Elastic Stack 是一套功能丰富的开源软件工具，可以更轻松地从数据中获取洞察。以前称为 ELK Stack (指的是 Elasticsearch、Logstash 和 Kibana)，但与该平台集成的工具（例如 Beats）的数量不断增长，已经超出了该首字母缩略词的范围，但为用户和开发人员提供了不断增长的功能。
在即将举行的 Southeast Linuxfest 2016 上，我将介绍开始使用 Stack 各个部分的步骤。 在本文中，我们将依次查看每个部分，以总结其功能、要求和适用的有趣用例。
Beats & Logstash
收集数据是所有事情的起点。Logstash 和 Beats 都满足了这种需求，但它们都经过精心调整，以满足不同的需求和用途。 无论您的首要任务是轻量级的资源使用还是丰富的功能，这两种解决方案都旨在满足这些要求。
Beats
Beats 是轻量级、快速的数据传送器和收集器，通常只做一件事并且做得很好。 例如，Packetbeat 收集和传送有关网络接口上的数据包活动的数据，而 Filebeat 可以跟踪日志文件并将日志发送到下游进行处理。 Beats 旨在快速、可移植且易于在单个主机上部署，以满足特定需求。 甚至还有社区创建的 Beats，用于 监控 HTTP 端点 和 NGINX 健康状况 等用途。
Beats 以 Go 编写并基于 libbeat 的共享基础，旨在易于实现，以便即使是资源受限的环境也可以轻松地进行测量，而无需大量开销。
Logstash
Logstash 同样能够收集机器数据，但它的亮点在于有大量的开源插件可用于丰富数据。 例如，虽然收集 Web 服务器日志很有用，但深入解析用户代理数据以提取流量统计信息可能是有益的，而 useragent 过滤器可以做到这一点。 或者，如果使用 Twitter 插件，您可能希望对用户推文执行 情感分析。
自定义插件是简单的 Ruby 库，使用户能够扩展功能并快速构建新功能的原型。 但是，性能并非事后才考虑的事情：Logstash 默认附带 JRuby，这为并发和实际线程打开了可能性。
Elasticsearch
收集和丰富数据后，将其存储在 Elasticsearch 中会带来一系列可能性。
Elasticsearch 本质上是一个搜索引擎，由于其灵活性和易用性而产生了无数的用例。 Elasticsearch 基于 Apache Lucene，力求让最终用户更容易应对运营挑战（如可扩展性和可靠性）和基于应用程序的需求（如自由文本搜索和自动完成）。
在运营方面，Elasticsearch 的弹性源于将索引拆分为分片，这些分片可以分布在多个主机上，以平衡负载并提高性能。 经过规划，这意味着数据集可以增长到远远超出单台机器的处理能力。
可以在 Elasticsearch 上执行的一些分析示例包括
- 地理搜索。 当文档插入地理元数据时，结果可以叠加在地图上，以可视化文档如何与真实世界的经度和纬度相关。
- 图表。 最近的插件已将图形搜索添加到 Elasticsearch，它可以回答有趣的问题，例如 巴拿马文件 中数据之间的关系。
- 聚合。 回答哪些页面返回的 500 错误最多等问题，就变成了为日志文件中的字段形成正确查询的问题。
虽然所有这些功能都由 Elasticsearch 的核心驱动，但在用户友好的界面中公开它们留给了 Stack 中的下一层。
Kibana
Kibana 是一个基于浏览器的 Elasticsearch 可视化前端。 它使用户能够轻松地使用原本难以处理的聚合数据； 使日志、指标和非结构化数据可搜索且对人类更可用。 其他插件可用于特殊情况，例如用于时序数据的 Timelion。
由于 Kibana 将其大部分数据持久保存在 Elasticsearch 中，因此管理 Kibana 仪表板和可视化与管理 Elasticsearch 中的其他索引类似。 图表、图形和其他可视化位于 Elasticsearch API 之上，可以轻松检查以进行更详细的分析或在其他系统中使用。
一个开放的生态系统
与其他多方面系统一样，Elastic Stack 受到工具的支持，这些工具可帮助管理部署和配置，例如 Ansible、Puppet 和 Chef。 同样也提供了标准发行版 存储库。
值得注意的是，所有这些开源项目都分布在各种语言中。 虽然 Beats 以 Go 编写，用于可移植、高效地分发编译后的二进制文件，但 Kibana 使用 Javascript 用于统一开发前端和后端组件。 凭借多种语言和一个开放的 代码库，用户应该可以自由参与对他们重要的功能开发和错误修复工作。
现在是使用 Stack 并了解你可以用它做些什么的好时机，各种解决方案和全球社区随时准备为用户和开发人员提供支持。
评论已关闭。