前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >【腾讯云ES】正确的使用姿势get!日志场景优化案例回顾

【腾讯云ES】正确的使用姿势get!日志场景优化案例回顾

原创
作者头像
Rassyan
修改2022-12-08 17:44:40
8600
修改2022-12-08 17:44:40
举报

随着ELK方案在开源日志分析领域越来越流行,各种使用场景也给ELK方案带来了越来越多的挑战。本文将回顾一次真实客户案例,从使用姿势上,提供一些大集群、多日志主题场景下的集群优化思路。

0x01 ELK不香了?

我们客户的ELK已作为其日志分析平台的方案,服役了多年。随着新服务上线、业务增长,集群规模也随之扩大,每次集群扩容都成功使日志平台顶住了业务的压力。最近客户经历的几次高峰期,又按照以往的经验,紧急做了多次扩容,希望能快速解决问题。然而,依旧频繁出现大面积日志积压,甚至还出现日志查询变慢,集群飚红等从未出现过的情况。多次扩容后,ELK方案的月成本增加到了客户难以接受的6位数,然而问题接连不断,性能令人堪忧。难道ELK不香了?

0x02 找出问题核心

我们第一时间对集群做了分析,奇怪的是在客户反馈积压的时刻,集群各层面的压力并不高。为了快速恢复日志服务的实时性,客户对logstash也做了扩容操作,期望能快速消费完kafka的积压。然而扩容后收益甚微,集群的写入速度变化不大。经历了几次,从客户发现高峰期积压,到高峰期结束,通过扩容的方式没能有效的解决积压问题,只能等待积压消费完成。

进一步分析发现,客户的集群规模很大,接近PB级别。索引多,整个集群热温架构,100个数据节点,75个热节点,共2000多个索引,50000多个分片。这2000多个索引,基本采用的是{index_name}-yyyy.MM.dd命名的按天滚动的索引,索引大小上两极分化,大的索引2~3TB,小的索引几KB,各索引的主分片数设置、分片大小的也不尽相同。实际上这种索引写入的规划上,是存在很大的优化空间的,但此时还没有明确的证据表明,这是导致链路积压的直接原因。直到我们偶然发现有集群中两个异常节点,压力比其他节点高很多。通过监控发现这两个节点在写入速度上,明显高于其他节点。

image-20221205164154608.png
image-20221205164154608.png

这种明显的写入倾斜,一般是分片分配不均导致。通过近期实现的cerebro添加的节点、索引增强过滤功能,在众多索引中快速定位到了问题索引。

image-20221205201701159.png
image-20221205201701159.png

可以看到这里只定义了一个主分片的索引,大小已经写到了800多G,其写入压力集中在了主分片和副本分配对应的两个节点上。这时我们和客户一起查看kafka的积压情况,果然也发生了积压。和客户了解到,这个索引是新业务上线写入,客户还没开始使用这个日志主题。这个单分片数也不是客户主动定义的,是索引模版的误修改,使得新增的日志主题匹配到了单分片的模版。了解清楚问题后,修正了模版,删掉了还未投入使用的日志索引。再次查看节点的写入监控,发现问题立刻得到了改善。

image-20221205220545281.png
image-20221205220545281.png
image-20221205220904442.png
image-20221205220904442.png

不难发现,这两个异常节点写入速度恢复了正常,其余节点的写入速度、整体集群的写入速度也同时提升了!这是一次主动发现的,个别索引影响整个集群性能的问题。那么,是否客户在高峰期遇到的积压问题,也可能是个别索引造成的呢?我们虽然未能找出这种明显的证据,但还是合理的怀疑这个可能性。

为了求证这一想法,深入了解了客户日志集群的架构后,发现:

  1. 客户日志主题数以百计,由于历史原因日志主题在kafka的topic中是混用的,在logstash的管道中也没有做拆分,日志数据混合地向ES写入。
  2. 由于历史原因客户的索引模版定义未统一设规范,索引模版和ILM策略没有统一,有些索引匹配了不适合的模版。
  3. 日志主题没有做量级预估,均采用按天滚动的索引方式,分片数过多,大小上两极分化。

多个日志主题的数据混合写入到了同一个集群。几乎可以确定,只要有某个或某几个分片数规划不合理的索引,其写入性能受限,就会存在“短板效应”,引起整体集群写入速度受限!过多的日志主题,导致我们不易发现具体是哪个日志主题的索引拖慢了集群,很可能有很多索引都存在这样的问题。ELK的使用姿势优化势在必行。

0x03 优化无法实施?

由于混合写入,带来了短板问题,那么最快的解决手段就是将量级较大的日志主题使用独立的kafka topic和logstash pipeline。然而,从客户的角度看,这几乎是无法实施的。日志接入是一直沿用的规范,由于历史原因中间的处理逻辑暂无人维护。且每个日志主题都对应了一个业务/微服务,需要推动对应的团队来修改,改造成本较大。

那么我们不得不换一个思路。既然数据接入层面混写无法优化,存在“短板效应”问题,那我们来解决短板问题不就好了吗?也就是说,我们回到ES本身,将ES的每个日志主题的索引,都来做最合理的配置,让集群中不存在“短板”。这样即便混写的数据进来,我们只要保证了每个索引都有最佳的写入能力,也能一定程度缓解短板效应。

客户对这种优化方式表示接受,同时也提出了几点诉求。需要考虑

  1. 稳定性:优化需要平滑,保证各业务部门的正常使用;要能承受高峰期的写入
  2. 易运维性:简化的,新增日志主题方法、扩缩容后的分片策略调整方法
  3. 降低成本:过高的成本客户无法承受,要在保证性能的前提下降低成本

总结为优化目标:

  1. 稳定性
代码语言:txt
复制
1. 根治个别索引造成写入短板,阻塞整个链路。排除由于es原因导致消费能力无法提升的可能性
2. 保证分片的均匀分布和合理大小,提升各节点写入能力。排除单节点分配不均导致的性能问题
3. 平滑优雅的过渡流程,最小化操作,过程中尽量保证业务无感、故障可回退
  1. 易运维性
代码语言:txt
复制
1. 制定template和ilm策略的命名和管理规范,核心策略数量简化到个位数,完成替换后统一删除旧的。避免template过多不易维护,甚至错误覆盖导致一系列的集群、索引问题
2. 仅用别名来读写索引,对外屏蔽内部索引策略
  1. 降低成本

优化项完成后视情况操作降配,兼顾稳定性

深入分析了每个日志主题的日增大小,可以将其分为4类

大日志主题

中日志主题

小日志主题

微日志主题

日增索引大小

960G

240G~960G

60G~240G

<60G

日志主题数量

12

7

15

153

优化思路
  • 使用别名读写索引,索引按天滚动改为按量滚动
代码语言:txt
复制
- 使用`ilm索引生命周期`的rollover能力,将`rollover_alias`设置为索引名即可
- 例如,`log1-2022.10.19`这个索引,以后使用时,都仅指定`log1`,es会根据该别名,定位到需要读写的具体索引
- 写入时,以往logstash直接带出了后缀日期,后续这个后缀交给`ilm索引生命周期`来自动管理,logstash写入时只需指定`log1`
- 查询时,kibana的index pattern将通配改为使用别名`log1`来指定分片均匀分布
代码语言:txt
复制
- 热层索引主分片数等同于热节点数量
- 索引`total_shards_per_node`=2,避免索引维度分片聚堆
- 提升分片均衡算法中的索引权重`cluster.routing.allocation.balance.index`,以保证索引层面的分片均匀分配索引策略尽量减少,并抽象归类为
代码语言:txt
复制
- 大日志主题(日增索引大小>960G),共用一套模版:
代码语言:txt
复制
    1. rollover条件,`max_primary_shard_size=40g`,`max_age=1d`,两条件触发任何一个即滚动一个新索引供写入
    2. rollover后1d降温,即从创建开始,最长2d会降温
    3. 降温后13d删除,即从创建开始,最长15d会删除
- 小日志主题(240G<日增索引大小<960G),共用一套模版:
代码语言:txt
复制
    1. rollover条件,`max_primary_shard_size=40g`,`max_age=2d`,两条件触发任何一个即滚动一个新索引供写入
    2. rollover后1d降温,即从创建开始,最长3d会降温
    3. 降温后13d删除,即从创建开始,最长15d会删除
- 小日志主题(60G<日增索引大小<240G),共用一套模版:
代码语言:txt
复制
    1. rollover条件,`max_primary_shard_size=40g`,`max_age=4d`,两条件触发任何一个即滚动一个新索引供写入
    2. rollover后1d降温,即从创建开始,最长5d会降温
    3. 降温后10d删除,即从创建开始,最长15d会删除
- 微日志主题(日增索引大小<60G),共用一套模版:
代码语言:txt
复制
    1. 索引热阶段分配在即冷节点,索引从创建到删除始终在温节点,
    2. rollover条件,`max_primary_shard_size=40g`,`max_age=8d`,两条件触发任何一个即滚动一个新索引供写入
    3. rollover后1d降温,即从创建开始,最长9d会降温
    4. 降温后6d删除,即从创建开始,最长15d会删除ilm+组件模版本次优化核心配置示例
代码语言:txt
复制
PUT _ilm/policy/ALIAS_POLICY_VER.2022.11.02-large_topic_ilm
{
  "policy": {
    "phases": {
      "hot": {
        "min_age": "0ms",
        "actions": {
          "rollover": {
            "max_primary_shard_size": "40gb",
            "max_age": "1d"
          }
        }
      },
      "warm": {
        "min_age": "1d",
        "actions": {
          "allocate": {
            "include": {
              "_tier_preference": "data_warm"
            }
          }
        }
      },
      "delete": {
        "min_age": "13d",
        "actions": {
          "delete": {
            "delete_searchable_snapshot": true
          }
        }
      }
    }
  }
}

PUT _component_template/ALIAS_POLICY_VER.2022.11.02-large_topic_component_template
{
  "template": {
    "settings": {
      "index": {
        "lifecycle": {
          "name": "ALIAS_POLICY_VER.2022.11.02-large_topic_ilm"
        },
        "number_of_shards": "32",
        "number_of_replicas": "0",
        "routing": {
          "allocation": {
            "total_shards_per_node": 2,
            "include": {
              "_tier_preference": "data_hot"
            }
          }
        }
      }
    }
  }
}

PUT _component_template/ALIAS_POLICY_VER.2022.11.02-tiny_topic_component_template
{
  "template": {
    "settings": {
      "index": {
        "lifecycle": {
          "name": "ALIAS_POLICY_VER.2022.11.02-tiny_topic_ilm"
        },
        "number_of_shards": "24",
        "number_of_replicas": "0",
        "routing": {
          "allocation": {
            "total_shards_per_node": 2,
            "include": {
              "_tier_preference": "data_warm"
            }
          }
        }
      }
    }
  }
}
  • 后续新日志主题的添加方法(日志名称以log1为例)
代码语言:txt
复制
PUT _index_template/ALIAS_POLICY_VER.2022.11.02-log1
{
  "template": {
    "settings": {
      "index": {
        "lifecycle": {
          "rollover_alias": "log1"
        }
      }
    }
  },
  "index_patterns": [
    "log1-*"
  ],
  "composed_of": [
    "ALIAS_POLICY_VER.2022.11.02-small_topic_component_template"
  ]
}

# PUT <log1-{now/d{yyyy.MM.dd|+08:00}}-000001>
PUT %3Clog1-%7Bnow%2Fd%7Byyyy.MM.dd%7C%2B08%3A00%7D%7D-000001%3E
{
  "aliases": {
    "log1": {
      "is_write_index": true
    }
  }
}

0x04 ES的平滑蜕变

原始的索引读写策略

读写方需指定日期后缀,集群未使用别名(客户的logstash实际是混写,为了方便理解,将索引对应的数据流单独体现出来)

image-20221206163405532.png
image-20221206163405532.png
过渡的索引读写策略

写入需指定日期后缀,读取可指定别名无需指定日期后缀

image-20221206164136975.png
image-20221206164136975.png
优化后的索引读写策略

采用ilm定期定量rollover后的索引使用方式,索引切分策略交由ES来管理,读写访问无需带日期后缀

红色的别名代表is_write_index=true,当前写入指向的索引

image-20221206164215144.png
image-20221206164215144.png
操作步骤
  1. 升级7.14版本,支持component_template特性
  2. 梳理当前集群所有索引主题(日志主题),整理作为脚本配置。确保优化过程中不会有新的日志主题被创建
  3. 操作过渡的前一天
    1. 通过脚本1,为所有历史索引赋予别名(形如log1)
    2. 通过脚本2,提前创建所有日志主题的日期后缀别名(形如log1-2022.10.20)索引,保证第二天的数据流不会创建新的日期后缀索引
  4. 提前将新模版(使用component_template)都创建好,但不激活(不创建匹配index_pattern的index_template)。索引日志主题较多,需一一梳理后,编写脚本自动生成来提交index_template
  5. 准备进入关键流程,以下步骤需在一天内完成
代码语言:txt
复制
1. 通过脚本3,将所有日志主题最新的写入指向的索引,更新别名`log1`的属性`is_write_index=true`
2. 通过脚本4,激活所有新模版(提交index_template)修改logstash的写入方式,去除时间后缀,重新部署所有管道通过脚本5,将当前各主题最新索引赋予rollover_alias策略并手动执行rollover观察写入稳定后,关键流程结束待所有旧索引生命周期结束后(预计两周),删除所有旧模版、旧ilm策略

原本希望不引入脚本操作,尝试使用alias date math的功能,但其不支持在模板中定义,https://github.com/elastic/elasticsearch/issues/75651 。所以最终还是编写了批处理脚本,按照上述方式,基本完成了平滑无感的变更。完成后集群压力明显下降,随后便顺利地完成了集群的降配。

0x05 案例总结

从结果上看,本次针对es集群的优化方案,已经达到了预期的效果,成功的解决了客户的问题。客户关注的几个方面都顺利完成

  1. 稳定性 节点压力得到了均衡,客户遵循该策略后,ES层面不会再出现个别短板阻塞整个链路的问题
  2. 易运维性 梳理了187个日志主题,归纳并制定了4套索引策略,告别客户之前无序的维护
  3. 降低成本 集群按预期降配,性能和集群压力都维持正常,ES成本降低约50%
核心问题

多索引场景下,部分索引有写入瓶颈,混写时产生“短板效应”。

核心优化点

使用rollover的按量滚动能力,使所有分片均工作在合理的大小,使索引、集群维度,分片都是均衡分配的,充分发挥集群性能。

使用component_template功能,抽象并简化索引策略,大幅提升集群的可维护性。

优化难点

本次优化,一方面是在制定更加合理的ES使用规范,解决稳定、易运维、降本三方面的问题;另一方面更是在帮助客户梳理其整个业务日志链路,给杂乱无章的梳理工作起了个头,让客户对ELK方案重拾信心。后续客户表示会逐步推动拆分logstash、kafka仍存在的混写情况。

结语

如果您对ES比较了解,或者是ELK的老用户,希望本文能给您带来一些新的启发。如果您面临新的使用场景,也强烈推荐使用腾讯云ES的自治索引来保持正确的使用姿势。腾讯云ES团队可以提供专业的技术支持,期待能够与您合作。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 0x01 ELK不香了?
  • 0x02 找出问题核心
  • 0x03 优化无法实施?
    • 优化思路
    • 0x04 ES的平滑蜕变
      • 原始的索引读写策略
        • 过渡的索引读写策略
          • 优化后的索引读写策略
            • 操作步骤
            • 0x05 案例总结
              • 核心问题
                • 核心优化点
                  • 优化难点
                    • 结语
                    相关产品与服务
                    Elasticsearch Service
                    腾讯云 Elasticsearch Service(ES)是云端全托管海量数据检索分析服务,拥有高性能自研内核,集成X-Pack。ES 支持通过自治索引、存算分离、集群巡检等特性轻松管理集群,也支持免运维、自动弹性、按需使用的 Serverless 模式。使用 ES 您可以高效构建信息检索、日志分析、运维监控等服务,它独特的向量检索还可助您构建基于语义、图像的AI深度应用。
                    领券
                    问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档