ELK已經成為目前最流行的集中式日志解決方案，它主要是由Beats、Logstash、Elasticsearch、Kibana等元件組成，來共同完成實時日志的收集，存儲，展示等一站式的解決方案。本文将會介紹ELK常見的架構以及相關問題解決。
Filebeat：Filebeat是一款輕量級，占用服務資源非常少的資料收集引擎，它是ELK家族的新成員，可以代替Logstash作為在應用伺服器端的日志收集引擎，支援将收集到的資料輸出到Kafka，Redis等隊列。
Logstash：資料收集引擎，相較于Filebeat比較重量級，但它內建了大量的插件，支援豐富的資料源收集，對收集的資料可以過濾，分析，格式化日志格式。
Elasticsearch：分布式資料搜尋引擎，基于Apache Lucene實作，可叢集，提供資料的集中式存儲，分析，以及強大的資料搜尋和聚合功能。
這種架構是比較原始的部署架構，在各應用伺服器端分别部署一個Logstash元件，作為日志收集器，然後将Logstash收集到的資料過濾、分析、格式化處理後發送至Elasticsearch存儲，最後使用Kibana進行可視化展示，這種架構不足的是：Logstash比較耗伺服器資源，是以會增加應用伺服器端的負載壓力。
該架構與第一種架構唯一不同的是：應用端日志收集器換成了Filebeat，Filebeat輕量，占用伺服器資源少，是以使用Filebeat作為應用伺服器端的日志收集器，一般Filebeat會配合Logstash一起使用，這種部署方式也是目前最常用的架構。
該架構在第二種架構的基礎上引入了Redis緩存隊列（還可以是其他消息隊列），将Filebeat收集到的資料發送至Redis，然後在通過Logstasth讀取Redis中的資料，這種架構主要是解決大資料量下的日志收集方案，使用緩存隊列主要是解決資料安全與均衡Logstash與Elasticsearch負載壓力。
第一種部署架構由于資源占用問題，現已很少使用，目前使用最多的是第二種部署架構，至于第三種部署架構個人覺得沒有必要引入消息隊列，除非有其他需求，因為在資料量較大的情況下，Filebeat 使用壓力敏感協定向 Logstash 或 Elasticsearch 發送資料。如果 Logstash 正在繁忙地處理資料，它會告知 Filebeat 減慢讀取速度。擁塞解決後，Filebeat 将恢複初始速度并繼續發送資料。
問題：如何實作日志的多行合并功能？
系統應用中的日志一般都是以特定格式進行列印的，屬于同一條日志的資料可能分多行進行列印，那麼在使用ELK收集日志的時候就需要将屬于同一條日志的多行資料進行合并。
解決方案：使用Filebeat或Logstash中的multiline多行合并插件來實作
在使用multiline多行合并插件的時候需要注意，不同的ELK部署架構可能multiline的使用方式也不同，如果是本文的第一種部署架構，那麼multiline需要在Logstash中配置使用，如果是第二種部署架構，那麼multiline需要在Filebeat中配置使用，無需再在Logstash中配置multiline。
1、multiline在Filebeat中的配置方式：
pattern：正規表達式 negate：預設為false，表示比對pattern的行合并到上一行；true表示不比對pattern的行合并到上一行 match：after表示合并到上一行的末尾，before表示合并到上一行的行首
如：
該配置表示将不比對pattern模式的行合并到上一行的末尾
2、multiline在Logstash中的配置方式
（1）Logstash中配置的what屬性值為previous，相當于Filebeat中的after，Logstash中配置的what屬性值為next，相當于Filebeat中的before。 （2）pattern => "%{LOGLEVEL}\s*\]" 中的LOGLEVEL是Logstash預制的正則比對模式，預制的還有好多常用的正則比對模式，詳細請看：https://github.com/logstash-plugins/logstash-patterns-core/tree/master/patterns
問題：如何将Kibana中顯示日志的時間字段替換為日志資訊中的時間？
預設情況下，我們在Kibana中檢視的時間字段與日志資訊中的時間不一緻，因為預設的時間字段值是日志收集時的目前時間，是以需要将該字段的時間替換為日志資訊中的時間。
解決方案：使用grok分詞插件與date時間格式化插件來實作
在Logstash的配置檔案的過濾器中配置grok分詞插件與date時間格式化插件，如：
如要比對的日志格式為：“[DEBUG][20170811 10:07:31,359][DefaultBeanDefinitionDocumentReader:106] Loading bean definitions”，解析出該日志的時間字段的方式有：
① 通過引入寫好的表達式檔案，如表達式檔案為customer_patterns，内容為：
CUSTOMER_TIME %{YEAR}%{MONTHNUM}%{MONTHDAY}\s+%{TIME}
注：内容格式為：[自定義表達式名稱] [正規表達式]
然後logstash中就可以這樣引用：
② 以配置項的方式，規則為：(?
問題：如何在Kibana中通過選擇不同的系統日志子產品來檢視資料
一般在Kibana中顯示的日志資料混合了來自不同系統子產品的資料，那麼如何來選擇或者過濾隻檢視指定的系統子產品的日志資料？
解決方案：新增辨別不同系統子產品的字段或根據不同系統子產品建ES索引
1、新增辨別不同系統子產品的字段，然後在Kibana中可以根據該字段來過濾查詢不同子產品的資料
這裡以第二種部署架構講解，在Filebeat中的配置内容為：
通過新增：log_from字段來辨別不同的系統子產品日志
2、根據不同的系統子產品配置對應的ES索引，然後在Kibana中建立對應的索引模式比對，即可在頁面通過索引模式下拉框選擇不同的系統子產品資料。
這裡以第二種部署架構講解，分為兩步：
① 在Filebeat中的配置内容為：
在output中增加index屬性，%{type}表示按不同的document_type值建ES索引
本文主要介紹了ELK實時日志分析的三種部署架構，以及不同架構所能解決的問題，這三種架構中第二種部署方式是時下最流行也是最常用的部署方式，最後介紹了ELK作在日志分析中的一些問題與解決方案，說在最後，ELK不僅僅可以用來作為分布式日志資料集中式查詢和管理，還可以用來作為項目應用以及伺服器資源監控等場景。
本文轉自https://my.oschina.net/feinik/blog/1580625