使用 k8s 搭建 elk

ELK 到底是什么呢？ELK 是三个开源项目的首字母缩写，这三个项目分别是：Elasticsearch、Logstash 和 Kibana。Elasticsearch 是一个搜索和分析引擎。Logstash 是服务器端数据处理管道，能够同时从多个来源采集数据，转换数据，然后将数据发送到诸如 Elasticsearch 等“存储库”中。Kibana 则可以让用户在 Elasticsearch 中使用图形和图表对数据进行可视化。

但是在实际的使用过程中我们还会引入一个新的组件，Filebeat 它是 logstash 的轻量级 Golang 语言版本。

在这里我们明确一下分工

Filebeat : 从每个节点上收集日志
Logstash ：对收集到的日志进行处理分析,然后输出到 Elasticsearch
Elasticsearch ：提供日志的存储和搜索功能
Kibana ：提供对于 Elasticsearch 的可视化界面与可视化操作

ps : 本文所使用的 docker 镜像是似有仓库的镜像，自己可以使用官方镜像或者其他。

Filebeat

Filebeat 是用于转发和集中日志数据的轻量级传送程序。使用 Golang 语言开发,作为服务器上的代理安装，Filebeat 监视您指定的日志文件或位置，收集日志事件，并将它们转发到 Elasticsearch 或 Logstatsh 进行索引。

在 k8s 集群中,由于不知道应用服务会被调度到哪个节点上，或者说服务挂掉后被 k8s 的 scheduler 又分配到其他节点上，所以我们会使用 DaemonSet 来对每个节点上都起一个 filebeat 服务

首先我们先准备两个 yaml 文件 cm.yaml,ds,yaml

cm.yaml

这是使用 configmap 来维护 filebeat 的配置文件,在 k8s 中如果需要使用配置文件,我们都回采取 configmap 的方式来挂载配置文件。关于配置文件的内容可根据自己的业务情况进行调整，具体的字段配置详情请参考官方文档配置参考

apiVersion: v1
kind: ConfigMap
metadata:
  name: filebeat-config   #声明此config的名字
  namespace: sky
  labels:
    k8s-app: filebeat
    kubernetes.io/cluster-service: "true"
    app: filebeat-config
data:
  filebeat.yml: |
    processors:
      ####
      - add_host_metadata:
      ####
      - add_cloud_metadata:
    ####
    setup.template.settings:
      index.number_of_shards: 3
    setup.kibana:
      host: "kb-single-svc:5601"
    ####
    filebeat.modules:
    - module: system
      syslog:
        enabled: true
      auth:
        enabled: true
    filebeat.inputs:
    - type: log
      paths:
        - /var/log/workflow/*.log
      multiline.pattern: '^[0-9]{4}-[0-9]{2}-[0-9]{2}'
      multiline.negate: true
      multiline.match: after
      fields:
        log_source: workflow
    - type: log
      paths:
        - /var/log/eventti/*.log
      multiline.pattern: '^[0-9]{4}\/[0-9]{2}\/[0-9]{2}'
      multiline.negate: true
      multiline.match: after
      fields:
        log_source: eventti
    - type: log
      paths:
        - /var/log/gway/*.log
      multiline.pattern: '^[0-9]{4}\/[0-9]{2}\/[0-9]{2}'
      multiline.negate: true
      multiline.match: after
      fields:
        log_source: gway
    output.logstash:
      hosts: ['logstash:5045']
    logging.level: info

ds.yaml

然后我们使用 DaemonSet 来启动 filebeat 的 pod

DaemonSet 确保全部（或者一些）Node 上运行一个 Pod 的副本。当有 Node 加入集群时，也会为他们新增一
个 Pod 。当有 Node 从集群移除时，这些 Pod 也会被回收。删除 DaemonSet 将会删除它创建的所有 Pod

挂载好需要的日志文件和配置文件

apiVersion: extensions/v1beta1
kind: DaemonSet
metadata:
  name: filebeat
  namespace: sky
  labels:
    k8s-app: filebeat
    kubernetes.io/cluster-service: "true"
spec:
  template:
    metadata:
      name: filebeat
      labels:
        app: filebeat
        k8s-app: filebeat
        kubernetes.io/cluster-service: "true"
    spec:
      containers:
      - image: hub.sky-cloud.net/k8s/filebeat:7.6.2
        name: filebeat
        args: [
          "-c", "/home/filebeat-config/filebeat.yml",
          "-e",
        ]
        securityContext:
          runAsUser: 0
        volumeMounts:
        - name: workflow
          mountPath: /var/log/workflow
        - name: eventti
          mountPath: /var/log/eventti
        - name: gway
          mountPath: /var/log/gway
        - name: log
          mountPath: /var/log/kong-mapping
        - name: "filebeat-volume"
          mountPath: "/home/filebeat-config"
      volumes:
      - name: workflow
        hostPath:
          path: /srv/sky/workflow/log
      - name: eventti
        hostPath:
          path: /srv/sky/eventti/log
      - name: gway
        hostPath:
          path: /srv/sky/gway/log
      - name: log
        hostPath:
          path: /srv/sky/kong-mapping/log
      - name: filebeat-volume
        configMap:
          name: filebeat-config

启动

kubectl create -f .

查看启动情况

Logstash

logstash 是一个数据分析软件，主要目的是分析 log 日志。日志经过采集后，就会输入到 logstash，由 logstash 进行加工过滤分析，再输入到 ES 中。这样，ES 索引中的文档就会获取到所需的字段

logstash 的配置分为

input
filter
output

Input

input 模块主要用户收集数据。

文件

input{
        file{
            #path属性接受的参数是一个数组，其含义是标明需要读取的文件位置
            path => ['pathA'，'pathB']
            #表示多久去path路径下查看是够有新的文件产生。默认是15秒检查一次。
            discover_interval => 15
            #排除那些文件，也就是不去读取那些文件
            exclude => ['fileName1','fileName2']
            #被监听的文件多久没更新后断开连接不在监听，默认是一个小时。
            close_older => 3600
            #在每次检查文件列 表的时候， 如果一个文件的最后 修改时间 超过这个值， 就忽略这个文件。 默认一天。
            ignore_older => 86400
            #logstash 每隔多 久检查一次被监听文件状态（ 是否有更新） ， 默认是 1 秒。
            stat_interval => 1
            #sincedb记录数据上一次的读取位置的一个index
            sincedb_path => '$HOME/. sincedb'
            #logstash 从什么 位置开始读取文件数据， 默认是结束位置 也可以设置为：beginning 从头开始
            start_position => 'beginning'
        }
     }

如果需要每次都从头开始读取文件的话，设置 start_position => beginning 是没有用的，你可以选择 sincedb_path 定义为 /dev/null

数据库

input{
    jdbc{
            #jdbc sql server 驱动,各个数据库都有对应的驱动，需自己下载
            jdbc_driver_library => "/etc/logstash/driver.d/sqljdbc_2.0/enu/sqljdbc4.jar"
            #jdbc class 不同数据库有不同的 class 配置
        jdbc_driver_class => "com.microsoft.sqlserver.jdbc.SQLServerDriver"
            #配置数据库连接 ip 和端口，以及数据库
            jdbc_connection_string => "jdbc:sqlserver://200.200.0.18:1433;databaseName=test_db"
            #配置数据库用户名
            jdbc_user =>
            #配置数据库密码
            jdbc_password =>
            # 定时器 多久执行一次SQL，默认是一分钟
            # schedule => 分 时 天 月 年
            # schedule => * 22  *  *  * 表示每天22点执行一次
            schedule => "* * * * *"
            #是否清除 last_run_metadata_path 的记录,如果为真那么每次都相当于从头开始查询所有的数据库记录
            clean_run => false
            #是否需要记录某个column 的值,如果 record_last_run 为真,可以自定义我们需要表的字段名称，
            #此时该参数就要为 true. 否则默认 track 的是 timestamp 的值.
            use_column_value => true
            #如果 use_column_value 为真,需配置此参数. 这个参数就是数据库给出的一个字段名称。当然该字段必须是递增的，可以是 数据库的数据时间这类的
            tracking_column => create_time
            #是否记录上次执行结果, 如果为真,将会把上次执行到的 tracking_column 字段的值记录下来,保存到 last_run_metadata_path 指定的文件中
            record_last_run => true
            #只需要在 SQL 语句中 WHERE MY_ID > :last_sql_value 即可. 其中 :last_sql_value 取得就是该文件中的值
            last_run_metadata_path => "/etc/logstash/run_metadata.d/my_info"
            #是否将字段名称转小写。
            #这里有个小的提示，如果你这前就处理过一次数据，并且在Kibana中有对应的搜索需求的话，还是改为true，
            #因为默认是true，并且Kibana是大小写区分的。准确的说应该是ES大小写区分
            lowercase_column_names => false
            #你的SQL的位置，当然，你的SQL也可以直接写在这里。
            #statement => SELECT * FROM tabeName t WHERE  t.creat_time > :last_sql_value
            statement_filepath => "/etc/logstash/statement_file.d/my_info.sql"
            #ES数据类型
            type => "my_info"
            }
    }
}

外载的 SQL 文件就是一个文本文件就可以了，还有需要注意的是，一个 jdbc{}插件就只能处理一个 SQL 语句，如果你有多个 SQL 需要处理的话，只能在重新建立一个 jdbc{}插件。

通过 filebeat 收集

input {
    beats {
        #接受数据端口
        port => 5044
        #数据类型
        type => "logs"
        }
    }

tcp,通常一些日志通过 tcp 连接暴露

input {
      tcp {
            port => "5044"
            codec => "json"
            add_field => ["log_channel", "kong"]
        }
    }

Filter

filter 是过滤器，会对收集到的数据进行处理。elastic 官方还提供了许多插件，可以协助数据处理

filter 是 logstash 最复杂的一个模块，这里只做简述

grok 可以匹配一切数据
Geoip 获取 IP 对应的地理位置
json 对于 json 格式的 log，可以通过 codec 的 json 编码进行解析
split logstash 同样支持将一行数据变成多个事件,它提供了 split 插件，用来把一行数据拆分成多个事件
mutate logstash 支持在 filter 中对事件中的数据进行修改
date 用于处理时间

以下是一个分析 eventti 日志的 filter

首先创建了一个模式文件，用于存取正则模式

# /usr/share/logstash/eventti/patterns
DATE1   [0-9]{4}-[0-9]{2}-[0-9]{2} [0-9]{2}:[0-9]{2}:[0-9]{2}\.[0-9]+
LEVEL   (INFO)|(DEBUG)|(ERROR)|(WARN)|(FATAL)
JAVA_SOURCE \[.*\]
JAVALOGMESSAGE (.*)
DATE2   [0-9]{4}\/[0-9]{2}\/[0-9]{2} [0-9]{2}:[0-9]{2}:[0-9]{2}
LEVEL2   (\[I\])|(\[D\])|(\[E\])|(\[W\])|(\[F\])
ID      [a-zA-Z0-9-]+
MESSAGE (.*?)
TYPE    [a-zA-Z0-9_]+
TIME1   [0-9]+
USERNAME  (.*)

然后在 logstash 配置中使用 filter 进行过滤分析

filter {
    grok {
        # 正则模式位置
        patterns_dir => ["/usr/share/logstash/eventti/patterns"]
        # 将匹配到的模式转化为字段
        match => {
            "message" => "%{DATE2:logdate} %{LEVEL2:loglevel} id:%{ID:logid} message:%{MESSAGE:logmessage}\stype:%{TYPE:logtype} timestamp:%{TIME1:logtime} user:%{USERNAME:username}"
        }
    }
    date {
        # 匹配时间转化为时间戳
        match => [ "logtime", "UNIX_MS" ]
        target => "@timestamp"
    }
    mutate {
        # 转化格式
        convert =>{"logtime" => "integer"}
    }
}

Output

output 用于将处理好的数据进行输出

文件

output{
    file{

          path => "/home/app/logbak/%{+YYYY.MM.dd}-file.txt"
          codec => line {format => "%{[collectValue]}"} # 设置根据原始数据格式保存，不会带Json格式
   }
}

output{
    elasticsearch{  
        # ES地址
        hosts=>["172.132.12.3:9200"]  
        # es要执行的动作 index, delete, create, update
        action=>"index"  
        index=>"indextemplate-logstash"  
        #document_type=>"%{@type}"  
        # 为索引提供document id ，对重写elasticsearch中相同id词目很有用
        document_id=>"ignore"  
        # 有效的filepath 设置自己的template文件路径
        template=>"/opt/logstash-conf/es-template.json"  
        template_name=>"es-template.json"  
        template_overwrite=>true   
    }
}

pipeline

Logstash 通常需要处理多个并行事件流，如果总是通过 if 进行判断则显得臃肿。

logstash 在 6.0.0 之后引入了 pipeline。用户可以在配置文件 pipelines.yml 中添加新的 pipeline 配置并指定其配置文件就可以了

cm.yaml

配置文件

kind: ConfigMap
apiVersion: v1
metadata:
  name: logstash-config
  namespace: sky
  labels:
    addonmanager.kubernetes.io/mode: Reconcile
data:
    logstash.yml: |
        http.host: "0.0.0.0"
        xpack.monitoring.elasticsearch.hosts: [ "http://es-single-nodeport:9200" ]
    pipelines.yml: |
        - pipeline.id: kong
          path.config: "/usr/share/logstash/kong/kong.conf"
        - pipeline.id: eventti
          path.config: "/usr/share/logstash/eventti/eventti.conf"
    patterns: |
        DATE1   [0-9]{4}-[0-9]{2}-[0-9]{2} [0-9]{2}:[0-9]{2}:[0-9]{2}\.[0-9]+
        LEVEL   (INFO)|(DEBUG)|(ERROR)|(WARN)|(FATAL)
        JAVA_SOURCE \[.*\]
        JAVALOGMESSAGE (.*)
        DATE2   [0-9]{4}\/[0-9]{2}\/[0-9]{2} [0-9]{2}:[0-9]{2}:[0-9]{2}
        LEVEL2   (\[I\])|(\[D\])|(\[E\])|(\[W\])|(\[F\])
        ID      [a-zA-Z0-9-]+
        MESSAGE (.*?)
        TYPE    [a-zA-Z0-9_]+
        TIME1   [0-9]+
        USERNAME  (.*)
        LEVEL3  (\[[I|D|E|W|F]\])

    eventti.conf: |
        input {
          beats {
            port => "5045"
          }
        }

        filter {
          if [fields][log_source] == "eventti" {
            grok {
              patterns_dir => ["/usr/share/logstash/eventti/patterns"]
              match => {
                "message" => "%{DATE2:logdate} %{LEVEL2:loglevel} id:%{ID:logid} message:%{MESSAGE:logmessage}\stype:%{TYPE:logtype} timestamp:%{TIME1:logtime} user:%{USERNAME:username}"
              }
            }
            date {
              match => [ "logtime", "UNIX_MS" ]
              target => "@timestamp"
            }
            mutate {
              convert =>{"logtime" => "integer"}
            }
          }
          if [fields][log_source] == "workflow" {
            grok {
              patterns_dir => ["/usr/share/logstash/eventti/patterns"]
              match => {
                "message" => "%{DATE1:time1} %{JAVA_SOURCE:source1} %{LEVEL:level1}  %{JAVALOGMESSAGE:doc}"
              }
            }
          }
          if [fields][log_source] == "gway" {
            grok {
              patterns_dir => ["/usr/share/logstash/eventti/patterns"]
              match => {
                "message" => "%{DATE2:rpcdate} %{LEVEL2:rpcloglevel}?\s%{USERNAME:consumer} Remote Procedure Call %{USERNAME:provider}"
              }
            }
          }
        }

        output {
          if [fields][log_source] == "eventti" {
            elasticsearch {
              hosts => ["http://es-single-nodeport:9200"]
              index => "eventti-%{+YYYY.MM.dd}"
            }
          }
          if [fields][log_source] == "workflow" {
            elasticsearch {
              hosts => ["http://es-single-nodeport:9200"]
              index => "workflow-%{+YYYY.MM.dd}"
            }
          }
          if [fields][log_source] == "gway" {
            elasticsearch {
              hosts => ["http://es-single-nodeport:9200"]
              index => "gway-%{+YYYY.MM.dd}"
            }
          }
        }
    kong.conf: |
        input {
          tcp {
            port => "5044"
            codec => "json"
            add_field => ["log_channel", "kong"]
          }
        }

        filter {

          if [log_channel] == "kong" {
                mutate {
                   rename =>{"[host]" => "[host][name]"}
                   convert =>{"[request][size]" => "integer"}
                   convert =>{"[response][size]" => "integer"}
                }

                ruby {
                    code => "
                    restime = event.get('[route][updated_at]')
                    reqtime = event.get('[service][created_at]')
                    duration = restime-reqtime
                    event.set('duration', duration)
                    "
                }

                if [host][name] == "kong.kong" {
                mutate {
                        add_field => {
                        "[@metadata][index_prefix]" => "kong-all-dev"
                        }
                }
                }

          }
        }

        output {
          elasticsearch {
            hosts => ["http://es-single-nodeport:9200"]
            index => "baas-kong-%{+YYYY.MM.dd}"
          }
        }

logstash.yaml

使用 deployment 控制器启动 pod，并且挂载存储和配置文件

apiVersion: apps/v1
kind: Deployment
metadata:
  name: logstash
  namespace: sky
spec:
  replicas: 1
  selector:
    matchLabels:
      app: logstash
  template:
    metadata:
      name: logstash
      labels:
        app: logstash
    spec:
      containers:
      - image: hub.sky-cloud.net/k8s/logstash:7.6.2
        name: kb
        ports:
        - name: kong
          containerPort: 5044
        - name: filebeat
          containerPort: 5045
        volumeMounts:
        - name: tz
          mountPath: /etc/localtime
        - name: config
          mountPath: /usr/share/logstash/config
        - name: kong
          mountPath: /usr/share/logstash/kong
        - name: eventti
          mountPath: /usr/share/logstash/eventti
      volumes:
      - name: tz
        hostPath:
          path: /etc/localtime
      - name: config
        configMap:
          name: logstash-config
          items:
          - key: logstash.yml
            path: logstash.yml
          - key: pipelines.yml
            path: pipelines.yml
      - name: kong
        configMap:
          name: logstash-config
          items:
          - key: kong.conf
            path: kong.conf
      - name: eventti
        configMap:
          name: logstash-config
          items:
          - key: eventti.conf
            path: eventti.conf
          - key: patterns
            path: patterns

svc.yaml

service 为我们对外暴露服务

apiVersion: v1
kind: Service
metadata:
  name: logstash
  namespace: sky
spec:
  ports:
  - name: kong
    port: 5044
    targetPort: 5044
  - name: filebeat
    port: 5045
    targetPort: 5045
  selector:
    app: logstash

Elasticsearch

ElasticSearch 分布式搜索和分析引擎。它是基于 lucene 搜索引擎开发的，拥有全文搜索、结构化搜索、分析等功能。

ES 通过简单的 restful API 来隐藏 lucene 的复杂性，来使全文搜索变得简单

核心概念

es 是面向文档的，一切都是 json

关系型数据库与 es 的对比

es 将数据存储在索引中，可以使用关系型数据库的结构来类比 ES

RDBMS ES

数据库(db) 索引(index)

表(tables) 类型(types)

行(rows) 文档(documents)

列(columns) 字段(fields)
索引
索引时一组文档的集合，当索引一篇文档时，可以通过索引 -> 类型 -> 文档 ID 找到
分片
es 把每个索引划分成多个分片，每个分片可以在集群中的不同服务器间迁移。ES 自动管理和组织分片, 并在必要的时候对分片数据进行再平衡分配。
当数据被写入分片时，它会定期发布到磁盘上的不可变的 Lucene 分段中用于查询。随着分段数量的增长，这些分段会定期合并为更大的分段。此过程称为合并。由于所有分段都是不可变的，这意味着所使用的磁盘空间通常会在索引期间波动，因为需要在删除替换分段之前创建新的合并分段。合并可能非常耗费资源，特别是在磁盘 I / O 方面。

实际一个分片就是一个 lucene 索引。es 的索引事实是由多个 lucene 索引组成
主分片与副本分片
索引会自动存储到各个分片上，ES 默认为一个索引创建 5 个主分片, 并分别为其创建一个副本分片。主分片与副本都能处理查询请求，它们的唯一区别在于只有主分片才能处理索引请求。
副本是为提高搜索性能，用户也可在任何时候添加或删除副本。额外的副本能给带来更大的容量, 更高的呑吐能力及更强的故障恢复能力。

主分片和副本分片都不会在同一个节点内
文档
es 索引和搜索数据的最小单元是文档
文档就是一条条数据，一篇文档包含字段和对应的值{k:v}

RDBMS	ES
数据库(db)	索引(index)
表(tables)	类型(types)
行(rows)	文档(documents)
列(columns)	字段(fields)

ES 搜索原理

与传统的数据库不同，在 es 中，每个字段里面的每个单词都是可以被搜索的。

这种特性是由底层 lucene 支持的。lucene 使用倒排索作为底层，这种结构适用于快速的全文搜索。一个索引由文档中所有不重复的列表构成，对于每一个词，都有一个包含它的文档列表。

为了支持这个特性，es 中会维护一个叫做“invertedindex”（也叫逆向索引）的表，表内包含了所有文档中出现的所有单词，同时记录了这个单词在哪个文档中出现过。

比如以下有三个文档

doc1: aaa, bbb, ccc, ddd
doc2: bbb, ccc
doc3: aaa, bbb, ddd

那么 es 会维持以下一个数据结构

Term	DOC1	DOC2	DOC3
aaa	✔		✔
bbb	✔	✔	✔
ccc	✔	✔
ddd	✔	✔

这样当我们随意搜索任意一个单词，es 只要遍历一遍这个表，就可以指导有那些文档被匹配到了。

当我们搜索多个词时，es 可以完全过滤掉无关的所有数据，提高效率。

关于查询语句的使用和各种语言的 sdk 调用这里不提及。有需求可参考官方文档：快速开始

svc.yaml

apiVersion: v1
kind: Service
metadata:
  name: es-single-nodeport
  namespace: sky
spec:
  externalIPs:
  - 192.168.1.146
  ports:
  - name: http
    port: 9200
    targetPort: 9200
  - name: tcp
    port: 9300
    targetPort: 9300
  selector:
    app: es-single

elasticsearch.yaml

apiVersion: apps/v1
kind: Deployment
metadata:
  name: es-single
  namespace: sky
spec:
  replicas: 1
  selector:
    matchLabels:
      app: es-single
  template:
    metadata:
      name: es-single
      labels:
        app: es-single
    spec:
      tolerations:
      - key: "node.kubernetes.io/unreachable"
        operator: "Exists"
        effect: "NoExecute"
        tolerationSeconds: 60
      - key: "node.kubernetes.io/not-ready"
        operator: "Exists"
        effect: "NoExecute"
        tolerationSeconds: 60
      terminationGracePeriodSeconds: 0                # 异常立即删除
      containers:
      - image: hub.sky-cloud.net/k8s/elasticsearch:6.4.0
        name: es
        securityContext:
          privileged: true
        env:
        - name: network.host
          value: "_site_"
        - name: node.name
          value: "${HOSTNAME}"
        - name: discovery.type
          value: single-node
        - name: discovery.zen.ping.unicast.hosts
          value: "${ES_SINGLE_NODEPORT_SERVICE_HOST}"
        - name: cluster.name
          value: "sky-cloud"
        - name: ES_JAVA_OPTS
          value: "-server -Xms1024m -Xmx1024m"
        volumeMounts:
        - name: es-single-data
          mountPath: /usr/share/elasticsearch/data
        - name: time
          mountPath: /etc/localtime
      volumes:
      - name: es-single-data
        hostPath:
          path: /srv/sky/elk/elasticsearch/data
      - name: time
        hostPath:
          path: /etc/localtime

Kibana

Kibana 旨在使用 Elasticsearch 作为数据源。将 Elasticsearch 视为存储和处理数据的引擎，而 Kibana 则提供可视化服务。

cm.yaml

kind: ConfigMap
apiVersion: v1
metadata:
  name: kibana-config
  namespace: sky
  labels:
    addonmanager.kubernetes.io/mode: Reconcile
data:
    kibana.yml: |
        ---
        # Default Kibana configuration from kibana-docker.

        server.name: kibana
        server.host: 0.0.0.0
        server.basePath: "/api/sky-kibana"
        server.rewriteBasePath: true
        elasticsearch.url: http://es-single-nodeport:9200
        xpack.monitoring.ui.container.elasticsearch.enabled: true
        #i18n.locale: "zh-CN"

kibana.yaml

apiVersion: apps/v1
kind: Deployment
metadata:
  name: kb-single
  namespace: sky
spec:
  replicas: 1
  selector:
    matchLabels:
      app: kb-single
  template:
    metadata:
      name: kb-single
      labels:
        app: kb-single
    spec:
      containers:
      - image: hub.sky-cloud.net/k8s/kibana:6.4.0
        name: kb
        ports:
        - name: http
          containerPort: 5601
        volumeMounts:
        - name: tz
          mountPath: /etc/localtime
        - name: config
          mountPath: /usr/share/kibana/config
      volumes:
      - name: tz
        hostPath:
          path: /etc/localtime
      - name: config
        configMap:
          name: kibana-config
          items:
          - key: kibana.yml
            path: kibana.yml

svc.yaml

apiVersion: v1
kind: Service
metadata:
  name: kb-single-svc
  namespace: sky
spec:
  externalIPs:               # 暴露Service到外部IP
  - 192.168.1.146                # IP
  ports:
  - name: http
    port: 5601
    targetPort: 5601
  selector:
    app: kb-single

访问 http://192.168.1.146:5601/api/sky-kibana

使用 k8s 搭建 elk

Filebeat

cm.yaml

ds.yaml

启动

Logstash

Input

Filter

Output

pipeline

cm.yaml

logstash.yaml

svc.yaml

Elasticsearch

核心概念

ES 搜索原理

svc.yaml

elasticsearch.yaml

Kibana

cm.yaml

kibana.yaml

svc.yaml

相关帖子

linux 下安装 filebeat

rancher 部署单机版本 Elasticsearch 与 Kibana

Logstash 是如何工作的

ELK 系统搭建笔记

从一份定义文件详解 ELK 中 Logstash 插件结构

使用 Logstash 把单个分隔符的多行文本文件导入到 Elasticsearch

ELK 日志平台 logstash 和 filebeat

欢迎来到这里！