不对全文内容进行索引的 Loki 到底优秀在哪里

作者 | 浪子燕青燕小乙

来源 | https://zhuanlan.zhihu.com/p/371510010

总结下 loki 的优点

低索引开销

• loki 和 es 最大的不同是 loki 只对标签进行索引而不对内容索引
• 这样做可以大幅降低索引资源开销 (es 无论你查不查，巨大的索引开销必须时刻承担)

并发查询 + 使用 cache

• 同时为了弥补没有全文索引带来的查询降速使用，Loki 将把查询分解成较小的分片，可以理解为并发的 grep

和 prometheus 采用相同的标签，对接 alertmanager

• Loki 和 Prometheus 之间的标签一致是 Loki 的超级能力之一

使用 grafana 作为前端，避免在 kibana 和 grafana 来回切换

架构说明

组件说明

promtail 作为采集器，类比 filebeat

loki 相当于服务端，类比 es

loki 进程包含 四种角色

• querier 查询器
• ingester 日志存储器
• query-frontend 前置查询器
• distributor 写入分发器

可以通过 loki 二进制的 -target 参数指定运行角色

read path

• 查询器接收 HTTP / 1 数据请求。
• 查询器将查询传递给所有 ingesters 请求内存中的数据。
• 接收器接收读取的请求，并返回与查询匹配的数据（如果有）。
• 如果没有接收者返回数据，则查询器会从后备存储中延迟加载数据并对其执行查询。
• 查询器将迭代所有接收到的数据并进行重复数据删除，从而通过 HTTP / 1 连接返回最终数据集。

write path

• 分发服务器收到一个 HTTP / 1 请求，以存储流数据。
• 每个流都使用散列环散列。
• 分发程序将每个流发送到适当的 inester 和其副本（基于配置的复制因子）。
• 每个实例将为流的数据创建一个块或将其追加到现有块中。每个租户和每个标签集的块都是唯一的。
• 分发服务器通过 HTTP / 1 连接以成功代码作为响应。

使用本地化模式安装

下载 promtail 和 loki 二进制

$ wget  https://github.com/grafana/loki/releases/download/v2.2.1/loki-linux-amd64.zip
$ wget https://github.com/grafana/loki/releases/download/v2.2.1/promtail-linux-amd64.zip

找一台 linux 机器做测试

安装 promtail

$ mkdir /opt/app/{promtail,loki} -pv

# promtail配置文件
$ cat <<EOF> /opt/app/promtail/promtail.yaml
server:
  http_listen_port: 9080
  grpc_listen_port: 0

positions:
  filename: /var/log/positions.yaml # This location needs to be writeable by promtail.

client:
  url: http://localhost:3100/loki/api/v1/push

scrape_configs:
 - job_name: system
   pipeline_stages:
   static_configs:
   - targets:
      - localhost
     labels:
      job: varlogs  # A `job` label is fairly standard in prometheus and useful for linking metrics and logs.
      host: yourhost # A `host` label will help identify logs from this machine vs others
      __path__: /var/log/*.log  # The path matching uses a third party library: https://github.com/bmatcuk/doublestar
EOF

# service文件
$ cat <<EOF >/etc/systemd/system/promtail.service
[Unit]
Description=promtail server
Wants=network-online.target
After=network-online.target

[Service]
ExecStart=/opt/app/promtail/promtail -config.file=/opt/app/promtail/promtail.yaml
StandardOutput=syslog
StandardError=syslog
SyslogIdentifier=promtail
[Install]
WantedBy=default.target
EOF

$ systemctl daemon-reload
$ systemctl restart promtail
$ systemctl status promtail

安装 loki

$ mkdir /opt/app/{promtail,loki} -pv

# promtail配置文件
$ cat <<EOF> /opt/app/loki/loki.yaml
auth_enabled: false

server:
  http_listen_port: 3100
  grpc_listen_port: 9096

ingester:
  wal:
    enabled: true
    dir: /opt/app/loki/wal
  lifecycler:
    address: 127.0.0.1
    ring:
      kvstore:
        store: inmemory
      replication_factor: 1
    final_sleep: 0s
  chunk_idle_period: 1h       # Any chunk not receiving new logs in this time will be flushed
  max_chunk_age: 1h           # All chunks will be flushed when they hit this age, default is 1h
  chunk_target_size: 1048576  # Loki will attempt to build chunks up to 1.5MB, flushing first if chunk_idle_period or max_chunk_age is reached first
  chunk_retain_period: 30s    # Must be greater than index read cache TTL if using an index cache (Default index read cache TTL is 5m)
  max_transfer_retries: 0     # Chunk transfers disabled

schema_config:
  configs:
    - from: 2020-10-24
      store: boltdb-shipper
      object_store: filesystem
      schema: v11
      index:
        prefix: index_
        period: 24h

storage_config:
  boltdb_shipper:
    active_index_directory: /opt/app/loki/boltdb-shipper-active
    cache_location: /opt/app/loki/boltdb-shipper-cache
    cache_ttl: 24h         # Can be increased for faster performance over longer query periods, uses more disk space
    shared_store: filesystem
  filesystem:
    directory: /opt/app/loki/chunks

compactor:
  working_directory: /opt/app/loki/boltdb-shipper-compactor
  shared_store: filesystem

limits_config:
  reject_old_samples: true
  reject_old_samples_max_age: 168h

chunk_store_config:
  max_look_back_period: 0s

table_manager:
  retention_deletes_enabled: false
  retention_period: 0s

ruler:
  storage:
    type: local
    local:
      directory: /opt/app/loki/rules
  rule_path: /opt/app/loki/rules-temp
  alertmanager_url: http://localhost:9093
  ring:
    kvstore:
      store: inmemory
  enable_api: true
EOF

# service文件

$ cat <<EOF >/etc/systemd/system/loki.service
[Unit]
Description=loki server
Wants=network-online.target
After=network-online.target

[Service]
ExecStart=/opt/app/loki/loki -config.file=/opt/app/loki/loki.yaml
StandardOutput=syslog
StandardError=syslog
SyslogIdentifier=loki
[Install]
WantedBy=default.target
EOF

$ systemctl daemon-reload
$ systemctl restart loki
$ systemctl status loki

grafana 上配置 loki 数据源

在 grafana explore 上配置查看日志

查看日志 rate({job="message"} |="kubelet"

算 qps rate({job="message"} |="kubelet" [1m])

只索引标签

之前多次提到 loki 和 es 最大的不同是 loki 只对标签进行索引而不对内容索引 下面我们举例来看下

静态标签匹配模式

以简单的 promtail 配置举例

配置解读

scrape_configs:
 - job_name: system
   pipeline_stages:
   static_configs:
   - targets:
      - localhost
     labels:
      job: message
      __path__: /var/log/messages

• 上面这段配置代表启动一个日志采集任务
• 这个任务有 1 个固定标签job="syslog"
• 采集日志路径为 /var/log/messages , 会以一个名为 filename 的固定标签
• 在 promtail 的 web 页面上可以看到类似 prometheus 的 target 信息页面

查询的时候可以使用和 prometheus 一样的标签匹配语句进行查询

• {job="syslog"}

scrape_configs:
 - job_name: system
   pipeline_stages:
   static_configs:
   - targets:
      - localhost
     labels:
      job: syslog
      __path__: /var/log/syslog
 - job_name: system
   pipeline_stages:
   static_configs:
   - targets:
      - localhost
     labels:
      job: apache
      __path__: /var/log/apache.log

• 如果我们配置了两个 job，则可以使用{job=~”apache|syslog”} 进行多 job 匹配
• 同时也支持正则和正则非匹配

标签匹配模式的特点

原理

• 和 prometheus 一致，相同标签对应的是一个流 prometheus 处理 series 的模式
• prometheus 中标签一致对应的同一个 hash 值和 refid(正整数递增的 id)，也就是同一个 series
• 时序数据不断的 append 追加到这个 memseries 中
• 当有任意标签发生变化时会产生新的 hash 值和 refid，对应新的 series

loki 处理日志的模式 - 和 prometheus 一致，loki 一组标签值会生成一个 stream - 日志随着时间的递增会追加到这个 stream 中，最后压缩为 chunk - 当有任意标签发生变化时会产生新的 hash 值，对应新的 stream

查询过程

• 所以 loki 先根据标签算出 hash 值在倒排索引中找到对应的 chunk?
• 然后再根据查询语句中的关键词等进行过滤，这样能大大的提速
• 因为这种根据标签算哈希在倒排中查找 id，对应找到存储的块在 prometheus 中已经被验证过了
• 属于开销低
• 速度快

动态标签和高基数

所以有了上述知识，那么就得谈谈动态标签的问题了

两个概念

何为动态标签：说白了就是标签的 value 不固定 何为高基数标签：说白了就是标签的 value 可能性太多了，达到 10 万，100 万甚至更多

promtail 支持在 pipline_stages 中用正则匹配动态标签

• 比如 apache 的 access 日志

11.11.11.11 - frank [25/Jan/2000:14:00:01 -0500] "GET /1986.js HTTP/1.1" 200 932 "-" "Mozilla/5.0 (Windows; U; Windows NT 5.1; de; rv:1.9.1.7) Gecko/20091221 Firefox/3.5.7 GTB6"

• 在 promtail 中使用 regex 想要匹配 action和status_code两个标签

- job_name: system
   pipeline_stages:
      - regex:
        expression: "^(?P<ip>\\S+) (?P<identd>\\S+) (?P<user>\\S+) \\[(?P<timestamp>[\\w:/]+\\s[+\\-]\\d{4})\\] \"(?P<action>\\S+)\\s?(?P<path>\\S+)?\\s?(?P<protocol>\\S+)?\" (?P<status_code>\\d{3}|-) (?P<size>\\d+|-)\\s?\"?(?P<referer>[^\"]*)\"?\\s?\"?(?P<useragent>[^\"]*)?\"?$"
    - labels:
        action:
        status_code:
   static_configs:
   - targets:
      - localhost
     labels:
      job: apache
      env: dev
      __path__: /var/log/apache.log

• 那么对应 action=get/post 和 status_code=200/400 则对应 4 个流

11.11.11.11 - frank [25/Jan/2000:14:00:01 -0500] "GET /1986.js HTTP/1.1" 200 932 "-" "Mozilla/5.0 (Windows; U; Windows NT 5.1; de; rv:1.9.1.7) Gecko/20091221 Firefox/3.5.7 GTB6"
11.11.11.12 - frank [25/Jan/2000:14:00:02 -0500] "POST /1986.js HTTP/1.1" 200 932 "-" "Mozilla/5.0 (Windows; U; Windows NT 5.1; de; rv:1.9.1.7) Gecko/20091221 Firefox/3.5.7 GTB6"
11.11.11.13 - frank [25/Jan/2000:14:00:03 -0500] "GET /1986.js HTTP/1.1" 400 932 "-" "Mozilla/5.0 (Windows; U; Windows NT 5.1; de; rv:1.9.1.7) Gecko/20091221 Firefox/3.5.7 GTB6"
11.11.11.14 - frank [25/Jan/2000:14:00:04 -0500] "POST /1986.js HTTP/1.1" 400 932 "-" "Mozilla/5.0 (Windows; U; Windows NT 5.1; de; rv:1.9.1.7) Gecko/20091221 Firefox/3.5.7 GTB6"

• 那四个日志行将变成四个单独的流，并开始填充四个单独的块。
• 如果出现另一个独特的标签组合（例如 status_code =“500”），则会创建另一个新流

高基数问题

• 就像上面，如果给 ip 设置一个标签，现在想象一下，如果您为设置了标签 ip，来自用户的每个不同的 ip 请求不仅成为唯一的流
• 可以快速生成成千上万的流，这是高基数，这可以杀死 Loki
• 所以为了避免高基数则应该避免使用这种取值分位太大的标签

如果字段没有被当做标签被索引，会不会导致查询很慢

Loki 的超级能力是将查询分解为小块并并行分发，以便您可以在短时间内查询大量日志数据

全文索引问题

• 大索引既复杂又昂贵。通常，日志数据的全文索引的大小等于或大于日志数据本身的大小
• 要查询日志数据，需要加载此索引，并且为了提高性能，它可能应该在内存中。这很难扩展，并且随着您摄入更多日志，索引会迅速变大。
• Loki 的索引通常比摄取的日志量小一个数量级，索引的增长非常缓慢

那么如何加速查询没有标签的字段

以上边提到的 ip 字段为例 - 使用过滤器表达式查询

{job="apache"} |= "11.11.11.11"

loki 查询时的分片 (按时间范围分段 grep)

• Loki 将把查询分解成较小的分片，并为与标签匹配的流打开每个区块，并开始寻找该 IP 地址。
• 这些分片的大小和并行化的数量是可配置的，并取决于您提供的资源
• 如果需要，您可以将分片间隔配置为 5m，部署 20 个查询器，并在几秒钟内处理千兆字节的日志
• 或者，您可以发疯并设置 200 个查询器并处理 TB 的日志！

两种索引模式对比

• es 的大索引，不管你查不查询，他都必须时刻存在。比如长时间占用过多的内存
• loki 的逻辑是查询时再启动多个分段并行查询

在日志量少的时候少加标签

• 因为每多加载一个 chunk 就有额外的开销
• 举例 如果该查询是 {app="loki",level!="debug"}
• 在没加 level 标签的情况下只需加载一个 chunk 即 app="loki" 的标签
• 如果加了 level 的情况，则需要把 level=info,warn,error,critical 5 个 chunk 都加载再查询

在需要标签时再去添加

• 当 chunk_target_size=1MB 时代表 以 1MB 的压缩大小来切割块
• 对应的原始日志大小在 5MB-10MB，如果日志在 max_chunk_age 时间内能达到 10MB，考虑添加标签

日志应当按时间递增

• 这个问题和 tsdb 中处理旧数据是一样的道理
• 目前 loki 为了性能考虑直接拒绝掉旧数据

往期推荐

喜欢本文欢迎转发，关注我订阅更多精彩

关注我回复「加群」，加入Spring技术交流群