Wysyłanie logów Nginx JSON za pomocą Vector do Clickhouse i Elasticsearch

Vector, przeznaczony do gromadzenia, przetwarzania i wysyłania danych logów, metryk i zdarzeń.

→ Podróż, którą przeszedłem, okazała się fascynującą wyprawą w przeszłość i cieszę się, że w końcu znalazłem rozwiązanie. Poza tym:

Napisany w języku Rust, charakteryzuje się wysoką wydajnością i niskim zużyciem pamięci RAM w porównaniu z odpowiednikami. Ponadto szczególną uwagę zwrócono na funkcje związane z poprawnością, w szczególności możliwości przechowywania nieprzesłanych zdarzeń w buforze na dysku oraz rotacji plików.

Architektonicznie Vector jest routerem zdarzeń, przyjmującym wiadomości z jednego lub kilku źródeł, ewentualnie stosującym na tych wiadomościach przetworzenia, i wysyłającym je do jednego lub kilku ujść.

Vector to zamiennik filebeat i logstash, może pełnić obie role (odbierać i wysyłać logi), szczegóły znajdziesz na ich stronie.

Jeśli w Logstash łańcuch jest budowany jako input → filter → output, to w Vector wygląda to tak sources → transforms → ujścia

Przykłady można zobaczyć w dokumentacji.

Ta instrukcja to przerobiona instrukcja od Wiaczesława Rachinskiego. W oryginalnej instrukcji jest przetwarzanie geoip. Podczas testowania geoip z sieci wewnętrznej, vector zwracał błąd.

Aug 05 06:25:31.889 DEBUG transform{name=nginx_parse_rename_fields type=rename_fields}: vector::transforms::rename_fields: Pole nie istniało pole=«geoip.country_name» rate_limit_secs=30

Jeśli ktoś potrzebuje przetwarzać geoip, to proszę o kontakt w oryginalnej instrukcji od Wiaczesława Rachinskiego.

Będziemy konfigurować połączenie Nginx (logi dostępu) → Vector (Klient | Filebeat) → Vector (Serwer | Logstash) → osobno w Clickhouse i osobno w Elasticsearch. Zainstalujemy 4 serwery. Choć można to zrobić na 3 serwerach.

Schemat wygląda mniej więcej tak.

Wyłączamy Selinux na wszystkich serwerach

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

Na wszystkie serwery instalujemy emulator serwera HTTP + narzędzia

Jako emulator serwera HTTP użyjemy nodejs-stub-server od Maxim Ignatenko

Nodejs-stub-server nie ma rpm. Tutaj tworzymy dla niego rpm. Kompilujemy rpm za pomocą Fedora Copr

Dodajemy repozytorium antonpatsev/nodejs-stub-server

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

Instalujemy nodejs-stub-server, Apache benchmark oraz multiplexer terminala screen na wszystkich serwerach

yum -y install stub_http_server screen mc httpd-tools screen

Poprawiłem w pliku /var/lib/stub_http_server/stub_http_server.js czas odpowiedzi stub_http_server, aby było więcej logów.

var max_sleep = 10;

Uruchomimy stub_http_server.

systemctl start stub_http_server
systemctl enable stub_http_server

Instalacja Clickhouse na 3 serwerze

ClickHouse wykorzystuje zestaw instrukcji SSE 4.2, dlatego, jeśli nie określono inaczej, jego wsparcie w używanym procesorze staje się dodatkowym wymaganiem systemowym. Oto polecenie, aby sprawdzić, czy aktualny procesor obsługuje SSE 4.2:

grep -q sse4_2 /proc/cpuinfo && echo "SSE 4.2 obsługiwane" || echo "SSE 4.2 nie jest obsługiwane"

Najpierw musisz dodać oficjalne repozytorium:

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

Aby zainstalować pakiety, należy wykonać następujące polecenia:

sudo yum install -y clickhouse-server clickhouse-client

Ze zezwoleniem clickhouse-server na nasłuchiwanie na interfejsie sieciowym w pliku /etc/clickhouse-server/config.xml

0.0.0.0

Zmiana poziomu logowania z trace na debug

debug

Ustawienia kompresji standardowe:

min_compress_block_size  65536
max_compress_block_size  1048576

Aby aktywować kompresję Zstd, nie zaleca się zmiany konfiguracji, lepiej stosować DDL.

Nie znalazłem w Google, jak zastosować kompresję zstd przez DDL. Dlatego zostawiłem tak, jak jest.

Koledzy, kto używa kompresji zstd w Clickhouse - podzielcie się proszę instrukcjami.

Aby uruchomić serwer jako demona, wykonaj:

service clickhouse-server start

Teraz przejdźmy do konfiguracji Clickhouse

Wchodzimy do Clickhouse

clickhouse-client -h 172.26.10.109 -m

172.26.10.109 — adres IP serwera, na którym zainstalowano Clickhouse.

Utwórzmy bazę danych vector

CREATE DATABASE vector;

Sprawdźmy, czy baza danych istnieje.

show databases;

Tworzymy tabelę vector.logs.

/* 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;

Sprawdzamy, czy tabele zostały utworzone. Uruchamiamy clickhouse-client i wykonujemy zapytanie.

Przechodzimy do bazy danych vector.

use vector;

Ok.

0 rows in set. Elapsed: 0.001 sec.

Patrzymy na tabele.

show tables;

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

Instalacja elasticsearch na 4. serwerze w celu wysyłania tych samych danych do Elasticsearch w celu porównania z Clickhouse

Dodajemy publiczny klucz rpm

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

Tworzymy 2 repozytoria:

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

[elasticsearch]
name=Repozytorium Elasticsearch dla pakietów 7.x
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=Repozytorium Kibana dla pakietów 7.x
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

Zainstalujmy elasticsearch i kibana

yum install -y kibana elasticsearch

Ponieważ będzie w 1 egzemplarzu, w pliku /etc/elasticsearch/elasticsearch.yml należy dodać:

discovery.type: single-node

Aby vector mógł wysyłać dane do elasticsearch z innego serwera, zmieńmy network.host.

network.host: 0.0.0.0

Aby połączyć się z kibana, zmieńmy parametr server.host w pliku /etc/kibana/kibana.yml

server.host: "0.0.0.0"

Uruchamiamy i aktywujemy autostart elasticsearch

systemctl enable elasticsearch
systemctl start elasticsearch

i kibana

systemctl enable kibana
systemctl start kibana

Konfiguracja Elasticsearch dla trybu single-node 1 shard, 0 replica. Najprawdopodobniej będziecie mieli klaster z dużą ilością serwerów i nie musicie tego robić.

Aktualizujemy domyślny szablon dla przyszłych indeksów:

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"}}' 

Instalacja Vector jako zamiennik Logstash na 2 serwerze

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

Skonfigurujemy Vector jako zamiennik Logstash. Edytujemy plik /etc/vector/vector.toml

# /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"

Możesz dostosować sekcję transforms.nginx_parse_add_defaults.

Ponieważ Wiaczesław Rachinski używa tych konfiguracji dla małego CDN i tam w upstream_* mogą przychodzić różne wartości

Na przykład:

"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"

Jeśli to nie jest Twoja sytuacja, to tę sekcję można uprościć

Utworzymy ustawienia usługi dla systemd /etc/systemd/system/vector.service

# /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

Po utworzeniu tabel można uruchomić Vector

systemctl enable vector
systemctl start vector

Logi vector można zobaczyć w ten sposób

journalctl -f -u vector

W logach powinny być takie wpisy

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

Na kliencie (serwerze WWW) — 1. serwer

Na serwerze z nginx należy wyłączyć ipv6, ponieważ w tabeli logs w clickhouse używane jest pole upstream_addr IPv4, ponieważ nie używam ipv6 wewnątrz sieci. Jeśli ipv6 nie zostanie wyłączone, pojawią się błędy:

DB::Exception: Invalid IPv4 value.: (while read the value of key upstream_addr)

Możliwe, że czytelnicy dodadzą wsparcie dla ipv6.

Utwórz plik /etc/sysctl.d/98-disable-ipv6.conf

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

Zastosuj ustawienia

sysctl --system

Zainstalujemy nginx.

Dodano plik repozytorium nginx /etc/yum.repos.d/nginx.repo

[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

Zainstalujemy pakiet nginx

yum install -y nginx

Na początek musimy skonfigurować format logów w Nginx w pliku /etc/nginx/nginx.conf

użytkownik  nginx;
# musisz ustawić liczba procesów roboczych w zależności od rdzeni CPU, nginx nie korzysta z ustawienia większej liczby niż to
worker_processes auto; # niektóre ostatnie wersje obliczają to automatycznie

# liczba deskryptorów plików używanych przez nginx
# limit maksymalnych FD na serwerze jest zazwyczaj ustawiany przez system operacyjny.
# jeśli nie ustawisz FD, używane będą ustawienia systemu, które domyślnie wynoszą 2000
worker_rlimit_nofile 100000;

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

# dostarcza kontekst pliku konfiguracyjnego, w którym określone są dyrektywy wpływające na przetwarzanie połączeń.
events {
    # określa, ilu klientów może obsłużyć każdy proces roboczy
    # maksymalni klienci = worker_connections * worker_processes
    # maksymalni klienci są również ograniczeni przez liczbę dostępnych połączeń gniazdowych w systemie (~64k)
    worker_connections 4000;

    # zoptymalizowany do obsługi wielu klientów na każdym wątku, niezbędny dla linuxa -- do środowiska testowego
    use epoll;

    # akceptuje tyle połączeń, ile to możliwe, może zalać połączenia robocze, jeśli ustawione zbyt nisko -- do środowiska testowego
    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;      # Nowy log w formacie json

    sendfile        on;
    #tcp_nopush     on;

    keepalive_timeout  65;

    #gzip  on;

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

Aby nie uszkodzić twojej obecnej konfiguracji, Nginx pozwala na posiadanie kilku dyrektyw access_log

access_log  /var/log/nginx/access.log  main;            # Standardowy log
access_log  /var/log/nginx/access.json.log vector;      # Nowy log w formacie json

Nie zapomnij dodać zasady w logrotate dla nowych logów (jeśli plik logu nie kończy się na .log)

Usuwamy default.conf z /etc/nginx/conf.d/

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

Dodajemy wirtualny host /etc/nginx/conf.d/vhost1.conf

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

Dodajemy wirtualny host na /etc/nginx/conf.d/vhost2.conf

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

Dodajemy wirtualny host na /etc/nginx/conf.d/vhost3.conf

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

Dodajemy wirtualny host na /etc/nginx/conf.d/vhost4.conf

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

Dodajemy w pliku /etc/hosts wirtualne hosty (172.26.10.106 to adres IP serwera, na którym zainstalowano nginx) dla wszystkich serwerów:

172.26.10.106 vhost1
172.26.10.106 vhost2
172.26.10.106 vhost3
172.26.10.106 vhost4

I jeśli wszystko jest gotowe, to

nginx -t 
systemctl restart nginx

Teraz zainstalujemy sam Vector

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

Utworzymy plik konfiguracyjny dla systemd w /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

I skonfigurujemy zastąpienie Filebeat w pliku konfiguracyjnym /etc/vector/vector.toml. Adres IP 172.26.10.108 to adres IP serwera logów (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"

Nie zapomnij dodać użytkownika vector do odpowiedniej grupy, aby mógł odczytywać pliki logów. Na przykład, nginx w centos tworzy logi z uprawnieniami grupy adm.

usermod -a -G adm vector

Uruchomimy usługę vector

systemctl enable vector
systemctl start vector

Logi vector można zobaczyć w ten sposób

journalctl -f -u vector

W logach powinna być taka wpis

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

Testowanie obciążenia

Testowanie przeprowadzamy za pomocą Apache benchmark.

Na wszystkie serwery został zainstalowany pakiet httpd-tools

Rozpoczynamy testowanie za pomocą Apache benchmark z 4 różnych serwerów w screen. Najpierw uruchamiamy terminalowy multiplexer screen, a potem uruchamiamy testowanie za pomocą Apache benchmark. Jak pracować z screenem, możesz znaleźć w artykuł.

Z 1. serwera

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

Z 2. serwera

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

Z 3. serwera

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

Z 4. serwera

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

Sprawdzimy dane w Clickhouse

Wchodzimy do Clickhouse

clickhouse-client -h 172.26.10.109 -m

Wykonujemy zapytanie SQL

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 │                       │
└──────────────┴─────────────────────┴─────────────┴─────────┴────────────────┴────────────────────┴───────────────────┴─────────────┴────────────────┴────────────────┴────────────────┴──────────────┴──────────────────┴─────────────────┴──────────────────────────┴───────────────────────┴───────────────┴─────────────┴─────────────┴───────────────┴───────────────┴─────────────────────────┴─────────────────────┴───────────────────────┴───────────────────────┴──────────────────────┴──────────────────────────┴────────────────────────┴─────────────────┴───────────────────────

Poznajmy rozmiar tabel w Clickhouse

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;

Dowiedzmy się, ile miejsca zajmują logi w Clickhouse.

Rozmiar tabeli logs wynosi 857.19 MB.

Rozmiar tych samych danych w indeksie w Elasticsearch wynosi 4,5 GB.

Jeśli w parametrach vector nie określisz, dane w Clickhouse zajmują 4500/857,19 = 5,24 razy mniej niż w Elasticsearch.

W polu vector kompresja jest używana domyślnie.

Czat na Telegramie dotyczący Clickhouse
Czat na Telegramie dotyczący Elasticsearch
Czat na Telegramie dotyczący "Zbieranie i analiza systemowych wiadomości"

Źródło: habr.com