searchusermenu
  • 发布文章
  • 消息中心
点赞
收藏
评论
分享
原创

ELK、Loki日志方案比较

2023-05-22 07:57:51
1295
0

ELK

ES方案是传统成熟的日志采集的方案,也是目前团队内外部项目采用的方案。

之前一直采用的是传统的采集方案:日志 -> filebeat -> kafka ->logstash ->es

涉及组件多,部署运维链路复杂。同时,ES有存储空间占用高的问题。从而引发了日志方案调研比较的讨论。

ELK的话,调研验证了一套可行的轻量级方案,在轻量级场景下(比如单纯给一个小的Doris集群采集日志),相比传统的ELK方案更加简单轻便:

日志 -> filebeat -> es

Loki

Loki是新兴的,面向云原生的方案。与监控告警(grafana\alertmanager)的集成好,存储成本低。缺点是复杂搜索和分析支持弱、查询语言和标签系统用户上手需要学习成本,团队内没有实际落地过。也是我们这次重点比较的一套方案。

功能性能比较

对比项

说明

重要程度

ELK方案

Loki方案

ELK更优

Loki更优

数据存储成本

 

P0

官方数据是通常可以将数据压缩20%~30%,实测下来在某些场景下可以达到50%,使用DEFLATE压缩算法,最低可以降低超过70%

10倍的压缩比

5G数据输入 存储实际增长0.5G

 

数据查询成本

占用的CPU等

P0

500条并发查询大概消耗不到一个cpu core

500条并发查询大概0.1个CPU

 -

 -

查询速度

1.同一个查询语句,多久返回结果

2.关键字检索、过滤、提取

P0

十亿条数据规模的文本数据下(单条260B),包括关键词检索、范围检索、组合检索、模糊查询等都可以在秒级完成。

1.13G总数据量,查询30天内数据,

耗时21.9秒

 

特定字段检索

 

P0

支持

支持

 -

 -

分析能力

 

P3

支持多种分析方法,包括聚合分析,ML,自定义分析器等;

过滤关键词式查询分析

 

采集方式

支持几种采集方式,链路轻量化、插件性能

P3

可以支持filebeat -> es的轻量化采集,也可以支持大规模采集

Promtail,大规模场景未验证

 

采集速度

 

P3

单个日志文件采集速度约4MB/s,2W条/s。

单文本1.2MB/s

 

吞吐量

单位时间的写入量、写入速度

P2

3台的ES集群,吞吐数据最高可以达到100MB/s

单台,3MB/s

 

监控告警

是否支持监控告警、支持程度、复杂度等

P2

Filebeat和es都有监控接口。可以通过prometheus相应的exporter进行监控告警。

对日志做监控告警需要ElasticAlert

ES支持高可用。Filebeat支持数据重传。

支持集群本身监控告警和日志监控告警。原生集成grafana

 

高可用

主备、副本

P0

副本方式,需要3台

副本方式,需要3台

 -

 -

大数据组件支持

支持采集的大数据组件列表

P0

全部支持

全部支持

 -

 -

支持审计日志采集

 

P0

支持

支持

 -

 -

可扩展性

 

P2

可动态扩展

支持

 -

 -

Manager纳管难度

 

P2

ES已纳管,filebeat/logstash/kibana已具备纳管条件。

目前不支持

 

Loki在存储和监控告警方面更优,而ELK在查询速度、采集能力、分析能力、吞吐量、Manager纳管等方面都更优。如果是供客户使用,ELK更加通用和客户友好,Loki的话客户需要有个学习成本。

场景支持比较

序号

场景

场景说明

优先级

ELK方案

Loki方案

场景1

查询特定节点在特定时间段内的所有日志

在此场景中,我们将查询特定节点在特定时间段内的所有日志。预计查询速度较快,因为我们已经根据时间戳和主机名进行了优化

P0

支持

支持

场景2

查询特定时间段内所有节点的 ERROR 日志

在此场景中,我们将查询特定时间段内所有节点的 ERROR 日志。预计查询速度较快,因为我们已经根据时间戳进行了优化

P0

支持

支持

场景3

查询特定时间段内某个类别的日志数量(按主机名分组

在此场景中,我们将查询特定时间段内某个日志类别的数量,并按主机名分组。预计查询速度较快,因为我们已经根据时间戳进行了优化

P2

支持

支持

场景4

查询某个关键词出现在日志信息中的所有记录

在此场景中,我们将查询某个关键词出现在日志信息中的所有记录。预计查询速度较慢,因为我们需要在“日志信息”列中搜索关键词

P0

支持

支持

场景5

查询特定日志记录的上下文(例如前后5条记录)

在此场景中,我们将查询特定日志记录(例如场景5中找到的记录)的上下文,包括前后5条记录。预计查询速度较快,因为我们可以通过时间戳和主机名快速定位目标日志及其上下文

P0

支持

支持

场景6

查询特定时间段内某个节点的 ERROR 日志

 

P0

支持

支持

场景7

指定节点、集群、实例维度、指定时间范围的日志查询,自由排列组合对日志进行筛选查询

 

P0

支持

支持

场景8

解析日志里面关键字出现数量达到一定的阈值触发告警

 

P2

方案需要验证,通过kibana实现

支持

场景支持方面,两套方案都可以支持绝大部分的场景。解析日志关键词出发监控告警这个,ELK方案的实现还未验证过。

结论

根据各方案现状以及功能性能场景比较测试下来看,目前比较合适的方案是继续使用ELK方案。轻量级场景下,通过filebeat直接发送到es来简化部署链路降低复杂性。大规模场景下,继续使用之前的filebeat->kafka->logstash->es方案。

Loki方案作为一个备选方案,如果出现ELK无法支持的场景,可以看看Loki能否支持。

0条评论
0 / 1000
InnerPeace
5文章数
0粉丝数
InnerPeace
5 文章 | 0 粉丝
原创

ELK、Loki日志方案比较

2023-05-22 07:57:51
1295
0

ELK

ES方案是传统成熟的日志采集的方案,也是目前团队内外部项目采用的方案。

之前一直采用的是传统的采集方案:日志 -> filebeat -> kafka ->logstash ->es

涉及组件多,部署运维链路复杂。同时,ES有存储空间占用高的问题。从而引发了日志方案调研比较的讨论。

ELK的话,调研验证了一套可行的轻量级方案,在轻量级场景下(比如单纯给一个小的Doris集群采集日志),相比传统的ELK方案更加简单轻便:

日志 -> filebeat -> es

Loki

Loki是新兴的,面向云原生的方案。与监控告警(grafana\alertmanager)的集成好,存储成本低。缺点是复杂搜索和分析支持弱、查询语言和标签系统用户上手需要学习成本,团队内没有实际落地过。也是我们这次重点比较的一套方案。

功能性能比较

对比项

说明

重要程度

ELK方案

Loki方案

ELK更优

Loki更优

数据存储成本

 

P0

官方数据是通常可以将数据压缩20%~30%,实测下来在某些场景下可以达到50%,使用DEFLATE压缩算法,最低可以降低超过70%

10倍的压缩比

5G数据输入 存储实际增长0.5G

 

数据查询成本

占用的CPU等

P0

500条并发查询大概消耗不到一个cpu core

500条并发查询大概0.1个CPU

 -

 -

查询速度

1.同一个查询语句,多久返回结果

2.关键字检索、过滤、提取

P0

十亿条数据规模的文本数据下(单条260B),包括关键词检索、范围检索、组合检索、模糊查询等都可以在秒级完成。

1.13G总数据量,查询30天内数据,

耗时21.9秒

 

特定字段检索

 

P0

支持

支持

 -

 -

分析能力

 

P3

支持多种分析方法,包括聚合分析,ML,自定义分析器等;

过滤关键词式查询分析

 

采集方式

支持几种采集方式,链路轻量化、插件性能

P3

可以支持filebeat -> es的轻量化采集,也可以支持大规模采集

Promtail,大规模场景未验证

 

采集速度

 

P3

单个日志文件采集速度约4MB/s,2W条/s。

单文本1.2MB/s

 

吞吐量

单位时间的写入量、写入速度

P2

3台的ES集群,吞吐数据最高可以达到100MB/s

单台,3MB/s

 

监控告警

是否支持监控告警、支持程度、复杂度等

P2

Filebeat和es都有监控接口。可以通过prometheus相应的exporter进行监控告警。

对日志做监控告警需要ElasticAlert

ES支持高可用。Filebeat支持数据重传。

支持集群本身监控告警和日志监控告警。原生集成grafana

 

高可用

主备、副本

P0

副本方式,需要3台

副本方式,需要3台

 -

 -

大数据组件支持

支持采集的大数据组件列表

P0

全部支持

全部支持

 -

 -

支持审计日志采集

 

P0

支持

支持

 -

 -

可扩展性

 

P2

可动态扩展

支持

 -

 -

Manager纳管难度

 

P2

ES已纳管,filebeat/logstash/kibana已具备纳管条件。

目前不支持

 

Loki在存储和监控告警方面更优,而ELK在查询速度、采集能力、分析能力、吞吐量、Manager纳管等方面都更优。如果是供客户使用,ELK更加通用和客户友好,Loki的话客户需要有个学习成本。

场景支持比较

序号

场景

场景说明

优先级

ELK方案

Loki方案

场景1

查询特定节点在特定时间段内的所有日志

在此场景中,我们将查询特定节点在特定时间段内的所有日志。预计查询速度较快,因为我们已经根据时间戳和主机名进行了优化

P0

支持

支持

场景2

查询特定时间段内所有节点的 ERROR 日志

在此场景中,我们将查询特定时间段内所有节点的 ERROR 日志。预计查询速度较快,因为我们已经根据时间戳进行了优化

P0

支持

支持

场景3

查询特定时间段内某个类别的日志数量(按主机名分组

在此场景中,我们将查询特定时间段内某个日志类别的数量,并按主机名分组。预计查询速度较快,因为我们已经根据时间戳进行了优化

P2

支持

支持

场景4

查询某个关键词出现在日志信息中的所有记录

在此场景中,我们将查询某个关键词出现在日志信息中的所有记录。预计查询速度较慢,因为我们需要在“日志信息”列中搜索关键词

P0

支持

支持

场景5

查询特定日志记录的上下文(例如前后5条记录)

在此场景中,我们将查询特定日志记录(例如场景5中找到的记录)的上下文,包括前后5条记录。预计查询速度较快,因为我们可以通过时间戳和主机名快速定位目标日志及其上下文

P0

支持

支持

场景6

查询特定时间段内某个节点的 ERROR 日志

 

P0

支持

支持

场景7

指定节点、集群、实例维度、指定时间范围的日志查询,自由排列组合对日志进行筛选查询

 

P0

支持

支持

场景8

解析日志里面关键字出现数量达到一定的阈值触发告警

 

P2

方案需要验证,通过kibana实现

支持

场景支持方面,两套方案都可以支持绝大部分的场景。解析日志关键词出发监控告警这个,ELK方案的实现还未验证过。

结论

根据各方案现状以及功能性能场景比较测试下来看,目前比较合适的方案是继续使用ELK方案。轻量级场景下,通过filebeat直接发送到es来简化部署链路降低复杂性。大规模场景下,继续使用之前的filebeat->kafka->logstash->es方案。

Loki方案作为一个备选方案,如果出现ELK无法支持的场景,可以看看Loki能否支持。

文章来自个人专栏
你知道为了搜索
5 文章 | 1 订阅
0条评论
0 / 1000
请输入你的评论
1
1