వెక్టర్‌ని ఉపయోగించి Nginx json లాగ్‌లను క్లిక్‌హౌస్ మరియు ఎలాస్టిక్‌సెర్చ్‌కి పంపుతోంది

వెక్టర్, లాగ్ డేటా, కొలమానాలు మరియు ఈవెంట్‌లను సేకరించడానికి, మార్చడానికి మరియు పంపడానికి రూపొందించబడింది.

→ Github

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

HTTP సర్వర్ ఎమ్యులేటర్‌గా మేము ఉపయోగిస్తాము nodejs-stub-server от మాగ్జిమ్ ఇగ్నాటెంకో

Nodejs-stub-serverకి rpm లేదు. ఇది దాని కోసం rpm సృష్టించండి. rpm ఉపయోగించి నిర్మించబడుతుంది ఫెడోరా Copr

రిపోజిటరీ antonpatsev/nodejs-stub-serverని జోడించండి

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

అన్ని సర్వర్‌లలో nodejs-stub-server, Apache బెంచ్‌మార్క్ మరియు స్క్రీన్ టెర్మినల్ మల్టీప్లెక్సర్‌ని ఇన్‌స్టాల్ చేయండి

yum -y install stub_http_server screen mc httpd-tools screen

నేను /var/lib/stub_http_server/stub_http_server.js ఫైల్‌లో stub_http_server ప్రతిస్పందన సమయాన్ని సరి చేసాను, తద్వారా మరిన్ని లాగ్‌లు ఉన్నాయి.

var max_sleep = 10;

Запустим stub_http_server.

systemctl start stub_http_server
systemctl enable stub_http_server

క్లిక్‌హౌస్ ఇన్‌స్టాలేషన్ సర్వర్‌లో 3

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:

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

ముందుగా మీరు అధికారిక రిపోజిటరీని కనెక్ట్ చేయాలి:

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

ప్యాకేజీలను ఇన్‌స్టాల్ చేయడానికి మీరు కింది ఆదేశాలను అమలు చేయాలి:

sudo yum install -y clickhouse-server clickhouse-client

Разрешаем clickhouse-server слушать сетевую карту в файле /etc/clickhouse-server/config.xml

<listen_host>0.0.0.0</listen_host>

లాగింగ్ స్థాయిని ట్రేస్ నుండి డీబగ్‌కి మార్చడం

డీబగ్

ప్రామాణిక కుదింపు సెట్టింగ్‌లు:

min_compress_block_size  65536
max_compress_block_size  1048576

Zstd కంప్రెషన్‌ను సక్రియం చేయడానికి, కాన్ఫిగరేషన్‌ను తాకవద్దని, బదులుగా DDLని ఉపయోగించమని సూచించబడింది.

నేను Googleలో DDL ద్వారా zstd కంప్రెషన్‌ని ఎలా ఉపయోగించాలో కనుగొనలేకపోయాను. అందుకని అలాగే వదిలేసాను.

క్లిక్‌హౌస్‌లో zstd కంప్రెషన్‌ని ఉపయోగించే సహోద్యోగులు, దయచేసి సూచనలను భాగస్వామ్యం చేయండి.

సర్వర్‌ను డెమోన్‌గా ప్రారంభించడానికి, అమలు చేయండి:

service clickhouse-server start

Теперь перейдем к настройке Clickhouse

క్లిక్‌హౌస్‌కి వెళ్లండి

clickhouse-client -h 172.26.10.109 -m

172.26.10.109 — క్లిక్‌హౌస్ ఇన్‌స్టాల్ చేయబడిన సర్వర్ యొక్క IP.

వెక్టార్ డేటాబేస్‌ని క్రియేట్ చేద్దాం

CREATE DATABASE vector;

డేటాబేస్ ఉందో లేదో తనిఖీ చేద్దాం.

show databases;

vector.logs పట్టికను సృష్టించండి.

/* 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;

మేము పట్టికలు సృష్టించబడ్డాయో లేదో తనిఖీ చేస్తాము. లాంచ్ చేద్దాం clickhouse-client మరియు అభ్యర్థన చేయండి.

వెక్టార్ డేటాబేస్‌కి వెళ్దాం.

use vector;

Ok.

0 rows in set. Elapsed: 0.001 sec.

పట్టికలు చూద్దాం.

show tables;

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

క్లిక్‌హౌస్‌తో పోల్చడం కోసం అదే డేటాను సాగే శోధనకు పంపడానికి 4వ సర్వర్‌లో సాగే శోధనను ఇన్‌స్టాల్ చేస్తోంది

పబ్లిక్ rpm కీని జోడించండి

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

2 రెపోలను సృష్టిద్దాం:

/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

సాగే శోధన మరియు కిబానాను ఇన్‌స్టాల్ చేయండి

yum install -y kibana elasticsearch

ఇది 1 కాపీలో ఉంటుంది కాబట్టి, మీరు క్రింది వాటిని /etc/elasticsearch/elasticsearch.yml ఫైల్‌కి జోడించాలి:

discovery.type: single-node

కాబట్టి వెక్టార్ మరొక సర్వర్ నుండి సాగే శోధనకు డేటాను పంపగలదు, నెట్‌వర్క్.హోస్ట్‌ని మారుద్దాం.

network.host: 0.0.0.0

కిబానాకు కనెక్ట్ చేయడానికి, /etc/kibana/kibana.yml ఫైల్‌లో server.host పరామితిని మార్చండి

server.host: "0.0.0.0"

పాతది మరియు ఆటోస్టార్ట్‌లో సాగే శోధనను చేర్చండి

systemctl enable elasticsearch
systemctl start elasticsearch

и kibana

systemctl enable kibana
systemctl start kibana

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:

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"}}' 

సెట్టింగ్ వెక్టర్ как замену Logstash на 2 сервере

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

లాగ్‌స్టాష్‌కి ప్రత్యామ్నాయంగా వెక్టర్‌ని సెటప్ చేద్దాం. ఫైల్ /etc/vector/vector.tomlని సవరించడం

# /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"

మీరు transforms.nginx_parse_add_defaults విభాగాన్ని సర్దుబాటు చేయవచ్చు.

నుండి వ్యాచెస్లావ్ రాఖిన్స్కీ చిన్న CDN కోసం ఈ కాన్ఫిగర్‌లను ఉపయోగిస్తుంది మరియు అప్‌స్ట్రీమ్‌లో అనేక విలువలు ఉండవచ్చు_*

ఉదాహరణకు:

"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"

Если это не ваша ситуация то эту секцию можно упростить

systemd /etc/systemd/system/vector.service కోసం సర్వీస్ సెట్టింగ్‌లను క్రియేట్ చేద్దాం

# /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

После создания таблиц можно запускать Vector

systemctl enable vector
systemctl start vector

వెక్టర్ లాగ్‌లను ఇలా చూడవచ్చు:

journalctl -f -u vector

లాగ్‌లలో ఇలాంటి ఎంట్రీలు ఉండాలి

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)

బహుశా పాఠకులు, ipv6 మద్దతును జోడించండి.

Создаем файл /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

సెట్టింగ్‌లను వర్తింపజేస్తోంది

sysctl --system

nginxని ఇన్‌స్టాల్ చేద్దాం.

nginx రిపోజిటరీ ఫైల్ జోడించబడింది /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

nginx ప్యాకేజీని ఇన్‌స్టాల్ చేయండి

yum install -y nginx

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

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

వర్చువల్ హోస్ట్ /etc/nginx/conf.d/vhost1.conf జోడించండి

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

వర్చువల్ హోస్ట్ /etc/nginx/conf.d/vhost2.conf జోడించండి

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

వర్చువల్ హోస్ట్ /etc/nginx/conf.d/vhost3.conf జోడించండి

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

వర్చువల్ హోస్ట్ /etc/nginx/conf.d/vhost4.conf జోడించండి

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

/etc/hosts ఫైల్‌కు అన్ని సర్వర్‌లకు వర్చువల్ హోస్ట్‌లను (nginx ఇన్‌స్టాల్ చేయబడిన సర్వర్ యొక్క 172.26.10.106 ip) జోడించండి:

172.26.10.106 vhost1
172.26.10.106 vhost2
172.26.10.106 vhost3
172.26.10.106 vhost4

మరియు ప్రతిదీ సిద్ధంగా ఉంటే

nginx -t 
systemctl restart nginx

ఇప్పుడు మనమే ఇన్‌స్టాల్ చేద్దాం వెక్టర్

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

Создадим фаил настроек для systemd /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

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

Проверим данные в Clickhouse

క్లిక్‌హౌస్‌కి వెళ్లండి

clickhouse-client -h 172.26.10.109 -m

SQL ప్రశ్నను తయారు చేస్తోంది

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

Узнаем размер таблиц в 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;

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.

ద్వారా టెలిగ్రామ్ చాట్ క్లిక్‌హౌస్
ద్వారా టెలిగ్రామ్ చాట్ Elasticsearch
Телеграм-чат по "వ్యవస్థ యొక్క సేకరణ మరియు విశ్లేషణ సందేశాలు"

మూలం: www.habr.com