微服务从代码到k8s部署应有尽有系列（十一、日志收集）微服务从代码到k8s部署应有尽

我们用一个系列来讲解从需求到上线、从代码到k8s部署、从日志到监控等各个方面的微服务完整实践。
整个项目使用了go-zero开发的微服务，基本包含了go-zero以及相关go-zero作者开发的一些中间件，所用到的技术栈基本是go-zero项目组的自研组件，基本是go-zero全家桶了。
实战项目地址：https://github.com/Mikaelemmmm/go-zero-looklook
序言 【微服务从代码到k8s部署应有尽有系列（十一、日志收集）】在介绍之前，我先说一下整体思路，如果你的业务日志量不是特别大恰好你又使用的是云服务，那你直接使用云服务日志就可以了，比如阿里云的SLS，基本就是点点鼠标配置几步就可以将你的日志收集到阿里云的SLS里面了，直接就可以在阿里云中查看收集上来的日志了，感觉也没必要折腾。
如果你的日志量比较大，那就可以上日志系统了。
1、日志系统我们将业务日志打印到console、file之后，市面上比较常用的方式是elk、efk等基本思路一样，我们拿常说的elk来举例，基本思路就是logstash收集过滤到elasticsearch中，然后kibana呈现
但是logstash本身是使用java开发的，占用资源是真滴高，我们用go做业务，本身除了快就是占用资源少构建块，现在在搞个logstash浪费资源，那我们使用go-stash替代logstash，go-stash是go-zero官方自己开发的并且在线上经过长期大量实践的，但是它不负责收集日志，只负责过滤收集上来信息。
go-stash: https://github.com/kevwan/go-stash
2、架构方案
文章图片

filebeat收集我们的业务日志，然后将日志输出到kafka中作为缓冲，go-stash获取kafka中日志根据配置过滤字段，然后将过滤后的字段输出到elasticsearch中，最后由kibana负责呈现日志
3、实现方案在上一节错误处理中，我们可以看到已经将我们想要的错误日志打印到了console控制台中了，现在我们只需要做后续收集即可
3.1 kafka

#消息队列 kafka: image: wurstmeister/kafka container_name: kafka ports: - 9092:9092 environment: KAFKA_ADVERTISED_HOST_NAME: kafka KAFKA_ZOOKEEPER_CONNECT: zookeeper:2181 TZ: Asia/Shanghai restart: always volumes: - /var/run/docker.sock:/var/run/docker.sock networks: - looklook_net depends_on: - zookeeper

先配置好kafka、zookeeper
然后我们进入kafka中先创建好filebeat收集日志到kafka的topic
进入kafka容器

$docker exec -it kafka /bin/sh

修改kafka监听配置(或者你把配置文件挂载到物理机在修改也可以)

$ vi /opt/kafka/config/server.properties listeners=PLAINTEXT://kafka:9092 # 原文件中，要加kafka listeners=PLAINTEXT://:9092 advertised.listeners=PLAINTEXT://kafka:9092 #源文件中，要加kafka advertised.listeners=PLAINTEXT://:9092

创建topic

$cd /opt/kafka/bin $ ./kafka-topics.sh --create --zookeeper zookeeper:2181 --replication-factor 1 -partitions 1 --topic looklook-log

3.2 filebeat
在项目根目录下 docker-compose-env.yml文件中可以看到我们配置了filebeat

文章图片

filebeat的配置我们挂载到 deploy/filebeat/conf/filebeat.yml

filebeat.inputs: - type: log enabled: true paths: - /var/lib/docker/containers/*/*-json.logfilebeat.config: modules: path: ${path.config}/modules.d/*.yml reload.enabled: falseprocessors: - add_cloud_metadata: ~ - add_docker_metadata: ~output.kafka: enabled: true hosts: ["kafka:9092"] #要提前创建topic topic: "looklook-log" partition.hash: reachable_only: true compression: gzip max_message_bytes: 1000000 required_acks: 1

配置比较简单，可以看到我们收集所有日志直接输出到我们配置的kafka中 , topic配置上一步kafka中创建的topic即可
3.3 配置go-stash

文章图片

我们来看下go-stash的配置文件 deploy/go-stash/etc/config.yaml

Clusters: - Input: Kafka: Name: gostash Brokers: - "kafka:9092" Topics: - looklook-log Group: pro Consumers: 16 Filters: - Action: drop Conditions: - Key: k8s_container_name Value: "-rpc" Type: contains - Key: level Value: info Type: match Op: and - Action: remove_field Fields: # - message - _source - _type - _score - _id - "@version" - topic - index - beat - docker_container - offset - prospector - source - stream - "@metadata" - Action: transfer Field: message Target: data Output: ElasticSearch: Hosts: - "http://elasticsearch:9200" Index: "looklook-{{yyyy-MM-dd}}"

配置消费的kafka以及输出的elasticsearch ，以及要过滤的字段等
3.4 elastic search、kibana

文章图片

访问kibana http://127.0.0.1:5601/ ，创建日志索引
点击左上角菜单(三个横线那个东东)，找到Analytics - > 点击discover

文章图片

然后在当前页面，Create index pattern->输入looklook-* -> Next Step ->选择@timestamp->Create index pattern
然后点击左上角菜单，找到Analytics->点击discover ，稍等一会，日志都显示了（如果不显示，就去排查filebeat、go-stash，使用docker logs -f filebeat查看）

我们在代码中添加一个错误日志尝试一下，代码如下