这样做效率就太低了。
所以，必须得有一个集中管理日志的地方，可以把多台服务器上的日志汇总到一起。这样如果出现故障，我们到日志集中管理平台上一查，就可以快速定位到问题，并且可以确切的知道具体是哪台服务器出现了问题，何乐而不为呢？
这篇文章主要就是来解决这个问题。
怎么解决呢？说来也简单，因为已经有一套非常成熟的日志分析框架了，叫 ELK，而且在各大互联网公司都有成功的应用实践，网上资料也很多。
由于公司里面已经有一套日志分析框架了，所以，这件事情对我来说就更简单了，我只需要把日志内容发出去就好了。
在这里，我没有用 Logstash，而是用了更轻量的 Filebeat，配置起来也更方便。
Filebeat 日志源配置：
Filebeat 发送到 Elasticsearch：
配置发送到 Elasticsearch 时候出现一个问题，花了很长时间才解决，问题如下：
网上查找资料，大部分给出的解决办法都是配置 document_type，但是我用的 Filebeat 是 5.6 版本，这个参数已经取消了，无奈只能另找办法。
最后，就在我已经快要放弃的时候，通过把 Elasticsearch template type 改成 doc，而不是用自定义字段，解决了这个问题。
而且我发现一个很奇怪的现象，那就是总能在快要放弃之时找到解决问题的办法，所以多坚持一下还是很有必要的。
发送到 Elasticsearch 之后，就可以通过 Kibana 从页面来查询数据了，但这样做并不是最好的办法。更通用的架构是，先把数据发送到数据总线 Kafka，然后通过消费者程序来消费 Kafka 里的数据，最后入库到 Elasticsearch 或者其他存储组件。
Filebeat 发送到 Kafka：
去除不需要的字段：
Filebeat 在发送日志时，会添加一些字段，如果不想要这些字段的话，可以通过下面的配置将这些字段过滤。
以上是 Filebeat 的全部配置，如果想在生产环境使用 ELK 全部组件，那估计还是需要借助于公司基础大数据平台，而且搭建，部署，测试，优化也是一个漫长的过程，我这方面经验也不多，就没办法深入介绍了。
但如果想自己搭建一套测试玩玩，还是比较简单的，直接在官网查询相应文档，配置起来也比较简单。网速给力的话，应该很快就可以搞定，祝大家玩的愉快。
以上。
参考文档：
https://www.elastic.co/guide/index.html
技术博客：https://github.com/yongxinz/tech-blog
同时，也欢迎关注我的微信公众号 AlwaysBeta，更多精彩内容等你来。
版权声明: 本文为 InfoQ 作者【AlwaysBeta】的原创文章。
原文链接:【http://xie.infoq.cn/article/2a790305cd1a6803878986de0】。
本文遵守【CC BY-ND】协议，转载请保留原文出处及本版权声明。
微信公众号：AlwaysBeta 2017.11.30 加入
后端开发，技术栈：Python，Django，Redis，RabbitMQ，Kafka，Elasticsearch，MySQL
评论