一、问题：

ELK日志系统延时严重，redis经常是内存使用率100%

二、分析：

整套ELK系统肯定是经受得住考验的。整体架构： filebeat –> redis –> logstash –> es –> kibana

之前对elasticsearch启动内存调优过，及其它各部件都进行了调整，最终发现应该是logstash吞吐率问题

三、解决：

将如下参数通过环境变量的方式注入到k8s集群中，如其它参数需要优化，可新增

pipeline.workers: 4

pipeline.batch.size: 3000

四、其它相应配置可选：

logstash.yml配置文件的相关参数:

pipeline.workers: 4 #一般配置为cpu核数，根据服务器实际情况

pipeline.output.workers: 4

pipeline.batch.size: 10000

pipeline.batch.delay: 10

logstash.yml配置文件

elk

五、参考资料：

1. 性能分析

服务器硬件Linux：1cpu4GRAM
假设每条日志250Byte。
分析：

①logstash-Linux：1cpu 4GRAM

每秒500条日志；
去掉ruby每秒660条日志；
去掉grok后每秒1000条数据。
②filebeat-Linux：1cpu 4GRAM

每秒2500-3500条数据；
每天每台机器可处理：
24h60min60sec* 3000*250Byte=64,800,000,000Bytes，约64G。
③瓶颈在logstash从Redis中取数据存入ES，开启一个logstash，每秒约处理6000条数据；开启两个logstash，每秒约处理10000条数据（cpu已基本跑满）；

④logstash的启动过程占用大量系统资源，因为脚本中要检查java、ruby以及其他环境变量，启动后资源占用会恢复到正常状态。

2、关于收集日志的选择：logstash/filter

没有原则要求使用filebeat或logstash，两者作为shipper的功能是一样的。区别在于：

logstash由于集成了众多插件，如grok、ruby，所以相比beat是重量级的；
logstash启动后占用资源更多，如果硬件资源足够则无需考虑二者差异；
logstash基于JVM，支持跨平台；而beat使用golang编写，AIX不支持；
AIX 64bit平台上需要安装jdk（jre） 1.7 32bit，64bit的不支持；
filebeat可以直接输入到ES，但是系统中存在logstash直接输入到ES的情况，这将造成不同的索引类型造成检索复杂，最好统一输入到els 的源。
总结：logstash/filter总之各有千秋，但是我推荐选择：在每个需要收集的日志服务器上配置filebeat，因为轻量级，用于收集日志；再统一输出给logstash，做对日志的处理；最后统一由logstash输出给es。

3、logstash的优化相关配置

可以优化的参数，可根据自己的硬件进行优化配置：

①pipeline线程数，官方建议是等于CPU内核数

默认配置 —> pipeline.workers: 2；
可优化为 —> pipeline.workers: CPU内核数（或几倍CPU内核数）。
②实际output时的线程数

默认配置 —> pipeline.output.workers: 1；
可优化为 —> pipeline.output.workers: 不超过pipeline线程数。
③每次发送的事件数

默认配置 —> pipeline.batch.size: 125；
可优化为 —> pipeline.batch.size: 1000。
④发送延时

默认配置 —> pipeline.batch.delay: 5；
可优化为 —> pipeline.batch.size: 10。
总结：

通过设置-w参数指定pipeline worker数量，也可直接修改配置文件logstash.yml。这会提高filter和output的线程数，如果需要的话，将其设置为cpu核心数的几倍是安全的，线程在I/O上是空闲的。
默认每个输出在一个pipeline worker线程上活动，可以在输出output中设置workers设置，不要将该值设置大于pipeline worker数。
还可以设置输出的batch_size数，例如ES输出与batch size一致。
filter设置multiline后，pipline worker会自动将为1，如果使用filebeat，建议在beat中就使用multiline，如果使用logstash作为shipper，建议在input中设置multiline，不要在filter中设置multiline。
Logstash中的JVM配置文件：

Logstash是一个基于Java开发的程序，需要运行在JVM中，可以通过配置jvm.options来针对JVM进行设定。比如内存的最大最小、垃圾清理机制等等。JVM的内存分配不能太大不能太小，太大会拖慢操作系统。太小导致无法启动。默认如下：

Xms256m#最小使用内存；
Xmx1g#最大使用内存。

4、引入Redis的相关问题

filebeat可以直接输入到logstash（indexer），但logstash没有存储功能，如果需要重启需要先停所有连入的beat，再停logstash，造成运维麻烦；另外如果logstash发生异常则会丢失数据；引入Redis作为数据缓冲池，当logstash异常停止后可以从Redis的客户端看到数据缓存在Redis中；

Redis可以使用list(最长支持4,294,967,295条)或发布订阅存储模式；

Redis做ELK缓冲队列的优化：

bind 0.0.0.0 #不要监听本地端口；
requirepass ilinux.io #加密码，为了安全运行；
只做队列，没必要持久存储，把所有持久化功能关掉：
快照（RDB文件）和追加式文件（AOF文件），性能更好；
save “” 禁用快照；
appendonly no 关闭RDB。
把内存的淘汰策略关掉，把内存空间最大
maxmemory 0 #maxmemory为0的时候表示我们对Redis的内存使用没有限制。

5、Elasticsearch节点优化配置

服务器硬件配置，OS参数：

1）/etc/sysctl.conf 配置

1
2
3
4
5
6
# vim /etc/sysctl.conf 
vm.swappiness = 1   #ES 推荐将此参数设置为 1，大幅降低 swap 分区的大小，强制最大程度的使用内存，注意，这里不要设置为 0, 这会很可能会造成 OOM 
net.core.soma   xconn = 65535     #定义了每个端口最大的监听队列的长度 
vm.max_map_count= 262144    #限制一个进程可以拥有的VMA(虚拟内存区域)的数量。虚拟内存区域是一个连续的虚拟地址空间区域。当VMA 的数量超过这个值，OOM 
fs.file-max = 518144    #设置 Linux 内核分配的文件句柄的最大数量 
# sysctl -p    #生效一下

2）limits.conf 配置

1
2
3
4
5
# vim /etc/security/limits.conf elasticsearch    
soft    nofile          65535 
elasticsearch    hard    nofile          65535 
elasticsearch    soft    memlock         unlimited 
elasticsearch    hard    memlock         unlimited

3）为了使以上参数永久生效，还要设置两个地方：

1
2
# vim /etc/pam.d/common-session-noninteractive
# vim /etc/pam.d/common-session

添加如下属性：
session required pam_limits.so
可能需重启后生效。

Elasticsearch中的JVM配置文件：

-Xms2g -Xmx2g
将最小堆大小（Xms）和最大堆大小（Xmx）设置为彼此相等。
Elasticsearch可用的堆越多，可用于缓存的内存就越多。但请注意，太多的堆可能会使您长时间垃圾收集暂停。
设置Xmx为不超过物理RAM的50％，以确保有足够的物理内存留给内核文件系统缓存。
不要设置Xmx为JVM用于压缩对象指针的临界值以上；确切的截止值有所不同，但接近32 GB。不要超过32G，如果空间大，多跑几个实例，不要让一个实例太大内存。
Elasticsearch配置文件优化参数
1）主配置文件

1
2
3
4
5
6
7
8
9
10
11
# vim elasticsearch.yml bootstrap.memory_lock: true  #锁住内存，不使用swap #缓存、线程等优化如下 
bootstrap.mlockall: true 
transport.tcp.compress: true 
indices.fielddata.cache.size: 40% 
indices.cache.filter.size: 30% 
indices.cache.filter.terms.size: 1024mb 
threadpool:     
search:
type: cached
size: 100         
queue_size: 2000

2）设置环境变量

1
2
# vim /etc/profile.d/elasticsearch.sh  
export ES_HE AP _SIZE=2g #Heap Size不超过物理内存的一半，且小于32G。

集群的优化（我未使用集群）：

ES是分布式存储，当设置同样的cluster.name后会自动发现并加入集群；
集群会自动选举一个master，当master宕机后重新选举；
为防止”脑裂”，集群中个数最好为奇数个；
为有效管理节点，可关闭广播discovery. zen.ping.multicast.enabled: false，并设置单播节点组discovery.zen.ping.unicast.hosts: [“ip1”, “ip2”, “ip3”]。

6、性能的检查

检查输入和输出的性能：Logstash和其连接的服务运行速度一致，它可以和输入、输出的速度一样快。

检查系统参数：

1）CPU
注意CPU是否过载。在Linux/Unix系统中可以使用top-H查看进程参数以及总计。
如果CPU使用过高，直接跳到检查JVM堆的章节并检查Logstash worker设置。
2）Memory
注意Logstash是运行在Java虚拟机中的，所以它只会用到你分配给它的最大内存。
检查其他应用使用大量内存的情况，这将造成Logstash使用硬盘swap，这种情况会在应用占用内存超出物理内存范围时。
3）I/O监控磁盘I/O检查磁盘饱和度
使用Logstash plugin（例如使用文件输出）磁盘会发生饱和。
当发生大量错误，Logstash生成大量错误日志时磁盘也会发生饱和。
在Linux中，可使用iostat，dstat或者其他命令监控磁盘I/O。
4）监控网络I/O
当使用大量网络操作的input、output时，会导致网络饱和。
在Linux中可使用dstat或iftop监控网络情况。
检查JVM heap：

heap设置太小会导致CPU使用率过高，这是因为JVM的垃圾回收机制导致的。
一个快速检查该设置的方法是将heap设置为两倍大小然后检测性能改进。不要将heap设置超过物理内存大小，保留至少1G内存给操作系统和其他进程。
你可以使用类似jmap命令行或VisualVM更加精确的计算JVM heap。