部署EFK
1、创建nfs存储访问
启动master节点的nfs服务
创建/data/v1
kubectl create -f serviceaccount.yaml kubectl create -f rbac.yaml
修改deployment.yaml文件
NFS SERVER #存储地址 kubectl create -f deployment.yaml kubectl create -f class.yaml
2、构建es集群
kubectl apply -f kube-logging.yaml kubectl create -f elasticsearch-statefulset.yaml kubectl create -f elasticsearch_svc.yaml
测试
##所有节点 yum install -y socat ##端口转发,回环地址 kubectl port-forward es-cluster-0 9200:9200 --namespace=kube-logging ##特定地址 kubectl port-forward --address 192.168.166.128 es-cluster-0 9200:9200 --namespace=kube-logging curl http://localhost:9200/_cluster/health?pretty
3、部署kibana
##修改配置文件如下： apiVersion: v1 kind: Service metadata: name: kibana namespace: kube-logging labels: app: kibana spec: type: NodePort ports: - port: 5601 selector: app: kibana --- apiVersion: apps/v1 kind: Deployment metadata: name: kibana namespace: kube-logging labels: app: kibana spec: replicas: 1 selector: matchLabels: app: kibana template: metadata: labels: app: kibana spec: containers: - name: kibana image: docker.elastic.co/kibana/kibana:7.2.0 imagePullPolicy: IfNotPresent resources: limits: cpu: 1000m requests: cpu: 100m env: - name: ELASTICSEARCH_URL value: http://elasticsearch.kube-logging.svc.cluster.local:9200 ports: - containerPort: 5601 volumeMounts: - name: kibana-config mountPath: /usr/share/kibana/config/ volumes: - name: kibana-config configMap: name: kibana-configmap ####汉化kibana kubectl -n kube-logging create configmap kibana-configmap --from-file=kibana.yml=./kibana.yml ###kibana.yml # # ** THIS IS AN AUTO-GENERATED FILE ** # # Default Kibana configuration for docker target server.name: kibana server.host: "0" elasticsearch.hosts: [ "http://elasticsearch:9200" ] xpack.monitoring.ui.container.elasticsearch.enabled: true i18n.locale: "zh-CN" kubectl apply -f kibana.yaml kubectl get pods -n kube-logging kubectl get svc -n kube-logging
4、安装fluentd组件
kubectl apply -f fluentd.yaml kubectl get po -n kube-logging -o wide
好的，我来为您详细解析 Fluentd 的配置文件。
Fluentd 的配置文件核心在于连接输入（Input）、过滤（Filter）、输出（Output）这三个环节，通常被称为“数据管道”。配置文件使用一种类似于 Apache 或 Nginx 的格式。
一个典型的 Fluentd 配置结构如下：
# 接收日志（从哪里获取日志） <source> @type ... ... tag ... </source> # 处理日志（解析、过滤、增强日志） <filter> @type ... ... </filter> # 输出日志（将日志发送到哪里） <match> @type ... ... </match>
1. 核心概念
标签 (Tag)
这是 Fluentd 最重要的概念之一。它就像日志的“路由地址”。
source模块会为收到的日志事件打上一个 tag（例如app.web，syslog.kernel）。后续的
filter和match模块通过匹配这个 tag 来决定是否要处理这条日志。标签支持通配符
*（匹配0个或多个部分）和**（匹配0个或多个全路径）。
指令类型 (Directives)
<source>: 定义日志输入源。告诉 Fluentd 从哪里收集日志。<filter>: 定义处理规则。对匹配其标签的事件进行解析、过滤、修改等操作。<match>: 定义输出目的地。将匹配其标签的事件发送到最终的目的地。<label>: （高级）用于将流程分组，简化复杂的路由。<parse>: （嵌套）定义如何解析非结构化的日志文本。<format>: （嵌套）定义输出前的数据格式。<buffer>: （嵌套）定义缓冲设置，用于提高可靠性。
插件系统 (Plugins)
Fluentd 的强大之处在于其丰富的插件生态系统。@type参数指定了使用哪个插件。
@type forward(输入/输出)@type tail(输入)@type regexp(解析)@type record_modifier(过滤)@type elasticsearch(输出)@type s3(输出)@type stdout(输出)
2. 配置指令详解
<source>指令
定义数据的输入。
<source> # 使用 tail 插件来监听文件的新增内容（最常用） @type tail # 指定要监控的文件路径 path /var/log/nginx/access.log # 为从此源读取的日志打上标签 tag nginx.access # 使用哪个解析器来解析每一行日志 <parse> # 这是一个标准的 Nginx 访问日志格式 @type nginx </parse> # 记录上次读取的位置，防止重启后数据丢失 pos_file /var/log/fluentd/nginx-access.log.pos </source> <source> # 监听 TCP 端口，接收其他系统通过 TCP 发送来的日志 @type tcp tag tcp.events port 5170 <parse> @type json # 假设发送来的是 JSON 格式 </parse> </source>
<filter>指令
处理事件流。可以串联多个 filter。
# 处理所有以 nginx.access 开头的标签的事件 <filter nginx.access> @type parser # 尝试使用 grok 正则表达式（更强大灵活）再次解析 message 字段 <parse> @type grok pattern ^%{IPORHOST:client_ip} %{USER:ident} %{USER:auth} \[%{HTTPDATE:access_time}\] "%{WORD:http_method} %{DATA:request} HTTP/%{NUMBER:http_version}" %{NUMBER:response_code} %{NUMBER:body_sent_bytes} "%{DATA:referrer}" "%{DATA:user_agent}"$ </parse> # 将解析后的字段覆盖到原始记录中 key_name message reserve_data true # 保留原有字段 </filter> <filter nginx.access> @type record_modifier # 添加一个新字段，例如所在区域 <record> dc ${ENV['FLUENT_DATACENTER']} # 从环境变量读取值 log_type "web_access" </record> # 删除一些不必要的敏感字段 remove_keys auth, ident </filter><match>指令
定义输出目的地。标签匹配遵循“首先匹配”原则。
# 将所有标签为 nginx.access 的事件输出到 Elasticsearch <match nginx.access> @type elasticsearch host elasticsearch.logging.svc.cluster.local port 9200 index_name fluentd-nginx-access-%Y.%m.%d # 按日创建索引 logstash_format true # 缓冲设置：内存+文件缓冲， chunk 大小 32MB，每 5s 刷新一次 <buffer tag, time> @type file path /var/log/fluentd/buffer/elasticsearch flush_interval 5s chunk_limit_size 32m timekey 1h # 每1小时切分一个chunk </buffer> </match> # 将所有事件（**）都在控制台打印一份，用于调试 <match **> @type stdout </match> # 将特定级别的应用日志发送到 S3 进行长期存储 <match app.production> @type s3 aws_key_id YOUR_AWS_KEY_ID aws_sec_key YOUR_AWS_SECRET_KEY s3_bucket my-log-bucket path logs/ time_slice_format %Y%m%d%H </match>
3. 完整示例：收集 Nginx 日志并发送到 ES
# 设置 Fluentd 本身的日志级别 <system> log_level info </system> # 输入源：监控 Nginx 访问日志 <source> @type tail path /var/log/nginx/access.log tag nginx.access pos_file /var/log/fluentd/nginx-access.log.pos <parse> @type nginx </parse> </source> # 输入源：接收来自其他容器的 Docker JSON 日志 <source> @type forward port 24224 tag docker.** # 匹配所有以 docker. 开头的标签 </source> # 过滤：为所有事件添加主机名 <filter **> @type record_modifier <record> hostname "#{Socket.gethostname}" </record> </filter> # 输出：将所有nginx日志发送到Elasticsearch <match nginx.access> @type elasticsearch host es-host port 9200 logstash_format true logstash_prefix nginx-access <buffer> @type file path /var/log/fluentd/buffer/es flush_interval 10s </buffer> </match> # 输出：将docker日志也发送到ES，但放到不同的索引中 <match docker.**> @type elasticsearch host es-host port 9200 logstash_format true logstash_prefix docker <buffer> @type file path /var/log/fluentd/buffer/es-docker flush_interval 10s </buffer> </match> # 输出：同时在控制台打印所有信息（最后执行） <match **> @type stdout </match>4. 最佳实践与调试技巧
从简单开始：先用
@type stdout输出到控制台，确保数据流和你预期的一样。理解标签路由：规划好你的标签命名策略（如
.<service_name>.<log_type>）。使用 Buffer：对于网络输出（如 ES, S3），务必配置
<buffer>。使用file缓冲类型可以提高可靠性，防止节点重启或网络抖动时数据丢失。环境变量：可以使用
#{ENV['VARIABLE_NAME']}在配置中引用环境变量，避免将密码等敏感信息硬编码在配置文件中。配置文件检查：使用
fluentd --dry-run -c /path/to/your.conf命令来检查配置文件语法是否正确，而无需真正启动进程。
通过理解这些核心概念和指令，您就可以编写出强大而灵活的 Fluentd 配置来满足各种日志收集和处理需求。
