潍坊知名网站建设,模板设计建站,优化后的网站,精准网络营销推广摘要#xff1a;今天#xff0c;日志服务再次升级Kubernetes#xff08;k8s#xff09;的日志解决方案。1分钟内即可完成整个集群部署#xff0c;支持动态扩容#xff0c;提供采集宿主机日志、容器日志、容器stdout等所有数据源的一站式采集。点此查看原文#xff1a;ht…摘要 今天日志服务再次升级Kubernetesk8s的日志解决方案。1分钟内即可完成整个集群部署支持动态扩容提供采集宿主机日志、容器日志、容器stdout等所有数据源的一站式采集。点此查看原文 http://click.aliyun.com/m/42852/背景众所周知Docker很火Docker中Kubernetes简称k8s最火。相对物理机、VMDocker提供了更加简单、轻量、高性价比的部署与运维方法而k8s在Docker之上更进一步提供了对管理基础设施的抽象形成了真正意义上的一站式部署与运维方案。k8s提供了强有力工作调度、水平扩展、健康监测、维护高可用性等能力同时提供了网络、文件系统的抽象与管理所以对于已有应用上k8s或者基于k8s部署应用十分便捷。但这里有一部分令开发和运维人员比较头疼--日志采集。难点分析基于VM或者物理机部署的应用日志采集相关技术都比较完善有比较健全的Logstash、Fluentd、FileBeats等。但在Docker中尤其在k8s中日志采集并没有很好的解决方案主要原因如下采集目标多需要采集宿主机日志、容器内日志、容器stdout。针对每种数据源都有对应的采集软件但缺乏一站式解决方案。弹性伸缩难k8s是一个分布式的集群服务、环境的弹性伸缩对于日志采集带来了很大的困难采集的动态性以及数据完整性是非常大的挑战。运维成本大现有的方案只能使用多种软件组合采集各个软件组装起来的系统稳定性难以保障且缺乏中心化的管理、配置、监控手段运维负担巨大。侵入性高Docker Driver扩展需要修改底层引擎一个Container对应一个采集Agent又会产生资源竞争和浪费。采集性能低正常情况下一个Docker Engine会运行数十个甚至数百个Container此时开源Agent日志采集性能以及资源消耗十分堪忧。基于阿里巴巴多年来容器服务日志采集的经验积累并结合阿里云Kubernetes内测以来广大用户的反馈与诉求今天日志服务为k8s带来真正意义上的一站式日志解决方案。方案介绍方案简介如上图所示我们只需要在Kubernetes集群中的每个节点上部署一个Logtail的容器即可实现该节点上宿主机日志、容器日志、容器stdout等所有数据源的一站式采集。我们针对k8s提供了DaemonSet部署模板1分钟内即可完成整个集群部署并且后续集群动态伸缩无需对采集做任何二次部署。具体请参见使用方式章节。日志服务客户端Logtail目前已有百万级部署每天采集上万应用、数PB的数据历经多次双11、双12考验。相关技术分享可以参见文章多租户隔离技术双十一实战效果Polling Inotify 组合下的日志保序采集方案。依托阿里云日志服务强大的功能对于采集到的日志数据我们提供上下文查询从茫茫数据中快速定位异常数据并支持定位异常所在Container/Pod的上下文日志实时的海量数据分析1秒即可完成1亿条数据的统计分析自带报表、告警功能老板、开发、运维全搞定流计算对接storm、flink、blink、spark streaming等等都支持外接可视化Grafana、DataV轻松对接日志归档投递支持投递OSS归档存储也支持投递MaxCompute进行离线分析采集方案优势关于日志服务整体的优势这里不再赘述本文主要探讨日志服务Kubernetes采集方案的相关优势。这里我们主要总结了以下几点方案对比相对Logstash、Fluentd主流日志采集方式对比如下logtaillogstashfluentd采集方式宿主机文件支持支持支持 container文件支持自动发现静态采集静态采集 container stdout支持自动发现插件扩展Docker driver数据处理处理方式正则、anchor、分隔符、json任意组合插件扩展插件扩展 自动打标支持不支持k8s不支持k8s 过滤正则插件扩展插件扩展配置自动更新支持手动加载支持 服务端配置支持Beta版本支持简单功能辅助管理软件扩展性能采集性能极简单核160M/s、正则20M/s单核2M/s左右单核3-5M/s 资源消耗平均CPU 2%、内存 40M10倍以上性能消耗10倍以上性能消耗可靠性数据保存支持插件支持插件支持 采集点位保存所有均支持只支持文件插件支持监控本地监控支持支持支持 服务端监控支持Beta版本支持简单功能辅助监控软件扩展使用方式部署k8s的日志采集只需分为3个步骤1分钟内即可完成集群部署详细帮助文档参见[k8s采集帮助]()这可能是你见过的最简单的k8s日志采集部署方案部署Logtail的DaemonSet。体力消耗一条wget名vi 修改3个参数执行一条kubectl命令日志服务控制台创建自定义标识机器组(后续集群动态伸缩无需额外操作)。体力消耗web控制台点击几次输入一个ID日志服务控制台创建采集配置(所有采集均为服务端配置无需本地运维)。体力消耗stdout采集 web控制台点击几次文件采集 web控制台点击几次输入2个path
除k8s外日志服务还支持标准docker部署方式核心技术简介自定义标识机器组日志采集支持k8s弹性伸缩的关键就是Logtail的自定义标识机器组。通常采集Agent远程管理的方案都以IP或者hostname作为标识此方案在集群规模较小以及环境变化性不强的情况下较为适用当机器规模扩大、弹性伸缩成为常态时运维成本承指数级升高。基于集团内数年来的Agent运维经验总结我们设计了一种灵活性更高、使用更加便捷、耦合度更低的配置机器管理方式机器组除支持静态ip设置外也支持自定义标识的方式所有Logtail只要定义了该标识则自动关联到对应的机器组。一个Logtail可属于多个机器组一个机器组可包含多个Logtail实现Logtail与机器组的解耦。一个采集配置可应用到多个机器组一个机器组可关联多个采集配置实现机器组与采集配置的解耦。以上概念映射到k8s中可实现各种灵活的配置一个k8s集群对应一个自定义标识的机器组。同一集群的Logtail使用相同配置k8s集群伸缩时对应Logtail的DaemonSet自动伸缩Logtail启动后立即就会获取和该机器组关联的所有配置。一个k8s集群中配置多种不同采集配置。根据不同Pod需求设置对应的采集配置所有涉及容器采集的配置均支持IncludeLabel、ExcluseLabel过滤同一配置可应用到多个k8s集群。如果您有多个的k8s集群若其中有部分服务日志采集逻辑相同您可以将同一配置应用到多个集群无需额外配置。容器自动发现Logtail和很多软件Logspout、MetricBeats、Telegraf等一样内置了容器的自动发现机制。当前开源的容器自动发现均采用一次扫描事件监听的方式即初次运行时获取当前所有的容器信息后续监听docker engine的事件信息增量更新信息。此种方式效率相对最高但有一定概率遗漏部分信息获取所有容器信息到docker engine事件监听建立期间的这部分的增量信息会丢失事件监听可能会因为某些异常情况而终止终止后到监听重新建立期间的增量信息会丢失考虑以上问题Logtail采用了事件监听与定期全量扫描的方式实现容器的自动发现首先注册监听事件其次再全量扫描每隔一段时间执行一次全量扫描全量更新meta信息时间间隔高到对docker engine压力无影响容器文件自动渲染容器日志采集只需要配置容器内的文件路径并且支持各种采集模式极简、Nginx模板、正则、分隔符、JSON等。相对传统的绝对路径采集容器内日志采集动态性极强为此我们专门实现了一套容器路径的自动匹配与配置渲染方案Logtail会根据配置的容器路径查找容器对应路径在宿主机上的映射关系根据宿主机路径以及容器的元数据信息container name、pod、namespace...渲染出正常的采集配置Logtail文件采集模块加载渲染的配置并采集数据当容器销毁时删除相应渲染的配置可靠性保证日志采集中的可靠性保证是非常重要也非常困难的工作。在Logtail的设计中进程退出、异常终止、程序升级被认为是常态在这些情况发生时Logtail需尽可能保证数据的可靠性。针对容器数据采集的动态特点Logtail在之前可靠性保证的基础上新增了容器标准输出以及容器文件的checkpoint维护机制容器标准输出checkpoint管理容器stdout和stderr的checkpoint独立保存checkpoint保存策略定期dump所有容器当前的checkpoint配置更新/进程退出时强制保存配置加载时默认从checkpoint处开始采集若无checkpoint则从5秒前采集考虑到配置删除时并不会删除checkpoint后台定期清除无效checkpoint容器文件checkpoint管理除文件采集的checkpoint需保存外还需保存容器meta的映射关系checkpoint加载前需提前加载容器与文件之间的映射关系考虑到停止期间无法感知容器状态变化所以每次启动时会渲染所有当前的配置。Logtail保证多次加载同一容器配置的幂等性。总结阿里云日志服务提供的解决方案完美地解决了k8s上日志采集难的问题从之前需要多个软件、几十个部署流程精简到1款软件、3个操作即可轻松上云让广大用户真正体验到一个字爽从此日志运维人员的生活质量大大提高。扫码获取更多资讯
