రస్ట్ భాషలో వ్రాయబడినందున, దాని అనలాగ్లతో పోలిస్తే ఇది అధిక పనితీరు మరియు తక్కువ RAM వినియోగం ద్వారా వర్గీకరించబడుతుంది. అదనంగా, కచ్చితత్వానికి సంబంధించిన విధులకు చాలా శ్రద్ధ చెల్లించబడుతుంది, ప్రత్యేకించి, డిస్క్లోని బఫర్కు పంపని ఈవెంట్లను సేవ్ చేసే సామర్థ్యం మరియు ఫైళ్లను తిప్పడం.
నిర్మాణపరంగా, వెక్టర్ అనేది ఒకటి లేదా అంతకంటే ఎక్కువ మంది నుండి సందేశాలను స్వీకరించే ఈవెంట్ రూటర్ మూలాలు, ఐచ్ఛికంగా ఈ సందేశాలపై వర్తింపజేయడం రూపాంతరాలు, మరియు వాటిని ఒకటి లేదా అంతకంటే ఎక్కువ మందికి పంపడం కాలువలు.
వెక్టర్ అనేది ఫైల్బీట్ మరియు లాగ్స్టాష్లకు ప్రత్యామ్నాయం, ఇది రెండు పాత్రలలో పని చేయగలదు (లాగ్లను స్వీకరించడం మరియు పంపడం), వాటిపై మరిన్ని వివరాలు వెబ్సైట్.
Если в Logstash цепочка строится как input → filter → output то в Vector это వర్గాలు → పరివర్తనాల → సింక్లు
ఉదాహరణలు డాక్యుమెంటేషన్లో చూడవచ్చు.
ఈ సూచన నుండి సవరించబడిన సూచన వ్యాచెస్లావ్ రాఖిన్స్కీ. అసలు సూచనలలో జియోప్ ప్రాసెసింగ్ ఉంటుంది. అంతర్గత నెట్వర్క్ నుండి జియోప్ని పరీక్షిస్తున్నప్పుడు, వెక్టార్ లోపం ఇచ్చింది.
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
Если кому-то нужно обрабатывать geoip, то обратитесь ко оригинальной инструкции от వ్యాచెస్లావ్ రాఖిన్స్కీ.
మేము Nginx (యాక్సెస్ లాగ్లు) → వెక్టర్ (క్లయింట్ | ఫైల్బీట్) → వెక్టర్ (సర్వర్ | లాగ్స్టాష్) → కలయికను క్లిక్హౌస్లో విడిగా మరియు విడిగా సాగే శోధనలో కాన్ఫిగర్ చేస్తాము. మేము 4 సర్వర్లను ఇన్స్టాల్ చేస్తాము. మీరు దీన్ని 3 సర్వర్లతో దాటవేయవచ్చు.
Схема примерно такая.
Выключаем Selinux на всех ваших серверах
sed -i 's/^SELINUX=.*/SELINUX=disabled/g' /etc/selinux/config
reboot
మేము అన్ని సర్వర్లలో HTTP సర్వర్ ఎమ్యులేటర్ + యుటిలిటీలను ఇన్స్టాల్ చేస్తాము
ClickHouse SSE 4.2 ఇన్స్ట్రక్షన్ సెట్ను ఉపయోగిస్తుంది, కనుక పేర్కొనకపోతే, ఉపయోగించిన ప్రాసెసర్లో దానికి మద్దతు అదనపు సిస్టమ్ అవసరం అవుతుంది. ప్రస్తుత ప్రాసెసర్ SSE 4.2కి మద్దతిస్తుందో లేదో తనిఖీ చేయడానికి ఇక్కడ ఆదేశం ఉంది:
సింగిల్-నోడ్ మోడ్ 1 షార్డ్, 0 రెప్లికా కోసం సాగే శోధనను కాన్ఫిగర్ చేస్తోంది. చాలా మటుకు మీరు పెద్ద సంఖ్యలో సర్వర్ల క్లస్టర్ను కలిగి ఉంటారు మరియు మీరు దీన్ని చేయవలసిన అవసరం లేదు.
భవిష్యత్ సూచికల కోసం, డిఫాల్ట్ టెంప్లేట్ను నవీకరించండి:
INFO vector::topology::builder: Healthcheck: Passed.
INFO vector::topology::builder: Healthcheck: Passed.
క్లయింట్లో (వెబ్ సర్వర్) - 1వ సర్వర్
nginxతో ఉన్న సర్వర్లో, క్లిక్హౌస్లోని లాగ్ల పట్టిక ఫీల్డ్ను ఉపయోగిస్తుంది కాబట్టి మీరు ipv6ని నిలిపివేయాలి. upstream_addr IPv4, ఎందుకంటే నేను నెట్వర్క్లో ipv6ని ఉపయోగించను. ipv6 ఆఫ్ చేయకపోతే, లోపాలు ఏర్పడతాయి:
DB::Exception: Invalid IPv4 value.: (while read the value of key upstream_addr)
ముందుగా, మేము /etc/nginx/nginx.conf ఫైల్లో Nginxలో లాగ్ ఆకృతిని కాన్ఫిగర్ చేయాలి.
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;
}
మీ ప్రస్తుత కాన్ఫిగరేషన్ను విచ్ఛిన్నం చేయకుండా ఉండటానికి, Nginx మిమ్మల్ని అనేక యాక్సెస్_లాగ్ డైరెక్టివ్లను కలిగి ఉండటానికి అనుమతిస్తుంది
access_log /var/log/nginx/access.log main; # Стандартный лог
access_log /var/log/nginx/access.json.log vector; # Новый лог в формате json
కొత్త లాగ్ల కోసం లాగ్రోటేట్ చేయడానికి ఒక నియమాన్ని జోడించడం మర్చిపోవద్దు (లాగ్ ఫైల్ .logతో ముగియకపోతే)
/etc/nginx/conf.d/ నుండి default.confని తీసివేయండి
మరియు ఫైల్బీట్ భర్తీని /etc/vector/vector.toml కాన్ఫిగర్లో కాన్ఫిగర్ చేయండి. IP చిరునామా 172.26.10.108 అనేది లాగ్ సర్వర్ (వెక్టర్-సర్వర్) యొక్క IP చిరునామా.
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"
వెక్టార్ వినియోగదారుని అవసరమైన సమూహానికి జోడించడం మర్చిపోవద్దు, తద్వారా అతను లాగ్ ఫైల్లను చదవగలడు. ఉదాహరణకు, centosలోని nginx adm సమూహ హక్కులతో లాగ్లను సృష్టిస్తుంది.
usermod -a -G adm vector
Запустим сервис vector
systemctl enable vector
systemctl start vector
వెక్టర్ లాగ్లను ఇలా చూడవచ్చు:
journalctl -f -u vector
లాగ్లలో ఇలాంటి ఎంట్రీ ఉండాలి
INFO vector::topology::builder: Healthcheck: Passed.
ఒత్తిడి పరీక్ష
అపాచీ బెంచ్మార్క్ ఉపయోగించి పరీక్ష జరుగుతుంది.
httpd-tools ప్యాకేజీ అన్ని సర్వర్లలో ఇన్స్టాల్ చేయబడింది
మేము స్క్రీన్లోని 4 విభిన్న సర్వర్ల నుండి అపాచీ బెంచ్మార్క్ని ఉపయోగించి పరీక్షించడం ప్రారంభిస్తాము. ముందుగా, మేము స్క్రీన్ టెర్మినల్ మల్టీప్లెక్సర్ను ప్రారంభించాము, ఆపై మేము Apache బెంచ్మార్క్ని ఉపయోగించి పరీక్షను ప్రారంభిస్తాము. స్క్రీన్తో ఎలా పని చేయాలో మీరు కనుగొనవచ్చు వ్యాసం.
C 1-го сервера
while true; do ab -H "User-Agent: 1server" -c 100 -n 10 -t 10 http://vhost1/; sleep 1; done
C 2-го сервера
while true; do ab -H "User-Agent: 2server" -c 100 -n 10 -t 10 http://vhost2/; sleep 1; done
C 3-го сервера
while true; do ab -H "User-Agent: 3server" -c 100 -n 10 -t 10 http://vhost3/; sleep 1; done
C 4-го сервера
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;
క్లిక్హౌస్లో ఎంత లాగ్లు తీసుకున్నాయో తెలుసుకుందాం.
లాగ్ల పట్టిక పరిమాణం 857.19 MB.
ఎలాస్టిక్ సెర్చ్లోని ఇండెక్స్లోని అదే డేటా పరిమాణం 4,5GB.
మీరు పారామితులలో వెక్టర్లో డేటాను పేర్కొనకపోతే, క్లిక్హౌస్ సాగే శోధన కంటే 4500/857.19 = 5.24 రెట్లు తక్కువ తీసుకుంటుంది.
వెక్టర్లో, కంప్రెషన్ ఫీల్డ్ డిఫాల్ట్గా ఉపయోగించబడుతుంది.