日誌收集之filebeat使用介紹

dogfei發表於2021-04-20

此係列文章一共分為三部分，分為filebeat部分，logstash部分，es部分。這裡會按照每天幾百億條的資料量來考慮，去設計、部署、優化這個日誌系統，來最大限度的利用資源，並達到一個最優的效能。本篇主要講解filebeat這一塊

介紹

版本：filebeat-7.12.0

是關於k8s的日誌採集，部署方式是採用DaemonSet的方式，採集時按照k8s叢集的namespace進行分類，然後根據namespace的名稱建立不同的topic到kafka中

k8s日誌檔案說明

一般情況下，容器中的日誌在輸出到標準輸出(stdout)時，會以*-json.log的命名方式儲存在/var/lib/docker/containers目錄中，當然如果修改了docker的資料目錄，那就是在修改後的資料目錄中了，例如：

# tree /data/docker/containers
/data/docker/containers
├── 009227c00e48b051b6f5cb65128fd58412b845e0c6d2bec5904f977ef0ec604d
│   ├── 009227c00e48b051b6f5cb65128fd58412b845e0c6d2bec5904f977ef0ec604d-json.log
│   ├── checkpoints
│   ├── config.v2.json
│   ├── hostconfig.json
│   └── mounts

這裡能看到，有這麼個檔案： /data/docker/containers/container id/*-json.log，然後k8s預設會在/var/log/containers和/var/log/pods目錄中會生成這些日誌檔案的軟連線，如下所示：

cattle-node-agent-tvhlq_cattle-system_agent-8accba2d42cbc907a412be9ea3a628a90624fb8ef0b9aa2bc6ff10eab21cf702.log
etcd-k8s-master01_kube-system_etcd-248e250c64d89ee6b03e4ca28ba364385a443cc220af2863014b923e7f982800.log

然後，會看到這個目錄下存在了此宿主機上的所有容器日誌，檔案的命名方式為：

[podName]_[nameSpace]_[depoymentName]-[containerId].log

上面這個是deployment的命名方式，其他的會有些不同，例如：DaemonSet，StatefulSet等，不過所有的都有一個共同點，就是

*_[nameSpace]_*.log

到這裡，知道這個特性，就可以往下來看Filebeat的部署和配置了。

filebeat部署

部署採用的DaemonSet方式進行，這裡沒有啥可說的，參照官方文件直接部署即可

---
apiVersion: v1
data:
  filebeat.yml: |-
    filebeat.inputs:
    - type: container
      enabled: true
      paths:
      - /var/log/containers/*_bim5d-basic_*log
      fields:
        log_topic: bim5d-basic
        env: dev
    - type: container
      enabled: true
      paths:
      - /var/log/containers/*_bim5d-cost_*log
      fields:
        log_topic: bim5d-cost
        env: dev
    - type: container
      enabled: true
      paths:
      - /var/log/containers/*_giot-integration-test_*log
      fields:
        log_topic: giot-integration-test
        env: dev
    - type: container
      enabled: true
      paths:
      - /var/log/containers/*_infra-integration-test_*log
      fields:
        log_topic: infra-integration-test
        env: dev
    - type: container
      enabled: true
      paths:
      - /var/log/containers/*_gss-integration-test_*log
      fields:
        log_topic: gss-integration-test
        env: dev
    filebeat.config.modules:
      path: ${path.config}/modules.d/*.yml
      reload.enabled: false
    output.kafka:
      hosts: ["10.0.105.74:9092","10.0.105.76:9092","10.0.105.96:9092"]
      topic: '%{[fields.log_topic]}'
      partition.round_robin:
        reachable_only: true
kind: ConfigMap
metadata:
  name: filebeat-daemonset-config-test
  namespace: default
---
apiVersion: apps/v1
kind: DaemonSet
metadata:
  name: filebeat
  namespace: kube-system
  labels:
    k8s-app: filebeat
spec:
  selector:
    matchLabels:
      k8s-app: filebeat
  template:
    metadata:
      labels:
        k8s-app: filebeat
    spec:
      serviceAccountName: filebeat
      terminationGracePeriodSeconds: 30
      hostNetwork: true
      dnsPolicy: ClusterFirstWithHostNet
      containers:
      - name: filebeat
        image: docker.elastic.co/beats/filebeat:7.12.0
        args: [
          "-c", "/etc/filebeat.yml",
          "-e",
        ]
        env:
        - name: NODE_NAME
          valueFrom:
            fieldRef:
              fieldPath: spec.nodeName
        securityContext:
          runAsUser: 0
          # If using Red Hat OpenShift uncomment this:
          #privileged: true
        resources:
          limits:
            memory: 200Mi
          requests:
            cpu: 100m
            memory: 100Mi
        volumeMounts:
        - name: config
          mountPath: /etc/filebeat.yml
          readOnly: true
          subPath: filebeat.yml
        - name: data
          mountPath: /usr/share/filebeat/data
        - name: varlibdockercontainers
          mountPath: /var/lib/docker/containers
          readOnly: true
        - name: varlog
          mountPath: /var/log
          readOnly: true
      volumes:
      - name: config
        configMap:
          defaultMode: 0640
          name: filebeat-config
      - name: varlibdockercontainers
        hostPath:
          path: /var/lib/docker/containers
      - name: varlog
        hostPath:
          path: /var/log
      # data folder stores a registry of read status for all files, so we don't send everything again on a Filebeat pod restart
      - name: data
        hostPath:
          # When filebeat runs as non-root user, this directory needs to be writable by group (g+w).
          path: /var/lib/filebeat-data
          type: DirectoryOrCreate
---
apiVersion: rbac.authorization.k8s.io/v1
kind: ClusterRoleBinding
metadata:
  name: filebeat
subjects:
- kind: ServiceAccount
  name: filebeat
  namespace: kube-system
roleRef:
  kind: ClusterRole
  name: filebeat
  apiGroup: rbac.authorization.k8s.io
---
apiVersion: rbac.authorization.k8s.io/v1
kind: ClusterRole
metadata:
  name: filebeat
  labels:
    k8s-app: filebeat
rules:
- apiGroups: [""] # "" indicates the core API group
  resources:
  - namespaces
  - pods
  - nodes
  verbs:
  - get
  - watch
  - list
- apiGroups: ["apps"]
  resources:
    - replicasets
  verbs: ["get", "list", "watch"]
---
apiVersion: v1
kind: ServiceAccount
metadata:
  name: filebeat
  namespace: kube-system
  labels:
    k8s-app: filebeat

啟動的話直接kubectl apply -f啟動即可，部署不是本篇的重點，這裡不做過多介紹。

官方部署參考：https://raw.githubusercontent.com/elastic/beats/7.12/deploy/kubernetes/filebeat-kubernetes.yaml

filebeat配置簡單介紹

這裡先簡單介紹下filebeat的配置結構

filebeat.inputs:

filebeat.config.modules:

processors:

output.xxxxx:

結構大概是這麼個結構，完整的資料流向簡單來說就是下面這個圖：

前面也說了，我是根據根據名稱空間做分類，每一個名稱空間就是一個topic，如果要收集多個叢集，同樣也是使用名稱空間做分類，只不過topic的命名就需要加個k8s的叢集名，這樣方便去區分了，那既然是通過名稱空間來獲取日誌，那麼在配置inputs的時候就需要通過寫正則將指定名稱空間下的日誌檔案取出，然後讀取，例如：

filebeat.inputs:
- type: container
  enabled: true
  paths:
  - /var/log/containers/*_bim5d-basic_*log
  fields:
    log_topic: bim5d-basic
    env: dev

這裡我的名稱空間為bim5d-basic，然後通過正則*_bim5d-basic_*log來獲取帶有此名稱空間名的日誌檔案，隨後又加了個自定義欄位，方便下面建立topic時使用。
這裡是寫了一個名稱空間，如果有多個，就排開寫就行了，如下所示：

filebeat.inputs:
- type: container
  enabled: true
  paths:
  - /var/log/containers/*_bim5d-basic_*log
  fields:
    log_topic: bim5d-basic
    env: dev
- type: container
  enabled: true
  paths:
  - /var/log/containers/*_bim5d-cost_*log
  fields:
    log_topic: bim5d-cost
    env: dev
- type: container
  enabled: true
  paths:
  - /var/log/containers/*_giot-integration-test_*log
  fields:
    log_topic: giot-integration-test
    env: dev

這種寫法有一個不好的地方就是，如果名稱空間比較多，那麼整個配置就比較多，維護起來可能是個問題，所以建議將filebeat的配置檔案通過版本控制來管理起來

注意: 日誌的型別，要設定成container

上面說了通過名稱空間建立topic，我這裡加了一個自定義的欄位log_topic，就是後面的topic的名稱，但是這裡有很多的名稱空間，那在輸出的時候，如何動態去建立呢？

output.kafka:
  hosts: ["10.0.105.74:9092","10.0.105.76:9092","10.0.105.96:9092"]
  topic: '%{[fields.log_topic]}'
  partition.round_robin:
    reachable_only: true

注意這裡的寫法：%{[fields.log_topic]}

那麼完整的配置如下所示：

filebeat.inputs:
- type: container
  enabled: true
  paths:
  - /var/log/containers/*_bim5d-basic_*log
  fields:
    log_topic: bim5d-basic
    env: dev
- type: container
  enabled: true
  paths:
  - /var/log/containers/*_bim5d-cost_*log
  fields:
    log_topic: bim5d-cost
    env: dev
- type: container
  enabled: true
  paths:
  - /var/log/containers/*_giot-integration-test_*log
  fields:
    log_topic: giot-integration-test
    env: dev
output.kafka:
  hosts: ["10.0.105.74:9092","10.0.105.76:9092","10.0.105.96:9092"]
  topic: '%{[fields.log_topic]}'
  partition.round_robin:
    reachable_only: true

如果是不對日誌做任何處理，到這裡就結束了，但是這樣又視乎在檢視日誌的時候少了點什麼？沒錯！到這裡你僅僅知道日誌內容，和該日誌來自於哪個名稱空間，但是你不知道該日誌屬於哪個服務，哪個pod，甚至說想檢視該服務的映象地址等，但是這些資訊在我們上面的配置方式中是沒有的，所以需要進一步的添磚加瓦。

這個時候就用到了一個配置項，叫做: processors, 看下官方的解釋

You can define processors in your configuration to process events before they are sent to the configured output

簡單來說就是處理日誌

下面來重點講一下這個地方，非常有用和重要

filebeat的processors使用介紹

新增K8s的基本資訊

在採集k8s的日誌時，如果按照上面那種配置方式，是沒有關於pod的一些資訊的，例如：

Pod Name
Pod UID
Namespace
Labels
等等等等

那麼如果想新增這些資訊，就要使用processors中的一個工具，叫做: add_kubernetes_metadata, 字面意思就是新增k8s的一些後設資料資訊，使用方法可以先來看一段示例：

processors:
  - add_kubernetes_metadata:
      host: ${NODE_NAME}
      matchers:
      - logs_path:
          logs_path: "/var/log/containers/"

host: 指定要對filebeat起作用的節點，防止無法準確檢測到它，比如在主機網路模式下執行filebeat
matchers: 匹配器用於構造與索引建立的識別符號相匹配的查詢鍵
logs_path: 容器日誌的基本路徑,如果未指定，則使用Filebeat執行的平臺的預設日誌路徑

加上這個k8s的後設資料資訊之後，就可以在日誌裡面看到k8s的資訊了，看一下新增k8s資訊後的日誌格式：

{
  "@timestamp": "2021-04-19T07:07:36.065Z",
  "@metadata": {
    "beat": "filebeat",
    "type": "_doc",
    "version": "7.11.2"
  },
  "log": {
    "offset": 377708,
    "file": {
      "path": "/var/log/containers/geip-gateway-test-85545c868b-6nsvc_geip-function-test_geip-gateway-test-server-885412c0a8af6bfa7b3d7a341c3a9cb79a85986965e363e87529b31cb650aec4.log"
    }
  },
  "fields": {
    "env": "dev",
    "log_topic": "geip-function-test"
  },
  "host": {
    "name": "filebeat-fv484"
  },
  "agent": {
    "id": "7afbca43-3ec1-4cee-b5cb-1de1e955b717",
    "name": "filebeat-fv484",
    "type": "filebeat",
    "version": "7.11.2",
    "hostname": "filebeat-fv484",
    "ephemeral_id": "8fd29dee-da50-4c88-88d5-ebb6bbf20772"
  },
  "ecs": {
    "version": "1.6.0"
  },
  "stream": "stdout",
  "message": "2021-04-19 15:07:36.065  INFO 23 --- [trap-executor-0] c.n.d.s.r.aws.ConfigClusterResolver      : Resolving eureka endpoints via configuration",
  "input": {
    "type": "container"
  },
  "container": {
    "image": {
      "name": "packages.gxxxxxn.com/docxxxxxp/gexxxxxxxst:3.3.1-ent-release-SNAPSHOT.20210402191241_87c9b1f841c"
    },
    "id": "885412c0a8af6bfa7b3d7a341c3a9cb79a85986965e363e87529b31cb650aec4",
    "runtime": "docker"
  },
  "kubernetes": {
    "labels": {
      "pod-template-hash": "85545c868b",
      "app": "geip-gateway-test"
    },
    "container": {
      "name": "geip-gateway-test-server",
      "image": "packages.xxxxxxx.com/dxxxxxp/gxxxxxxxxt:3.3.1-ent-release-SNAPSHOT.20210402191241_87c9b1f841c"
    },
    "node": {
      "uid": "511d9dc1-a84e-4948-b6c8-26d3f1ba2e61",
      "labels": {
        "kubernetes_io/hostname": "k8s-node-09",
        "kubernetes_io/os": "linux",
        "beta_kubernetes_io/arch": "amd64",
        "beta_kubernetes_io/os": "linux",
        "cloudt-global": "true",
        "kubernetes_io/arch": "amd64"
      },
      "hostname": "k8s-node-09",
      "name": "k8s-node-09"
    },
    "namespace_uid": "4fbea846-44b8-4d4a-b03b-56e43cff2754",
    "namespace_labels": {
      "field_cattle_io/projectId": "p-lgxhz",
      "cattle_io/creator": "norman"
    },
    "pod": {
      "name": "gxxxxxxxxst-85545c868b-6nsvc",
      "uid": "1e678b63-fb3c-40b5-8aad-892596c5bd4d"
    },
    "namespace": "geip-function-test",
    "replicaset": {
      "name": "geip-gateway-test-85545c868b"
    }
  }
}

可以看到kubernetes這個key的value有關於pod的資訊，還有node的一些資訊，還有namespace資訊等，基本上關於k8s的一些關鍵資訊都包含了，非常的多和全。

但是，問題又來了，這一條日誌資訊有點太多了，有一半多不是我們想要的資訊，所以，我們需要去掉一些對於我們沒有用的欄位

刪除不必要的欄位

processors:
  - drop_fields:
      #刪除的多餘欄位
      fields:
        - host
        - ecs
        - log
        - agent
        - input
        - stream
        - container
      ignore_missing: true

元資訊：@metadata是不能刪除的

新增日誌時間

通過上面的日誌資訊，可以看到是沒有單獨的一個關於日誌時間的欄位的，雖然裡面有一個@timestamp，但不是北京時間，而我們要的是日誌的時間，message裡面倒是有時間，但是怎麼能把它取到並單獨新增一個欄位呢，這個時候就需要用到script了，需要寫一個js指令碼來替換。

processors:
  - script:
      lang: javascript
      id: format_time
      tag: enable
      source: >
        function process(event) {
            var str=event.Get("message");
            var time=str.split(" ").slice(0, 2).join(" ");
            event.Put("time", time);
        }
  - timestamp:
      field: time
      timezone: Asia/Shanghai
      layouts:
        - '2006-01-02 15:04:05'
        - '2006-01-02 15:04:05.999'
      test:
        - '2019-06-22 16:33:51'

新增完成後，會多一個time的欄位，在後面使用的時候，就可以使用這個欄位了。

重新拼接k8s源資訊

實際上，到這個程度就已經完成了我們的所有需求了，但是新增完k8s的資訊之後，多了很多無用的欄位，而我們如果想去掉那些沒用的欄位用drop_fields也可以，例如下面這種寫法：

processors:
  - drop_fields:
      #刪除的多餘欄位
      fields:
        - kubernetes.pod.uid
        - kubernetes.namespace_uid
        - kubernetes.namespace_labels
        - kubernetes.node.uid
        - kubernetes.node.labels
        - kubernetes.replicaset
        - kubernetes.labels
        - kubernetes.node.name
      ignore_missing: true

這樣寫也可以把無用的欄位去掉，但是結構層級沒有變化，巢狀了很多層，最終結果可能變成這個樣子

{
  "@timestamp": "2021-04-19T07:07:36.065Z",
  "@metadata": {
    "beat": "filebeat",
    "type": "_doc",
    "version": "7.11.2"
  },
  "fields": {
    "env": "dev",
    "log_topic": "geip-function-test"
  },
  "message": "2021-04-19 15:07:36.065  INFO 23 --- [trap-executor-0] c.n.d.s.r.aws.ConfigClusterResolver      : Resolving eureka endpoints via configuration",
  "kubernetes": {
    "container": {
      "name": "geip-gateway-test-server",
      "image": "packages.xxxxxxx.com/dxxxxxp/gxxxxxxxxt:3.3.1-ent-release-SNAPSHOT.20210402191241_87c9b1f841c"
    },
    "node": {
      "hostname": "k8s-node-09"
    },
    "pod": {
      "name": "gxxxxxxxxst-85545c868b-6nsvc"
    },
    "namespace": "geip-function-test"
  }
}

這樣在後面使用es建立template的時候，就會巢狀好多層，查詢起來也很不方便，既然這樣那我們就優化下這個層級結構，繼續script這個外掛

processors:
  - script:
      lang: javascript
      id: format_k8s
      tag: enable
      source: >
        function process(event) {
            var k8s=event.Get("kubernetes");
            var newK8s = {
                podName: k8s.pod.name,
                nameSpace: k8s.namespace,
                imageAddr: k8s.container.name,
                hostName: k8s.node.hostname
            }
            event.Put("k8s", newK8s);
        }

這裡單獨建立了一個欄位k8s，欄位裡包含：podName, nameSpace, imageAddr, hostName等關鍵資訊，最後再把kubernetes這個欄位drop掉就可以了。最終結果如下：

{
  "@timestamp": "2021-04-19T07:07:36.065Z",
  "@metadata": {
    "beat": "filebeat",
    "type": "_doc",
    "version": "7.11.2"
  },
  "fields": {
    "env": "dev",
    "log_topic": "geip-function-test"
  },
  "time": "2021-04-19 15:07:36.065",
  "message": "2021-04-19 15:07:36.065  INFO 23 --- [trap-executor-0] c.n.d.s.r.aws.ConfigClusterResolver      : Resolving eureka endpoints via configuration",
  "k8s": {
      "podName": "gxxxxxxxxst-85545c868b-6nsvc",
      "nameSpace": "geip-function-test",
      "imageAddr": "packages.xxxxxxx.com/dxxxxxp/gxxxxxxxxt:3.3.1-ent-release-SNAPSHOT.20210402191241_87c9b1f841c",
      "hostName": "k8s-node-09"
  }
}

這樣看起來就非常清爽了。

下面貼一些一個完整的示例：
configmap參考

apiVersion: v1
data:
  filebeat.yml: |-
    filebeat.inputs:
    - type: container
      enabled: true
      paths:
      - /var/log/containers/*_bim5d-basic_*log
      fields:
        namespace: bim5d-basic
        k8s: cluster01
        env: prod
      multiline.pattern: '^[0-9]{4}-[0-9]{2}-[0-9]{2} [0-9]{2}|^[1-9]\d*\.[1-9]\d*\.[1-9]\d*\.[1-9]\d*'
      multiline.negate: true
      multiline.match: after
      multiline.timeout: 10s
    - type: container
      enabled: true
      paths:
      - /var/log/containers/*_bim5d-cost_*log
      fields:
        namespace: bim5d-cost
        k8s: cluster01
        env: prod
      multiline.pattern: '^[0-9]{4}-[0-9]{2}-[0-9]{2} [0-9]{2}|^[1-9]\d*\.[1-9]\d*\.[1-9]\d*\.[1-9]\d*'
      multiline.negate: true
      multiline.match: after
      multiline.timeout: 10s
    filebeat.config.modules:
      path: ${path.config}/modules.d/*.yml
      reload.enabled: false
    processors:
      - add_kubernetes_metadata:
          #新增k8s描述欄位
          default_indexers.enabled: true
          default_matchers.enabled: true
          host: ${NODE_NAME}
          matchers:
          - logs_path:
              logs_path: "/var/log/containers/"
      - drop_event.when.regexp:
          or:
            kubernetes.pod.name: "filebeat.*"
            kubernetes.pod.name: "external-dns.*"
            kubernetes.pod.name: "coredns.*"
      - drop_fields:
          #刪除的多餘欄位
          fields:
            - host
            - tags
            - ecs
            - log
            - prospector
            - agent
            - input
            - beat
            - offset
            - stream
            - container
            - kubernetes
          ignore_missing: true
      - timestamp:
          field: start_time
          timezone: Asia/Shanghai
          layouts:
            - '2006-01-02 15:04:05'
            - '2006-01-02 15:04:05.999'
          test:
            - '2019-06-22 16:33:51'      
    output.kafka:
      hosts: ["10.0.105.74:9092","10.0.105.76:9092","10.0.105.96:9092"]
      topic: '%{[fields.k8s]}-%{[fields.namespace]}'
      partition.round_robin:
        reachable_only: true
kind: ConfigMap
metadata:
  name: filebeat-daemonset-config
  namespace: default

總結

個人認為讓filebeat在收集日誌的第一層做一些處理，能縮短整個過程的處理時間，因為瓶頸大多在es和logstash，所以一些耗時的操作儘量在filebeat這塊去處理，如果處理不了在使用logstash，另外一個非常容易忽視的一點就是，對於日誌內容的簡化，這樣能顯著降低日誌的體積，我做過測試，同樣的日誌條數，未做簡化的體積達到20G，而優化後的體積不到10G，這樣的話對於整個es叢集來說可以說是非常的友好和作用巨大了。

另外，可以通過版本控制，來管理filebeat的配置檔案，這樣在維護時也能有個記錄，變化管理。

歡迎各位朋友關注我的公眾號，來一起學習進步哦
images

Filebeat 收集日誌的那些事兒
2020-06-18
filebeat 收集nginx日誌輸出到kafka
2021-11-01
NginxKafka
透過 Filebeat 收集 ubuntu 系統日誌
2019-07-03
Ubuntu
K8S 使用 SideCar 模式部署 Filebeat 收集容器日誌
2020-10-30
K8SIDE模式
日誌分析平臺ELK之日誌收集器filebeat
2020-10-04
MySQL日誌收集之Filebeat和Logstsh的一鍵安裝配置（ELK架構）
2021-03-06
MySql架構
Filebeat 收集K8S 日誌，生產環境實踐
2020-08-11
K8S
ELK日誌系統之使用Rsyslog快速方便的收集Nginx日誌
2018-08-29
Nginx
日誌收集系統PLG（Promtail+Loki+Grafana）介紹及部署
2024-04-11
AILokiGrafana
SpringBoot使用ELK日誌收集
2019-03-01
Spring Boot
使用Kafka做日誌收集
2021-01-01
Kafka
ELK+kafka+Winlogbeat/FileBeat搭建統一日誌收集分析管理系統
2018-08-16
Kafka
日誌篇：模組日誌總體介紹
2024-10-28
ES & Filebeat 使用 Pipeline 處理日誌中的 @timestamp
2020-11-01
使用Fluentd + Elasticsearch收集訪問日誌
2018-11-14
Elasticsearch
ELK+FileBeat日誌分析系統
2021-07-15
k8s 日誌收集之 EFK
2021-03-14
K8S
Vector + ClickHouse 收集日誌
2024-03-15
rac日誌收集方法
2020-09-04
logstash收集springboot日誌
2021-04-28
Spring Boot
ABP 使用ElasticSearch、Kibana、Docker 進行日誌收集
2022-03-07
ElasticsearchDocker
在Docker上搭建ELK+Filebeat日誌中心
2023-10-29
Docker
ELK+FileBeat+Kafka搭建日誌管理平臺
2019-05-17
Kafka
Linux-ELK日誌收集
2021-07-06
Linux
介紹一個.Net遠端日誌元件
2023-04-17
元件
微服務下，使用ELK做日誌收集及分析
2019-06-13
微服務
go-kit 微服務日誌分析管理（ELK + Filebeat）
2020-03-16
Go微服務
『無為則無心』Python日誌 — 64、Python日誌模組logging介紹
2022-03-04
Python
『學了就忘』Linux日誌管理 — 90、Linux中日誌介紹
2021-12-23
Linux
通過 Systemd Journal 收集日誌
2019-03-11
（四）Logstash收集、解析日誌方法
2020-11-22
ELK+logspout收集Docker日誌
2019-03-04
Docker
TFA-收集日誌及分析
2024-07-30
日誌服務之使用Nginx模式採集日誌
2022-04-24
Nginx模式
mysql二進位制日誌的引數介紹
2021-09-11
MySql
簡單介紹MySQL列印死鎖日誌的方法
2022-03-14
MySql
fluentd收集kubernetes 叢集日誌分析
2019-04-12
Flume收集日誌到本地目錄
2018-08-10