ELK Stack 日志平台性能优化实践
点击上方“民工哥技术之路”，选择“设为星标”
回复“1024”获取独家整理的学习资料！
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：
24h*60min*60sec* 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
# 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.somaxconn = 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
# 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：
# 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
# 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
# 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。
来源：https://www.cnblogs.com/along21/p/8613115.html