Будучи написаною мовою Rust, вона відрізняється високою продуктивністю та низьким споживанням оперативної пам'яті порівняно з аналогами. Крім того, велика увага приділена функціям, пов'язаним з коректністю, зокрема можливостям збереження невідправлених подій у буфер на диску та ротації файлів.
Архітектурно Vector є роутером подій, що приймає повідомлення з одного чи кількох джерел, що опціонально застосовує над цими повідомленнями перетворенняі відправляють їх в один або кілька стоків.
Vector - це заміна файлів beat і logstash, він може виступати в обох ролях (отримувати і відправляти логи), більш докладно на них сайті.
Якщо в Logstash ланцюжок будується як input → filter → output то в Vector це джерел → перетворення → мийки
Приклади можна переглянути в документації.
Ця інструкція перероблена інстукція від В'ячеслава Рахінського. В оригінальній інструкції є обробка geoip. У мене при тестуванні geoip із внутрішньої мережі, vector видавав помилку.
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
Якщо комусь потрібно обробляти geoip, зверніться до оригінальної інструкції від В'ячеслава Рахінського.
Налаштовуватимемо зв'язку Nginx (Access logs) → Vector (Client | Filebeat) → Vector (Server | Logstash) → окремо в Clickhouse і окремо Elasticsearch. Встановимо 4 сервери. Хоча можна обійти 3 серверами.
Схема приблизно така.
Вимикаємо Selinux на всіх ваших серверах
sed -i 's/^SELINUX=.*/SELINUX=disabled/g' /etc/selinux/config
reboot
На всі сервери встановлюємо емулятор HTTP сервера + утиліти
ClickHouse використовують набір інструкцій SSE 4.2, тому, якщо не вказано інше, його підтримка у процесорі, що використовується, стає додатковою вимогою до системи. Ось команда, щоб перевірити, чи підтримує поточний процесор SSE 4.2:
Налаштування Elasticsearch для 1-кодового режиму 0 shard, XNUMX replica. Швидше за все у вас буде кластер з великої кількості серверів і вам це робити не потрібно.
Для майбутніх індексів оновлюємо шаблон за промовчанням:
INFO vector::topology::builder: Healthcheck: Passed.
INFO vector::topology::builder: Healthcheck: Passed.
На клієнті (Web server) - 1-й сервер
На сервері з nginx необхідно вимкнути ipv6, тому що в таблиці logs у clickhouse використовується поле upstream_addr IPv4, тому що я не використовую ipv6 всередині мережі. Якщо ipv6 не вимкнути, то будуть помилки:
DB::Exception: Invalid IPv4 value.: (while read the value of key upstream_addr)
Для початку нам потрібно налаштувати формат логів у Nginx у файлі /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;
}
Щоб не поламати вашу поточну конфігурацію, Nginx дозволяє мати кілька директив 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
Не забудьте додати правило до logrotate для нових логів (якщо log фаїл не закінчується на .log)
І налаштуємо заміну Filebeat у конфізі /etc/vector/vector.toml. IP адреса 172.26.10.108 - це IP адреса log сервера (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"
Не забудьте додати користувача vector в необхідну групу що він міг читати log файли. Наприклад, nginx у centos створює логи з правами групи adm.
usermod -a -G adm vector
Запустимо сервіс vector
systemctl enable vector
systemctl start vector
Логи vector можна подивитись так
journalctl -f -u vector
У логах має бути такий запис
INFO vector::topology::builder: Healthcheck: Passed.
Тестування навантаження
Тестування проводимо за допомогою Apache benchmark.
На всі сервери було встановлено пакет httpd-tools
Запускаємо тестування за допомогою Apache benchmark c 4 різних серверів у screen. Спочатку запускаємо термінальний мультиплексор screen, а потім запускаємо тестування за допомогою Apache benchmark. Як працювати з screen ви можете знайти в статті.
З 1-го сервера
while true; do ab -H "User-Agent: 1server" -c 100 -n 10 -t 10 http://vhost1/; sleep 1; done
З 2-го сервера
while true; do ab -H "User-Agent: 2server" -c 100 -n 10 -t 10 http://vhost2/; sleep 1; done
З 3-го сервера
while true; do ab -H "User-Agent: 3server" -c 100 -n 10 -t 10 http://vhost3/; sleep 1; done
З 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;
Дізнаємось скільки в Clickhouse зайняли логи.
Розмір таблиці logs займає 857.19 МБ.
Розмір тих же даних в індексі в Elasticsearch займає 4,5 ГБ.
Якщо в векторі параметри не вказувати в Clickhouse дані займає в 4500/857.19 = 5.24 рази менше, ніж в Elasticsearch.
У векторному полі compression використовується за замовчуванням.