部署EFK pod日志分析系统

共计 2702 个字符，预计需要花费 7 分钟才能阅读完成。

EFK 不是一个软件，而是一套解决方案，并且都是开源软件，之间互相配合使用，完美衔接，高效的满足了很多场合的应用，是目前主流的一种日志系统。EFK 是三个开源软件的缩写，分别表示：Elasticsearch , Fluentd, Kibana

组件说明：

EFK 由 ElasticSearch、Fluentd 和 Kiabana 三个开源工具组成。

​1、其中 Elasticsearch 是一款分布式搜索引擎，能够用于日志的检索

​2、Fluentd 是一个实时开源的数据收集器,

​3、Kibana 是一款能够为 Elasticsearch 提供分析和可视化的 Web 平台。

这三款开源工具的组合为日志数据提供了分布式的实时搜集与分析的监控系统。

一、环境准备

# 资源配置：

Master: 4U4G
Node-1: 4U4G
Node-2: 4U4G

mkdir efk

cd efk

kubectl create namespace efk

添加  Google incubator  仓库：

helm repo add bitnami https://charts.bitnami.com/bitnami

二、部署 Elasticsearch

helm fetch bitnami/elasticsearch

tar zxvf elasticsearch-12.3.1.tgz

cd elasticsearch/

vim values.yaml

# 因为是实验环境，需要修改一下配置文件，否则可能会因为资源问题而导致实验失败

volumePermissions:
  enabled: false		# 修改为“false”
  image:
    registry: docker.io
    repository: bitnami/minideb
    tag: buster
    pullPolicy: Always

master:
  name: master
  replicas: 1			# 修改为“1”
  persistence:
    enabled: false		# 修改为“false”

coordinating:
  replicas: 1			# 修改为“1”
  updateStrategy:
    type: RollingUpdate

data:
  name: data
  replicas: 1			# 修改为“1”
  persistence:
    enabled: false		# 修改为“false”

# 保存退出

helm install . --name ela --namespace=efk -f values.yaml

# 测试一下：
kubectl run cirror-$RANDOM --rm -it --image=cirros -- /bin/sh

curl Elasticsearch:Port/_cat/nodes

完成后我们查看一下：

三、部署 Fluentd

helm fetch stable/fluentd

tar zxvf fluentd-2.4.1.tgz

cd fluentd

vim values.yaml

# 更改其中 Elasticsearch 访问地址

elasticsearch:
  host: 'es-elasticsearch-coordinating-only'   # 修改地址
  port: 9200
  scheme: 'http'
  ssl_version: TLSv1_2
  buffer_chunk_limit: 2M
  buffer_queue_limit: 8
  logstash_prefix: 'logstash'
  
在  system.conf  上方添加下列代码：

  containers.input.conf: |-
    <source>
        @id fluentd-containers.log
        @type tail
        path /var/log/containers/*.log
        pos_file /var/log/es-containers.log.pos
        tag raw.kubernetes.*
        read_from_head true
        <parse>
            @type multi_format
            <pattern>
                format json
                time_key time
                time_format %Y-%m-%dT%H:%M:%S.%NZ
            </pattern>
            <pattern>
                format /^(?<time>.+) (?<stream>stdout|stderr) [^ ]* (?<log>.*)$/
                time_format %Y-%m-%dT%H:%M:%S.%N%:z
            </pattern>
        </parse>
    </source>
    <match raw.kubernetes.**>
        @id raw.kubernetes
        @type detect_exceptions
        remove_tag_prefix raw
        message log
        stream stream
        multiline_flush_interval 5
        max_bytes 500000
        max_lines 1000
    </match>

vim templates/deployment.yaml 在  volumeMounts  与 volumes 下方进行挂载：

volumeMounts:
  - name: varlog
    mountPath: /var/log
  - name: dockercontainers
    mountPath: /var/lib/docker/containers
    readOnly: true

volumes:
  - name: varlog
    hostPath:
      path: /var/log
  - name: dockercontainers
    hostPath:
      path: /var/lib/docker/containers

helm install . --name flu --namespace=efk -f values.yaml

完成后查看：

四、部署 kibana

helm fetch bitnami/kibana

# 这里要特别注意一下，Kibana 的版本要与 Elasticsearch 的版本一直，否则会出错，需要特别、特别注意

tar zxvf kibana-5.1.2.tgz

cd kibana/

vim values.yaml 

# 更改其中 Elasticsearch 访问地址
# 更改 Service 中的 ClusterIP 为 NodePort

elasticsearch:
  hosts:
    - es-elasticsearch-coordinating-only
  port: 9200

service:
  port: 80
  type: NodePort

volumePermissions:
  enabled: false


helm install . --name kia --namespace=efk -f values.yaml 

​完成后查看效果：

通过暴露的端口号，进行 WEB 访问：

创建一下索引序列：

​我们来以时间为例，创建索引：

​通过时间序列分片：

​分片成功：

​查看我们收集的日志信息：