ELK(Elasticsearch+Logstash+Kibana)传统日志采集架构与ELFKK(Elasticsearch+Logstash+Kibana+Filebeat+Kafka)对比

ELK(Elasticsearch+Logstash+Kibana)传统日志采集架构与ELFKK(Elasticsearch+Logstash+Kibana+Filebeat+Kafka)对比

传统ELK与增加Filebeat和Kafka后的架构对比表格

本文讲传统日志采集架构ELK(Elasticsearch+Logstash+Kibana)与ELK集成FileBeat、Kafka后的ELFKK 对比,并以表格的形式进行输出:

对比维度传统ELK架构ELFKK架构
架构组成Elasticsearch + Logstash + KibanaElasticsearch + Logstash + Filebeat + Kafka + Kibana
日志采集方式Logstash直接采集日志Filebeat采集日志后发送至Kafka
中间缓冲机制无缓冲机制使用Kafka作为消息队列缓冲
系统资源占用Logstash资源占用较高Filebeat资源占用低,Logstash负载减轻
扩展性扩展性有限,Logstash易成为瓶颈支持水平扩展,Kafka提供高吞吐能力
容错性Logstash故障可能导致数据丢失Kafka提供持久化,数据不会丢失
部署复杂度相对简单需要额外部署Kafka,复杂度增加
适用场景日志量小、系统简单日志量大、高并发、分布式系统

附件一:Filebeat采集日志步骤

在配置Filebeat以采集日志时,你需要遵循以下几个步骤来确保它能够正常工作

1. 安装Filebeat

首先,确保你的系统上已经安装了Filebeat。你可以从Elastic官网下载对应操作系统的安装包,或者使用包管理器(如apt, yum等)进行安装。

例如,在Ubuntu上,你可以使用以下命令安装Filebeat:

wget https://artifacts.elastic.co/downloads/beats/filebeat/filebeat-7.10.1-amd64.deb sudo dpkg -i filebeat-7.10.1-amd64.deb 

2. 配置Filebeat

Filebeat的配置文件通常位于/etc/filebeat/filebeat.yml。你需要编辑这个文件来指定日志文件的位置、输出目标(例如Elasticsearch)等。

示例配置

filebeat.inputs: - type: log enabled: true paths: - /var/log/*.log # 指定要监控的日志文件路径 fields: log_type: app_logs # 自定义字段,用于在Elasticsearch中区分日志类型 output.elasticsearch: hosts: ["localhost:9200"] # Elasticsearch服务地址 username: "elastic" # 如果你设置了Elasticsearch的用户认证,需要填写用户名和密码 password: "changeme" # 密码 

3. 启动Filebeat

配置完成后,你可以通过以下命令启动Filebeat:

sudo systemctl enable filebeat # 设置Filebeat开机启动 sudo systemctl start filebeat # 启动Filebeat服务 

4. 检查Filebeat状态

确保Filebeat正在运行并且没有错误:

sudo systemctl status filebeat 

5. 验证日志数据是否被正确发送到Elasticsearch

登录到Elasticsearch,检查索引中是否包含了Filebeat发送的日志数据。你可以使用Kibana来查看这些数据,或者使用curl命令直接查询:

curl -XGET 'localhost:9200/_search?q=log_type:app_logs' # 使用自定义字段查询日志类型为app_logs的日志 

6. 调整和优化(可选)

根据需要调整Filebeat的配置,例如增加更多的输入、修改输出设置、增加过滤器等。Filebeat的配置非常灵活,可以根据具体需求进行调整。

常见问题解决

  • 确保Elasticsearch运行正常‌:Filebeat依赖于Elasticsearch作为其输出目标。如果Elasticsearch服务未运行,Filebeat将无法发送数据。
  • 检查权限问题‌:确保Filebeat有权限读取指定的日志文件。可能需要调整文件或目录的权限。
  • 查看日志‌:如果Filebeat启动失败或行为异常,查看/var/log/filebeat/filebeat中的日志文件可能会提供一些线索。

通过以上步骤,你应该能够成功配置并使用Filebeat来采集日志数据。

附件二:Kraft模式安装Kafka(含常规、容器两种安装方式)、Kafka镜像下载

Read more

【开源神器】只需3分钟,教你打造属于自己的微信自动化发送工具!

【开源神器】只需3分钟,教你打造属于自己的微信自动化发送工具!

🚀彻底解放双手!微信消息自动化发送脚本工具实战教程 🌈 个人主页:创客白泽 - ZEEKLOG博客 🔥 系列专栏:🐍《Python开源项目实战》 💡 热爱不止于代码,热情源自每一个灵感闪现的夜晚。愿以开源之火,点亮前行之路。 👍 如果觉得这篇文章有帮助,欢迎您一键三连,分享给更多人哦 📌 概述 在当今数字化办公场景中,自动化工具已成为提升工作效率的利器。本文将深入剖析一个基于Python的微信自动化工具开发全过程,该工具集成了即时消息发送、定时任务管理和微信进程控制三大核心功能模块。 技术栈亮点: * PyQt5构建美观的GUI界面 * uiautomation实现Windows UI自动化 * psutil进行进程管理 * 多线程处理保持UI响应 * 完整的异常处理机制 🛠️ 功能全景 1. 核心功能模块 模块名称功能描述即时消息发送支持文本+文件混合发送,智能识别联系人定时任务管理精确到秒的定时发送,支持循环任务配置微信进程控制启动/激活/退出微信的一键操作 2. 特色功能 * 智能窗口激活:自动置顶微信窗口并居中显示

By Ne0inhk
个人所得税的APP模拟器,纯java版代码开源,截图录屏都可以【仅供参考】

个人所得税的APP模拟器,纯java版代码开源,截图录屏都可以【仅供参考】

文件下载地址:https://wenshushu.vip/pan/index.php?id=36    提取码:7bf9 给大家分享一个用纯Java实现的个人所得税计算模拟器,包含完整的GUI界面和核心计算逻辑,适合Java学习者和税务计算需求者参考使用。 一、项目简介 这是一个使用Java Swing开发的个人所得税计算模拟器,模拟了官方个税APP的核心功能,包括: · 综合所得年度汇算计算 · 税率表查询 · 专项扣除项目设置 · 税务计算结果展示 项目特点: · 100%纯Java实现,无第三方依赖 · 完整GUI界面,支持用户交互 · 详细的代码注释 · 遵循2023年最新个税政策 二、核心代码实现 1. 主程序入口 ```java package com.tax.calculator; import javax.swing.*; /**  * 个人所得税计算模拟器 - 主程序  * @author TaxDeveloper  * @version

By Ne0inhk
OpenAI 开源模型 gpt-oss 本地部署详细教程

OpenAI 开源模型 gpt-oss 本地部署详细教程

OpenAI 最近发布了其首个开源的开放权重模型gpt-oss,这在AI圈引起了巨大的轰动。对于广大开发者和AI爱好者来说,这意味着我们终于可以在自己的机器上,完全本地化地运行和探索这款强大的模型了。 本教程将一步一步指导你如何在Windows和Linux系统上,借助极其便捷的本地大模型运行框架Ollama,轻松部署和使用 gpt-oss 模型。 一、准备工作:系统配置与性能预期 在开始之前,了解运行环境非常重要。本次部署将在我的个人电脑上进行,下面是推荐配置: * CPU: 现代多核 CPU,如 Intel Core i7 或 AMD Ryzen 7 系列 * 内存 (RAM): 32 GB 或更多 * 显卡 (GPU): 强烈推荐 NVIDIA GeForce RTX 4090 (24 GB 显存)。这是确保大型模型流畅运行与高效微调的理想选择。 * 操作系统: Linux 或 Windows

By Ne0inhk
最新版 Kimi K2.5 进阶实战全攻略:从开源部署到 Agent 集群搭建(视频理解 + 多模态开发 + 高并发调优)

最新版 Kimi K2.5 进阶实战全攻略:从开源部署到 Agent 集群搭建(视频理解 + 多模态开发 + 高并发调优)

1 技术背景与核心架构原理 1.1 技术定位与版本说明 Kimi K2.5 是月之暗面于2026年初发布的开源多模态大语言模型,聚焦长上下文理解、原生多模态交互、Agent 原生支持三大核心能力,针对工业级落地场景完成了全链路优化。本次实战覆盖的开源版本包括: * kimi-k2.5-chat-70b:基础对话版,支持2000K token 上下文窗口,原生适配工具调用 * kimi-k2.5-multimodal-70b:多模态完整版,新增图像、长视频时序理解能力,支持最长10小时连续视频输入 * kimi-k2.5-agent-70b:Agent 优化版,强化多轮工具链执行、分布式状态同步能力,适配集群化部署 * 量化衍生版本:AWQ 4bit/8bit、FP8 量化版,适配低显存硬件环境,精度损失控制在1%以内 1.2 核心架构与技术亮点 1.2.1

By Ne0inhk