Estando escrito na linguaxe Rust, caracterízase por un alto rendemento e un baixo consumo de RAM en comparación cos seus análogos. Ademais, préstase moita atención ás funcións relacionadas coa corrección, en particular, a capacidade de gardar eventos non enviados nun búfer do disco e rotar ficheiros.
Arquitectónicamente, Vector é un enrutador de eventos que recibe mensaxes dun ou máis fontes, aplicándose opcionalmente sobre estas mensaxes transformacións, e enviándoos a un ou varios desaugadoiros.
Vector é un substituto de filebeat e logstash, pode actuar en ambos os roles (recibir e enviar rexistros), máis detalles sobre eles On-line.
Se en Logstash a cadea está construída como entrada → filtro → saída, entón é en Vector fontes → transforma → afundir
Pódense atopar exemplos na documentación.
Esta instrución é unha instrución revisada de Viacheslav Rakhinsky. As instrucións orixinais conteñen o procesamento xeoip. Ao probar xeoip desde unha rede interna, o vector deu un erro.
Aug 05 06:25:31.889 DEBUG transform{name=nginx_parse_rename_fields type=rename_fields}: vector::transforms::rename_fields: Field did not exist field=«geoip.country_name» rate_limit_secs=30
Se alguén precisa procesar xeoip, consulte as instrucións orixinais de Viacheslav Rakhinsky.
Configuraremos a combinación de Nginx (Rexistros de acceso) → Vector (Cliente | Filebeat) → Vector (Servidor | Logstash) → por separado en Clickhouse e por separado en Elasticsearch. Instalaremos 4 servidores. Aínda que podes evitalo con 3 servidores.
O esquema é algo así.
Desactive Selinux en todos os seus servidores
sed -i 's/^SELINUX=.*/SELINUX=disabled/g' /etc/selinux/config
reboot
Instalamos un emulador de servidor HTTP + utilidades en todos os servidores
ClickHouse usa o conxunto de instrucións SSE 4.2, polo que, a menos que se especifique o contrario, a compatibilidade con el no procesador utilizado convértese nun requisito adicional do sistema. Aquí está o comando para comprobar se o procesador actual admite SSE 4.2:
Configurando Elasticsearch para o modo de nodo único 1 fragmento, 0 réplica. O máis probable é que teñas un clúster dun gran número de servidores e non necesites facelo.
Para futuros índices, actualice o modelo predeterminado:
INFO vector::topology::builder: Healthcheck: Passed.
INFO vector::topology::builder: Healthcheck: Passed.
No cliente (servidor web) - 1o servidor
No servidor con nginx, cómpre desactivar ipv6, xa que a táboa de rexistros en clickhouse usa o campo upstream_addr IPv4, xa que non uso ipv6 dentro da rede. Se ipv6 non está desactivado, haberá erros:
DB::Exception: Invalid IPv4 value.: (while read the value of key upstream_addr)
Quizais lectores, engada soporte ipv6.
Cree o ficheiro /etc/sysctl.d/98-disable-ipv6.conf
En primeiro lugar, necesitamos configurar o formato de rexistro en Nginx no ficheiro /etc/nginx/nginx.conf
user nginx;
# you must set worker processes based on your CPU cores, nginx does not benefit from setting more than that
worker_processes auto; #some last versions calculate it automatically
# number of file descriptors used for nginx
# the limit for the maximum FDs on the server is usually set by the OS.
# if you don't set FD's then OS settings will be used which is by default 2000
worker_rlimit_nofile 100000;
error_log /var/log/nginx/error.log warn;
pid /var/run/nginx.pid;
# provides the configuration file context in which the directives that affect connection processing are specified.
events {
# determines how much clients will be served per worker
# max clients = worker_connections * worker_processes
# max clients is also limited by the number of socket connections available on the system (~64k)
worker_connections 4000;
# optimized to serve many clients with each thread, essential for linux -- for testing environment
use epoll;
# accept as many connections as possible, may flood worker connections if set too low -- for testing environment
multi_accept on;
}
http {
include /etc/nginx/mime.types;
default_type application/octet-stream;
log_format main '$remote_addr - $remote_user [$time_local] "$request" '
'$status $body_bytes_sent "$http_referer" '
'"$http_user_agent" "$http_x_forwarded_for"';
log_format vector escape=json
'{'
'"node_name":"nginx-vector",'
'"timestamp":"$time_iso8601",'
'"server_name":"$server_name",'
'"request_full": "$request",'
'"request_user_agent":"$http_user_agent",'
'"request_http_host":"$http_host",'
'"request_uri":"$request_uri",'
'"request_scheme": "$scheme",'
'"request_method":"$request_method",'
'"request_length":"$request_length",'
'"request_time": "$request_time",'
'"request_referrer":"$http_referer",'
'"response_status": "$status",'
'"response_body_bytes_sent":"$body_bytes_sent",'
'"response_content_type":"$sent_http_content_type",'
'"remote_addr": "$remote_addr",'
'"remote_port": "$remote_port",'
'"remote_user": "$remote_user",'
'"upstream_addr": "$upstream_addr",'
'"upstream_bytes_received": "$upstream_bytes_received",'
'"upstream_bytes_sent": "$upstream_bytes_sent",'
'"upstream_cache_status":"$upstream_cache_status",'
'"upstream_connect_time":"$upstream_connect_time",'
'"upstream_header_time":"$upstream_header_time",'
'"upstream_response_length":"$upstream_response_length",'
'"upstream_response_time":"$upstream_response_time",'
'"upstream_status": "$upstream_status",'
'"upstream_content_type":"$upstream_http_content_type"'
'}';
access_log /var/log/nginx/access.log main;
access_log /var/log/nginx/access.json.log vector; # Новый лог в формате json
sendfile on;
#tcp_nopush on;
keepalive_timeout 65;
#gzip on;
include /etc/nginx/conf.d/*.conf;
}
Para non romper a súa configuración actual, Nginx permítelle ter varias directivas access_log
access_log /var/log/nginx/access.log main; # Стандартный лог
access_log /var/log/nginx/access.json.log vector; # Новый лог в формате json
Non esquezas engadir unha regra para logrotate para novos rexistros (se o ficheiro de rexistro non remata con .log)
E configure a substitución de Filebeat na configuración /etc/vector/vector.toml. O enderezo IP 172.26.10.108 é o enderezo IP do servidor de rexistro (Vector-Server)
data_dir = "/var/lib/vector"
[sources.nginx_file]
type = "file"
include = [ "/var/log/nginx/access.json.log" ]
start_at_beginning = false
fingerprinting.strategy = "device_and_inode"
[sinks.nginx_output_vector]
type = "vector"
inputs = [ "nginx_file" ]
address = "172.26.10.108:9876"
Non esquezas engadir o usuario do vector ao grupo necesario para que poida ler os ficheiros de rexistro. Por exemplo, nginx en centos crea rexistros con dereitos de grupo adm.
usermod -a -G adm vector
Imos comezar o servizo vectorial
systemctl enable vector
systemctl start vector
Os rexistros vectoriais pódense ver así:
journalctl -f -u vector
Debería haber unha entrada como esta nos rexistros
INFO vector::topology::builder: Healthcheck: Passed.
Probas de estrés
Realizamos probas usando o benchmark de Apache.
O paquete httpd-tools instalouse en todos os servidores
Comezamos a probar usando o benchmark Apache de 4 servidores diferentes en pantalla. En primeiro lugar, iniciamos o multiplexor do terminal de pantalla e despois comezamos a probar usando o benchmark de Apache. Como traballar coa pantalla podes atopar en Artigo.
Desde o 1o servidor
while true; do ab -H "User-Agent: 1server" -c 100 -n 10 -t 10 http://vhost1/; sleep 1; done
Desde o 2o servidor
while true; do ab -H "User-Agent: 2server" -c 100 -n 10 -t 10 http://vhost2/; sleep 1; done
Desde o 3o servidor
while true; do ab -H "User-Agent: 3server" -c 100 -n 10 -t 10 http://vhost3/; sleep 1; done
Desde o 4o servidor
while true; do ab -H "User-Agent: 4server" -c 100 -n 10 -t 10 http://vhost4/; sleep 1; done
select concat(database, '.', table) as table,
formatReadableSize(sum(bytes)) as size,
sum(rows) as rows,
max(modification_time) as latest_modification,
sum(bytes) as bytes_size,
any(engine) as engine,
formatReadableSize(sum(primary_key_bytes_in_memory)) as primary_keys_size
from system.parts
where active
group by database, table
order by bytes_size desc;
Descubramos cantos rexistros ocuparon Clickhouse.
O tamaño da táboa de rexistros é de 857.19 MB.
O tamaño dos mesmos datos no índice en Elasticsearch é de 4,5 GB.
Se non especificas datos no vector nos parámetros, Clickhouse leva 4500/857.19 = 5.24 veces menos que en Elasticsearch.
En vector, o campo de compresión úsase por defecto.