Nginx json naplók küldése Vectorral a Clickhouse-ba és az Elasticsearch-be

Vector, amelyet a napló-, metrikai és eseményadatok gyűjtésére, átalakítására és továbbítására használnak.

→ Githubot

A Rust nyelven íródott, magas teljesítményt és alacsony memóriakibocsátást kínálva az analógokhoz képest. Ezen kívül nagy figyelmet fordít a helyességhez kapcsolódó funkciókra, különösen a nem elküldött események lemezre történő pufferelésének és a fájlok forgatásának lehetőségére.

Architekturálisan a Vector eseményrouter, amely üzeneteket fogad el egy vagy több forrásból, opcionálisan alkalmazva ezekre az üzenetekre átalakításokat, és azokat egy vagy több célba továbbítja..

A Vector a filebeat és a logstash alternatívája, mindkét szerepben (naplókat fogadva és küldve) működhet, részletesebben a weboldalon.

Ha a Logstash-ban a lánc input → filter → output, akkor a Vector-ban ez sources → transforms → sina

Példákat a dokumentációban találhat.

Ez az útmutató átdolgozott változata Viacheslav Rakhinsky. Az eredeti útmutatóban geoip feldolgozás található. Tesztelés során a geoip-ból a belső hálózatból a Vector hibát adott.

Aug 05 06:25:31.889 DEBUG transform{name=nginx_parse_rename_fields type=rename_fields}: vector::transforms::rename_fields: A mező nem létezett field=«geoip.country_name» rate_limit_secs=30

Ha valakinek szükséges a geoip feldolgozása, kérjük, forduljon az eredeti útmutatáshoz Viacheslav Rakhinsky.

Beállítjuk az összekapcsolást Nginx (hozzáférési naplók) → Vector (Klient | Filebeat) → Vector (Szerver | Logstash) → külön a Clickhouse-ra és külön az Elasticsearch-ra. Négy szervert állítunk be. Három szerverrel is meg lehet oldani.

A séma körülbelül így néz ki.

Kapcsolja ki a Selinux-t az összes szerverén

sed -i 's\/^SELINUX=.*\/SELINUX=disabled\/g' \/etc\/selinux\/config
reboot

Minden szerverre telepítjük a HTTP szerver emulátort + segédprogramokat

HTTP szerver emulátorként fogjuk használni nodejs-stub-server tól Maxim Ignatenko

A Nodejs-stub-server nem tartalmaz rpm-et. Itt létrehozunk neki rpm-t. Az rpm a Fedora Copr segítségével fog elkészültni

Hozzáadjuk az antonpatsev/nodejs-stub-server tárolót

yum -y install yum-plugin-copr epel-release
yes | yum copr enable antonpatsev/nodejs-stub-server

Telepítjük a nodejs-stub-server, Apache benchmark és terminális multiplexert (screen) minden szerverre

yum -y install stub_http_server screen mc httpd-tools screen

Módosítottam a \/var\/lib\/stub_http_server\/stub_http_server.js fájlban a stub_http_server válaszidejét, hogy több napló legyen.

var max_sleep = 10;

Indítsuk el a stub_http_server-t.

systemctl start stub_http_server
systemctl enable stub_http_server

Clickhouse telepítése a harmadik szerveren

A ClickHouse SSE 4.2 utasításkészletet használ, ezért ha nincs megadva más, akkor a használt processzor támogatása további követelmény a rendszerhez. Íme a parancs a támogatás ellenőrzésére:

grep -q sse4_2 \/proc\/cpuinfo && echo "SSE 4.2 supported" || echo "SSE 4.2 not supported"

Először is, csatlakoztassa a hivatalos tárolót:

sudo yum install -y yum-utils
sudo rpm --import https:\/\/repo.clickhouse.tech\/CLICKHOUSE-KEY.GPG
sudo yum-config-manager --add-repo https:\/\/repo.clickhouse.tech\/rpm\/stable\/x86_64

A csomagok telepítéséhez a következő parancsokat kell végrehajtani:

sudo yum install -y clickhouse-server clickhouse-client

Engedélyezzük a clickhouse-server számára, hogy figyelje a hálózati kártyát a \/etc\/clickhouse-server\/config.xml fájlban

0.0.0.0

Megváltoztatjuk a naplózási szintet trace-ről debug-ra

debug

A tömörítési beállítások alapértelmezettek:

min_compress_block_size  65536
max_compress_block_size  1048576

A Zstd tömörítés aktiválásához javasolták, hogy ne nyúljunk a konfigurációhoz, inkább használjunk DDL-t.

Nem találtam, hogyan lehet zstd tömörítést alkalmazni a DDL-en keresztül a Google-ben, ezért úgy hagytam, ahogy van.

Kollegák, akik használják a zstd tömörítést a Clickhouse-ban — kérlek, osszátok meg az utasításokat.

A szerver demoként való elindításához hajtsd végre:

service clickhouse-server start

Most áttérünk a Clickhouse beállítására.

Belépünk a Clickhouse-ba.

clickhouse-client -h 172.26.10.109 -m

172.26.10.109 — az IP címe a szervernek, ahol a Clickhouse telepítve van.

Hozzuk létre a vector adatbázist.

CREATE DATABASE vector;

Ellenőrizzük, hogy megvan-e az adatbázis.

show databases;

Létrehozzuk a vector.logs táblát.

/* Это таблица где хранятся логи как есть */

CREATE TABLE vector.logs
(
    `node_name` String,
    `timestamp` DateTime,
    `server_name` String,
    `user_id` String,
    `request_full` String,
    `request_user_agent` String,
    `request_http_host` String,
    `request_uri` String,
    `request_scheme` String,
    `request_method` String,
    `request_length` UInt64,
    `request_time` Float32,
    `request_referrer` String,
    `response_status` UInt16,
    `response_body_bytes_sent` UInt64,
    `response_content_type` String,
    `remote_addr` IPv4,
    `remote_port` UInt32,
    `remote_user` String,
    `upstream_addr` IPv4,
    `upstream_port` UInt32,
    `upstream_bytes_received` UInt64,
    `upstream_bytes_sent` UInt64,
    `upstream_cache_status` String,
    `upstream_connect_time` Float32,
    `upstream_header_time` Float32,
    `upstream_response_length` UInt64,
    `upstream_response_time` Float32,
    `upstream_status` UInt16,
    `upstream_content_type` String,
    INDEX idx_http_host request_http_host TYPE set(0) GRANULARITY 1
)
ENGINE = MergeTree()
PARTITION BY toYYYYMMDD(timestamp)
ORDER BY timestamp
TTL timestamp + toIntervalMonth(1)
SETTINGS index_granularity = 8192;

Ellenőrizzük, hogy létrejöttek-e a táblák. Indítsuk el. clickhouse-client és végezzünk egy lekérdezést.

Áttérünk a vector adatbázisra.

use vector;

Ok.

0 rows in set. Elapsed: 0.001 sec.

Nézzük meg a táblákat.

show tables;

┌─name────────────────┐
│ logs                │
└─────────────────────┘

Elasticsearch telepítése a 4. szerverre az azonos adatok Elasticsearch-be történő küldéséhez a Clickhouse-szal való összehasonlítás céljából.

Adjunk hozzá egy nyilvános rpm kulcsot.

rpm --import https://artifacts.elastic.co/GPG-KEY-elasticsearch

Hozzunk létre 2 repo-t:

/etc/yum.repos.d/elasticsearch.repo

[elasticsearch]
name=Elasticsearch repository for 7.x packages
baseurl=https://artifacts.elastic.co/packages/7.x/yum
gpgcheck=1
gpgkey=https://artifacts.elastic.co/GPG-KEY-elasticsearch
enabled=0
autorefresh=1
type=rpm-md

/etc/yum.repos.d/kibana.repo

[kibana-7.x]
name=Kibana repository for 7.x packages
baseurl=https://artifacts.elastic.co/packages/7.x/yum
gpgcheck=1
gpgkey=https://artifacts.elastic.co/GPG-KEY-elasticsearch
enabled=1
autorefresh=1
type=rpm-md

Telepítjük az elasticsearch-t és a kibana-t.

yum install -y kibana elasticsearch

Mivel egy példányban lesz, a /etc/elasticsearch/elasticsearch.yml fájlba hozzá kell adni:

discovery.type: single-node

Ahhoz, hogy a vector tudjon adatokat küldeni az Elasticsearch-ba egy másik szerverről, módosítani kell a network.host-ot.

network.host: 0.0.0.0

Ahhoz, hogy csatlakozzunk a kibana-hoz, módosítani kell a server.host paramétert a /etc/kibana/kibana.yml fájlban.

server.host: "0.0.0.0"

Indítjuk és ütemezzük az elasticsearch autóindítást.

systemctl enable elasticsearch
systemctl start elasticsearch

és a kibana-t.

systemctl enable kibana
systemctl start kibana

Az Elasticsearch beállítása single-node módra 1 sharddal, 0 replika. Valószínűleg nagy mennyiségű szerverből álló klasztered lesz, ezért ezt nem kell megtenned.

A jövőbeli indexekhez frissítjük az alapértelmezett sablont:

curl -X PUT http://localhost:9200/_template/default -H 'Content-Type: application/json' -d '{"index_patterns": ["*"],"order": -1,"settings": {"number_of_shards": "1","number_of_replicas": "0"}}' 

Telepítés Vector a Logstash helyett a 2. szerveren.

yum install -y https://packages.timber.io/vector/0.9.X/vector-x86_64.rpm mc httpd-tools screen

A Vector beállítása a Logstash helyett. Szerkesszük a /etc/vector/vector.toml fájlt.

# /etc/vector/vector.toml

data_dir = "/var/lib/vector"

[sources.nginx_input_vector]
  # General
  type                          = "vector"
  address                       = "0.0.0.0:9876"
  shutdown_timeout_secs         = 30

[transforms.nginx_parse_json]
  inputs                        = [ "nginx_input_vector" ]
  type                          = "json_parser"

[transforms.nginx_parse_add_defaults]
  inputs                        = [ "nginx_parse_json" ]
  type                          = "lua"
  version                       = "2"

  hooks.process = """
  function (event, emit)

    function split_first(s, delimiter)
      result = {};
      for match in (s..delimiter):gmatch("(.-)"..delimiter) do
          table.insert(result, match);
      end
      return result[1];
    end

    function split_last(s, delimiter)
      result = {};
      for match in (s..delimiter):gmatch("(.-)"..delimiter) do
          table.insert(result, match);
      end
      return result[#result];
    end

    event.log.upstream_addr             = split_first(split_last(event.log.upstream_addr, ', '), ':')
    event.log.upstream_bytes_received   = split_last(event.log.upstream_bytes_received, ', ')
    event.log.upstream_bytes_sent       = split_last(event.log.upstream_bytes_sent, ', ')
    event.log.upstream_connect_time     = split_last(event.log.upstream_connect_time, ', ')
    event.log.upstream_header_time      = split_last(event.log.upstream_header_time, ', ')
    event.log.upstream_response_length  = split_last(event.log.upstream_response_length, ', ')
    event.log.upstream_response_time    = split_last(event.log.upstream_response_time, ', ')
    event.log.upstream_status           = split_last(event.log.upstream_status, ', ')

    if event.log.upstream_addr == "" then
        event.log.upstream_addr = "127.0.0.1"
    end

    if (event.log.upstream_bytes_received == "-" or event.log.upstream_bytes_received == "") then
        event.log.upstream_bytes_received = "0"
    end

    if (event.log.upstream_bytes_sent == "-" or event.log.upstream_bytes_sent == "") then
        event.log.upstream_bytes_sent = "0"
    end

    if event.log.upstream_cache_status == "" then
        event.log.upstream_cache_status = "DISABLED"
    end

    if (event.log.upstream_connect_time == "-" or event.log.upstream_connect_time == "") then
        event.log.upstream_connect_time = "0"
    end

    if (event.log.upstream_header_time == "-" or event.log.upstream_header_time == "") then
        event.log.upstream_header_time = "0"
    end

    if (event.log.upstream_response_length == "-" or event.log.upstream_response_length == "") then
        event.log.upstream_response_length = "0"
    end

    if (event.log.upstream_response_time == "-" or event.log.upstream_response_time == "") then
        event.log.upstream_response_time = "0"
    end

    if (event.log.upstream_status == "-" or event.log.upstream_status == "") then
        event.log.upstream_status = "0"
    end

    emit(event)

  end
  """

[transforms.nginx_parse_remove_fields]
    inputs                              = [ "nginx_parse_add_defaults" ]
    type                                = "remove_fields"
    fields                              = ["data", "file", "host", "source_type"]

[transforms.nginx_parse_coercer]

    type                                = "coercer"
    inputs                              = ["nginx_parse_remove_fields"]

    types.request_length = "int"
    types.request_time = "float"

    types.response_status = "int"
    types.response_body_bytes_sent = "int"

    types.remote_port = "int"

    types.upstream_bytes_received = "int"
    types.upstream_bytes_send = "int"
    types.upstream_connect_time = "float"
    types.upstream_header_time = "float"
    types.upstream_response_length = "int"
    types.upstream_response_time = "float"
    types.upstream_status = "int"

    types.timestamp = "timestamp"

[sinks.nginx_output_clickhouse]
    inputs   = ["nginx_parse_coercer"]
    type     = "clickhouse"

    database = "vector"
    healthcheck = true
    host = "http://172.26.10.109:8123" #  Адрес Clickhouse
    table = "logs"

    encoding.timestamp_format = "unix"

    buffer.type = "disk"
    buffer.max_size = 104900000
    buffer.when_full = "block"

    request.in_flight_limit = 20

[sinks.elasticsearch]
    type = "elasticsearch"
    inputs   = ["nginx_parse_coercer"]
    compression = "none"
    healthcheck = true
    # 172.26.10.116 - сервер где установен elasticsearch
    host = "http://172.26.10.116:9200" 
    index = "vector-%Y-%m-%d"

A transforms.nginx_parse_add_defaults szekciót ki tudod igazítani.

Mivel Vyacheslav Rakhinsky ezeket a konfigurációkat használja egy kis CDN-hez, ahol az upstream_* mezőbe több érték is érkezhet.

Például:

"upstream_addr": "128.66.0.10:443, 128.66.0.11:443, 128.66.0.12:443"
"upstream_bytes_received": "-, -, 123"
"upstream_status": "502, 502, 200"

Ha ez nem a te helyzeted, akkor ezt a szakaszt egyszerűsítheted.

Hozzuk létre a service beállításokat a systemd-hez a /etc/systemd/system/vector.service fájlban.

# /etc/systemd/system/vector.service

[Unit]
Description=Vector
After=network-online.target
Requires=network-online.target

[Service]
User=vector
Group=vector
ExecStart=/usr/bin/vector
ExecReload=/bin/kill -HUP $MAINPID
Restart=no
StandardOutput=syslog
StandardError=syslog
SyslogIdentifier=vector

[Install]
WantedBy=multi-user.target

A táblák létrehozása után elindíthatjuk a Vectort.

systemctl enable vector
systemctl start vector

A vector naplóit így lehet megtekinteni:

journalctl -f -u vector

A naplókban ilyen bejegyzéseknek kell lenniük:

INFO vector::topology::builder: Healthcheck: Sikeres.
INFO vector::topology::builder: Healthcheck: Sikeres.

A kliensen (Web server) — 1. szerver.

A nginx szerveren le kell tiltani az ipv6-ot, mivel a logs táblában a clickhouse-ban a következő mezőt használják: upstream_addr IPv4, mivel nem használok ipv6-ot a hálózaton belül. Ha az ipv6-ot nem kapcsolják ki, hibák léphetnek fel:

DB::Exception: Érvénytelen IPv4 érték.: (az upstream_addr kulcs értékének olvasása közben)

Lehetséges, hogy a jövőbeli felhasználók igénylik az ipv6 támogatást.

Hozzunk létre egy fájlt a /etc/sysctl.d/98-disable-ipv6.conf helyen.

net.ipv6.conf.all.disable_ipv6 = 1
net.ipv6.conf.default.disable_ipv6 = 1
net.ipv6.conf.lo.disable_ipv6 = 1

Alkalmazzuk a beállításokat.

sysctl --system

Telepítsük az nginx-t.

Hozzáadott nginx repository fájl a /etc/yum.repos.d/nginx.repo helyre.

[nginx-stable]
name=nginx stable repo
baseurl=http://nginx.org/packages/centos/$releasever/$basearch/
gpgcheck=1
enabled=1
gpgkey=https://nginx.org/keys/nginx_signing.key
module_hotfixes=true

Telepítsük az nginx csomagot.

yum install -y nginx

Először be kell állítanunk a naplóformátumot az Nginx-ben a /etc/nginx/nginx.conf fájlban.

user  nginx;
# A CPU magok bázisán kell beállítani a worker folyamatokat, az nginx nem nyer a beállításokkal, ha túllépik ezt
worker_processes auto; # néhány újabb verzió automatikusan kiszámítja

# az nginx által használt fájl deszkriptorok száma
# a maximális FD-k limitje általában az OS által van beállítva.
# ha nem állítja be az FD-ket, akkor az OS beállításokat használja, ami alapértelmezetten 2000
worker_rlimit_nofile 100000;

error_log  \/var\/log\/nginx\/error.log warn;
pid        \/var\/run\/nginx.pid;

# megadja a konfigurációs fájl kontextusát, amelyben a kapcsolató feldolgozására vonatkozó direktívák vannak megadva.
events {
    # meghatározza, hogy hány ügyfelet szolgálnak ki munkafolyamatonként
    # max ügyfél = worker_connections * worker_processes
    # a max ügyfelet a rendszerben elérhető socket kapcsolatok száma is korlátozza (~64k)
    worker_connections 4000;

    # optimalizálva, hogy sok ügyfelet szolgáljon ki minden egyes szál, alapvető linux esetén -- tesztkörnyezethez
    use epoll;

    # fogadja el a lehető legtöbb kapcsolatot, túl alacsony beállítás esetén eláraszthatja a munkapontokat -- tesztkörnyezethez
    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;      # Új log json formátumban

    sendfile        on;
    #tcp_nopush     on;

    keepalive_timeout  65;

    #gzip  on;

    include \/etc\/nginx\/conf.d\/*.conf;
}

Annak érdekében, hogy ne sértsük meg a jelenlegi konfigurációt, az Nginx lehetővé teszi, hogy több access_log direktívát használjunk.

access_log  \/var\/log\/nginx\/access.log  main;            # Szabványos log
access_log  \/var\/log\/nginx\/access.json.log vector;      # Új log json formátumban

Ne feledje, hogy hozzá kell adnunk egy szabályt a logrotate-hoz az új logokhoz (ha a log fájl nem .log végződésű).

Távolítsuk el a default.conf fájlt a \/etc\/nginx\/conf.d\/ könyvtárból.

rm -f \/etc\/nginx\/conf.d\/default.conf

Hozzáadunk egy virtuális hostot a \/etc\/nginx\/conf.d\/vhost1.conf fájlhoz.

server {
    listen 80;
    server_name vhost1;
    location \/ {
        proxy_pass http:\/\/172.26.10.106:8080;
    }
}

Hozzáadunk egy virtuális hostot /etc/nginx/conf.d/vhost2.conf

server {
    listen 80;
    server_name vhost2;
    location / {
        proxy_pass http://172.26.10.108:8080;
    }
}

Hozzáadunk egy virtuális hostot /etc/nginx/conf.d/vhost3.conf

server {
    listen 80;
    server_name vhost3;
    location / {
        proxy_pass http://172.26.10.109:8080;
    }
}

Hozzáadunk egy virtuális hostot /etc/nginx/conf.d/vhost4.conf

server {
    listen 80;
    server_name vhost4;
    location / {
        proxy_pass http://172.26.10.116:8080;
    }
}

Hozzáadjuk a virtuális hostokat a /etc/hosts fájlhoz (172.26.10.106 az nginx-nek otthont adó szerver IP címe) minden szerverhez:

172.26.10.106 vhost1
172.26.10.106 vhost2
172.26.10.106 vhost3
172.26.10.106 vhost4

És ha minden kész, akkor

nginx -t 
systemctl restart nginx

Most telepítjük a programot Vector

yum install -y https://packages.timber.io/vector/0.9.X/vector-x86_64.rpm

Hozzáfogunk egy beállítási fájl létrehozásához systemd-hez /etc/systemd/system/vector.service

[Unit]
Description=Vector
After=network-online.target
Requires=network-online.target

[Service]
User=vector
Group=vector
ExecStart=/usr/bin/vector
ExecReload=/bin/kill -HUP $MAINPID
Restart=no
StandardOutput=syslog
StandardError=syslog
SyslogIdentifier=vector

[Install]
WantedBy=multi-user.target

És beállítjuk a Filebeat helyettesítését a /etc/vector/vector.toml konfigurációban. Az IP cím 172.26.10.108 a log szerver (Vector-Server) IP címe

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"

Ne felejtsd el hozzáadni a vector felhasználót a megfelelő csoporthoz, hogy hozzáférhessen a log fájlokhoz. Például az nginx Centos alatt adm jogú csoportban hozza létre a logokat.

usermod -a -G adm vector

Indítsuk el a vector szolgáltatást

systemctl enable vector
systemctl start vector

A vector naplóit így lehet megtekinteni:

journalctl -f -u vector

A logokban ennek a bejegyzésnek kell lennie

INFO vector::topology::builder: Healthcheck: Passed.

Terheléses tesztelés

A tesztet Apache benchmark segítségével végezzük.

Minden szerverre telepítve lett a httpd-tools csomag

Tesztelés Apache benchmark segítségével 4 különböző szerverről a screen-ben. Először indítsuk el a terminális multiplexert, majd végezzük el a tesztelést az Apache benchmark segítségével. A screen használatáról itt található információ: a Spotify döntéshozatali módszertanáról. Egyre több felhasználó preferálja a zenehallgatást mobilon a streaming szolgáltatásban, de a cégnél túlnyomórészt webprogramozók dolgoznak. A Spotify elemezte ezt a helyzetet, és úgy döntött, hogy több mobilfejlesztőt vesz fel, valamint átnevezi a webes szakembereket új irányba:.

Az 1. szerverről

while true; do ab -H "User-Agent: 1server" -c 100 -n 10 -t 10 http://vhost1/; sleep 1; done

A 2. szerverről

while true; do ab -H "User-Agent: 2server" -c 100 -n 10 -t 10 http://vhost2/; sleep 1; done

A 3. szerverről

while true; do ab -H "User-Agent: 3server" -c 100 -n 10 -t 10 http://vhost3/; sleep 1; done

A 4. szerverről

while true; do ab -H "User-Agent: 4server" -c 100 -n 10 -t 10 http://vhost4/; sleep 1; done

Ellenőrizzük az adatokat a Clickhouse-ban

Belépünk a Clickhouse-ba.

clickhouse-client -h 172.26.10.109 -m

SQL lekérdezést végzünk

SELECT * FROM vector.logs;

┌─node_name────┬───────────timestamp─┬─server_name─┬─user_id─┬─request_full───┬─request_user_agent─┬─request_http_host─┬─request_uri─┬─request_scheme─┬─request_method─┬─request_length─┬─request_time─┬─request_referrer─┬─response_status─┬─response_body_bytes_sent─┬─response_content_type─┬───remote_addr─┬─remote_port─┬─remote_user─┬─upstream_addr─┬─upstream_port─┬─upstream_bytes_received─┬─upstream_bytes_sent─┬─upstream_cache_status─┬─upstream_connect_time─┬─upstream_header_time─┬─upstream_response_length─┬─upstream_response_time─┬─upstream_status─┬─upstream_content_type─┐
│ nginx-vector │ 2020-08-07 04:32:42 │ vhost1      │         │ GET \/ HTTP\/1.0 │ 1server            │ vhost1            │ \/           │ http           │ GET            │             66 │        0.028 │                  │             404 │                       27 │                       │ 172.26.10.106 │       45886 │             │ 172.26.10.106 │             0 │                     109 │                  97 │ DISABLED              │                     0 │                0.025 │                       27 │                  0.029 │             404 │                       │
└──────────────┴─────────────────────┴─────────────┴─────────┴────────────────┴────────────────────┴───────────────────┴─────────────┴────────────────┴────────────────┴────────────────┴──────────────┴──────────────────┴─────────────────┴──────────────────────────┴───────────────────────┴───────────────┴─────────────┴─────────────┴───────────────┴───────────────┴─────────────────────────┴─────────────────────┴───────────────────────┴───────────────────────┴──────────────────────┴──────────────────────────┴────────────────────────┴─────────────────┴───────────────────────

Tudjuk meg a Clickhouse táblák méretét

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;

Tudjunk meg mennyi helyet foglalnak a logok a Clickhouse-ban.

A logs tábla mérete 857,19 MB.

Ugyanazon adatok mérete az Elasticsearch indexében 4,5 GB.

Ha a Clickhouse-ban a vector paramétereiben nem adjuk meg, az adatok 4500/857,19 = 5,24-szer kevesebb helyet foglalnak el, mint az Elasticsearch-ben.

A vector mezőnél a tömörítés alapértelmezés szerint használatban van.

Telegram-chat a Clickhouse
Telegram-chat a Elasticsearch
Telegram-chat a "Rendszerszintű üzenetek gyűjtése és elemzése üzenetek"

Forrás: habr.com