最近，在对公司容器云的日志方案进行设计的时候，发现主流的elk或者efk比较重，再加上现阶段对于es复杂的搜索功能很多都用不上最终选择了grafana开源的loki日志系统，下面介绍下loki的背景。
背景和动机
当我们的容器云运行的应用或者某个节点出现问题了，解决思路应该如下：
我们的监控使用的是基于prometheus体系进行改造的，prometheus中比较重要的是metric和alert，metric是来说明当前或者历史达到了某个值，alert设置metric达到某个特定的基数触发了告警，但是这些信息明显是不够的。我们都知道，kubernetes的基本单位是pod，pod把日志输出到stdout和stderr，平时有什么问题我们通常在界面或者通过命令查看相关的日志，举个例子：当我们的某个pod的内存变得很大，触发了我们的alert，这个时候管理员，去页面查询确认是哪个pod有问题，然后要确认pod内存变大的原因，我们还需要去查询pod的日志，如果没有日志系统，那么我们就需要到页面或者使用命令进行查询了：
如果，这个时候应用突然挂了，这个时候我们就无法查到相关的日志了，所以需要引入日志系统，统一收集日志，而使用elk的话，就需要在kibana和grafana之间切换，影响用户体验。所以 ，loki的第一目的就是最小化度量和日志的切换成本，有助于减少异常事件的响应时间和提高用户的体验。
elk存在的问题
现有的很多日志采集的方案都是采用全文检索对日志进行索引（如elk方案），优点是功能丰富，允许复杂的操作。但是，这些方案往往规模复杂，资源占用高，操作苦难。很多功能往往用不上，大多数查询只关注一定时间范围和一些简单的参数（如host、service等），使用这些解决方案就有点杀鸡用牛刀的感觉了。
因此，loki的第二个目的是，在查询语言的易操作性和复杂性之间可以达到一个权衡。
成本
全文检索的方案也带来成本问题，简单的说就是全文搜索（如es）的倒排索引的切分和共享的成本较高。后来出现了其他不同的设计方案如：oklog，采用最终一致的、基于网格的分布策略。这两个设计决策提供了大量的成本降低和非常简单的操作，但是查询不够方便。因此，loki的第三个目的是，提高一个更具成本效益的解决方案。
架构
整体架构
loki的架构如下：
不难看出，loki的架构非常简单，使用了和prometheus一样的标签来作为索引，也就是说，你通过这些标签既可以查询日志的内容也可以查询到监控的数据，不但减少了两种查询之间的切换成本，也极大地降低了日志索引的存储。loki将使用与prometheus相同的服务发现和标签重新标记库，编写了pormtail，在kubernetes中promtail以daemonset方式运行在每个节点中，通过kubernetes api等到日志的正确元数据，并将它们发送到loki。下面是日志的存储架构：
读写
日志数据的写主要依托的是distributor和ingester两个组件，整体的流程如下：
distributor
一旦promtail收集日志并将其发送给loki，distributor就是第一个接收日志的组件。由于日志的写入量可能很大，所以不能在它们传入时将它们写入数据库。这会毁掉数据库。我们需要批处理和压缩数据。
loki通过构建压缩数据块来实现这一点，方法是在日志进入时对其进行gzip操作，组件ingester是一个有状态的组件，负责构建和刷新chunck，当chunk达到一定的数量或者时间后，刷新到存储中去。每个流的日志对应一个ingester，当日志到达distributor后，根据元数据和hash算法计算出应该到哪个ingester上面。
此外，为了冗余和弹性，我们将其复制n（默认情况下为3）次。
ingester
ingester接收到日志并开始构建chunk：
基本上就是将日志进行压缩并附加到chunk上面。一旦chunk“填满”（数据达到一定数量或者过了一定期限），ingester将其刷新到数据库。我们对块和索引使用单独的数据库，因为它们存储的数据类型不同。
刷新一个chunk之后，ingester然后创建一个新的空chunk并将新条目添加到该chunk中。
querier
读取就非常简单了，由querier负责给定一个时间范围和标签选择器，querier查看索引以确定哪些块匹配，并通过greps将结果显示出来。它还从ingester获取尚未刷新的最新数据。
对于每个查询，一个查询器将为您显示所有相关日志。实现了查询并行化，提供分布式grep，使即使是大型查询也是足够的。
可扩展性
loki的索引存储可以是cassandra/bigtable/dynamodb，而chuncks可以是各种对象存储，querier和distributor都是无状态的组件。对于ingester他虽然是有状态的但是，当新的节点加入或者减少，整节点间的chunk会重新分配，已适应新的散列环。而loki底层存储的实现cortex已经 在实际的生产中投入使用多年了。有了这句话，我可以放心的在环境中实验一把了。
部署
loki的安装非常简单。
创建namespace
权限设置
安装loki
安装命令：
statefulset.json如下：
安装promtail
configmap.json如下：
daemonset.json如下：
安装服务
service.json的内容如下：
语法
loki提供了http接口，我们这里就不详解了，大家可以看：https://github.com/grafana/loki/blob/master/docs/api.md
我们这里说下查询的接口如何使用。
第一步，获取当前loki的元数据类型：
第二步，获取某个元数据类型的值：
第三步，根据label进行查询，例如：
参数解析：
query：一种查询语法详细见下面章节，{name=~“mysql.+”} or {namespace=“cicd”} |= "error"表示查询，namespace为ci/cd的日志中，有error字样的信息。
limit：返回日志的数量
start：开始时间，unix时间表示方法 默认为，一小时前时间
end：结束时间，默认为当前时间
direction：forward或者backward，指定limit时候有用，默认为 backward
regexp：对结果进行regex过滤
logql语法
选择器
对于查询表达式的标签部分，将放在{}中，多个标签表达式用逗号分隔：
支持的符号有：
=：完全相同。
!=：不平等。
=~：正则表达式匹配。
!~：不要正则表达式匹配。
过滤表达式
编写日志流选择器后，您可以通过编写搜索表达式进一步过滤结果。搜索表达式可以文本或正则表达式。
如：
{job=“mysql”} |= “error”
{name=“kafka”} |~ “tsdb-ops.*io:2003”
{instance=~“kafka-[23]”,name=“kafka”} != kafka.server:type=replicamanager
支持多个过滤：
{job=“mysql”} |= “error” != “timeout”
目前支持的操作符：
|= line包含字符串。
!= line不包含字符串。
|~ line匹配正则表达式。
!~ line与正则表达式不匹配。
表达式遵循https://github.com/google/re2/wiki/syntax语法。