不对全文内容进行索引的 Loki 到底优秀在哪里
作者 | 浪子燕青燕小乙
总结下 loki 的优点
低索引开销
loki 和 es 最大的不同是 loki 只对标签进行索引而不对内容索引 这样做可以大幅降低索引资源开销 (es 无论你查不查，巨大的索引开销必须时刻承担)
并发查询 + 使用 cache
同时为了弥补没有全文索引带来的查询降速使用，Loki 将把查询分解成较小的分片，可以理解为并发的 grep
和 prometheus 采用相同的标签，对接 alertmanager
Loki 和 Prometheus 之间的标签一致是 Loki 的超级能力之一
使用 grafana 作为前端，避免在 kibana 和 grafana 来回切换
架构说明
Dubbo 3.0.0正式发布：应用级服务注册，跨语言的RPC协议、更好支持Kubernetes！
组件说明
promtail 作为采集器，类比 filebeat
loki 相当于服务端，类比 es
loki 进程包含 四种角色
querier 查询器 ingester 日志存储器 query-frontend 前置查询器 distributor 写入分发器
可以通过 loki 二进制的 -target 参数指定运行角色
read path
查询器接收 HTTP / 1 数据请求。 查询器将查询传递给所有 ingesters 请求内存中的数据。 接收器接收读取的请求，并返回与查询匹配的数据（如果有）。 如果没有接收者返回数据，则查询器会从后备存储中延迟加载数据并对其执行查询。 查询器将迭代所有接收到的数据并进行重复数据删除，从而通过 HTTP / 1 连接返回最终数据集。
write path
分发服务器收到一个 HTTP / 1 请求，以存储流数据。 每个流都使用散列环散列。 分发程序将每个流发送到适当的 inester 和其副本（基于配置的复制因子）。 每个实例将为流的数据创建一个块或将其追加到现有块中。每个租户和每个标签集的块都是唯一的。 分发服务器通过 HTTP / 1 连接以成功代码作为响应。
使用本地化模式安装
下载 promtail 和 loki 二进制
$ wget https://github.com/grafana/loki/releases/download/v2.2.1/loki-linux-amd64.zip
$ wget https://github.com/grafana/loki/releases/download/v2.2.1/promtail-linux-amd64.zip
找一台 linux 机器做测试
安装 promtail
$ mkdir /opt/app/{promtail,loki} -pv
# promtail配置文件
$ cat <<EOF> /opt/app/promtail/promtail.yaml
server:
http_listen_port: 9080
grpc_listen_port: 0
positions:
filename: /var/log/positions.yaml # This location needs to be writeable by promtail.
client:
url: http://localhost:3100/loki/api/v1/push
scrape_configs:
- job_name: system
pipeline_stages:
static_configs:
- targets:
- localhost
labels:
job: varlogs # A `job` label is fairly standard in prometheus and useful for linking metrics and logs.
host: yourhost # A `host` label will help identify logs from this machine vs others
__path__: /var/log/*.log # The path matching uses a third party library: https://github.com/bmatcuk/doublestar
EOF
# service文件
$ cat <<EOF >/etc/systemd/system/promtail.service
[Unit]
Description=promtail server
Wants=network-online.target
After=network-online.target
[Service]
ExecStart=/opt/app/promtail/promtail -config.file=/opt/app/promtail/promtail.yaml
StandardOutput=syslog
StandardError=syslog
SyslogIdentifier=promtail
[Install]
WantedBy=default.target
EOF
$ systemctl daemon-reload
$ systemctl restart promtail
$ systemctl status promtail
安装 loki
$ mkdir /opt/app/{promtail,loki} -pv
# promtail配置文件
$ cat <<EOF> /opt/app/loki/loki.yaml
auth_enabled: false
server:
http_listen_port: 3100
grpc_listen_port: 9096
ingester:
wal:
enabled: true
dir: /opt/app/loki/wal
lifecycler:
address: 127.0.0.1
ring:
kvstore:
store: inmemory
replication_factor: 1
final_sleep: 0s
chunk_idle_period: 1h # Any chunk not receiving new logs in this time will be flushed
max_chunk_age: 1h # All chunks will be flushed when they hit this age, default is 1h
chunk_target_size: 1048576 # Loki will attempt to build chunks up to 1.5MB, flushing first if chunk_idle_period or max_chunk_age is reached first
chunk_retain_period: 30s # Must be greater than index read cache TTL if using an index cache (Default index read cache TTL is 5m)
max_transfer_retries: 0 # Chunk transfers disabled
schema_config:
configs:
- from: 2020-10-24
store: boltdb-shipper
object_store: filesystem
schema: v11
index:
prefix: index_
period: 24h
storage_config:
boltdb_shipper:
active_index_directory: /opt/app/loki/boltdb-shipper-active
cache_location: /opt/app/loki/boltdb-shipper-cache
cache_ttl: 24h # Can be increased for faster performance over longer query periods, uses more disk space
shared_store: filesystem
filesystem:
directory: /opt/app/loki/chunks
compactor:
working_directory: /opt/app/loki/boltdb-shipper-compactor
shared_store: filesystem
limits_config:
reject_old_samples: true
reject_old_samples_max_age: 168h
chunk_store_config:
max_look_back_period: 0s
table_manager:
retention_deletes_enabled: false
retention_period: 0s
ruler:
storage:
type: local
local:
directory: /opt/app/loki/rules
rule_path: /opt/app/loki/rules-temp
alertmanager_url: http://localhost:9093
ring:
kvstore:
store: inmemory
enable_api: true
EOF
# service文件
$ cat <<EOF >/etc/systemd/system/loki.service
[Unit]
Description=loki server
Wants=network-online.target
After=network-online.target
[Service]
ExecStart=/opt/app/loki/loki -config.file=/opt/app/loki/loki.yaml
StandardOutput=syslog
StandardError=syslog
SyslogIdentifier=loki
[Install]
WantedBy=default.target
EOF
$ systemctl daemon-reload
$ systemctl restart loki
$ systemctl status loki
grafana 上配置 loki 数据源
在 grafana explore 上配置查看日志
查看日志
rate({job="message"} |="kubelet"
超级任天堂模拟器 bsnes 开发者自杀（文末附模拟器及ROM）
算 qps rate({job="message"} |="kubelet" [1m])
只索引标签
之前多次提到 loki 和 es 最大的不同是 loki 只对标签进行索引而不对内容索引 下面我们举例来看下
静态标签匹配模式
以简单的 promtail 配置举例
配置解读
scrape_configs:
- job_name: system
pipeline_stages:
static_configs:
- targets:
- localhost
labels:
job: message
__path__: /var/log/messages
上面这段配置代表启动一个日志采集任务 这个任务有 1 个固定标签 job="syslog"采集日志路径为 /var/log/messages, 会以一个名为 filename 的固定标签在 promtail 的 web 页面上可以看到类似 prometheus 的 target 信息页面
查询的时候可以使用和 prometheus 一样的标签匹配语句进行查询
{job="syslog"}
scrape_configs:
- job_name: system
pipeline_stages:
static_configs:
- targets:
- localhost
labels:
job: syslog
__path__: /var/log/syslog
- job_name: system
pipeline_stages:
static_configs:
- targets:
- localhost
labels:
job: apache
__path__: /var/log/apache.log
如果我们配置了两个 job，则可以使用 {job=~”apache|syslog”}进行多 job 匹配同时也支持正则和正则非匹配
标签匹配模式的特点
原理
和 prometheus 一致，相同标签对应的是一个流 prometheus 处理 series 的模式 prometheus 中标签一致对应的同一个 hash 值和 refid(正整数递增的 id)，也就是同一个 series 时序数据不断的 append 追加到这个 memseries 中 当有任意标签发生变化时会产生新的 hash 值和 refid，对应新的 series
loki 处理日志的模式 - 和 prometheus 一致，loki 一组标签值会生成一个 stream - 日志随着时间的递增会追加到这个 stream 中，最后压缩为 chunk - 当有任意标签发生变化时会产生新的 hash 值，对应新的 stream
查询过程
所以 loki 先根据标签算出 hash 值在倒排索引中找到对应的 chunk? 然后再根据查询语句中的关键词等进行过滤，这样能大大的提速 因为这种根据标签算哈希在倒排中查找 id，对应找到存储的块在 prometheus 中已经被验证过了 属于开销低 速度快
动态标签和高基数
所以有了上述知识，那么就得谈谈动态标签的问题了
两个概念
何为动态标签：说白了就是标签的 value 不固定 何为高基数标签：说白了就是标签的 value 可能性太多了，达到 10 万，100 万甚至更多
promtail 支持在 pipline_stages 中用正则匹配动态标签
比如 apache 的 access 日志
11.11.11.11 - frank [25/Jan/2000:14:00:01 -0500] "GET /1986.js HTTP/1.1" 200 932 "-" "Mozilla/5.0 (Windows; U; Windows NT 5.1; de; rv:1.9.1.7) Gecko/20091221 Firefox/3.5.7 GTB6"
在 promtail 中使用 regex 想要匹配 action和status_code两个标签
- job_name: system
pipeline_stages:
- regex:
expression: "^(?P<ip>\\S+) (?P<identd>\\S+) (?P<user>\\S+) \\[(?P<timestamp>[\\w:/]+\\s[+\\-]\\d{4})\\] \"(?P<action>\\S+)\\s?(?P<path>\\S+)?\\s?(?P<protocol>\\S+)?\" (?P<status_code>\\d{3}|-) (?P<size>\\d+|-)\\s?\"?(?P<referer>[^\"]*)\"?\\s?\"?(?P<useragent>[^\"]*)?\"?$"
- labels:
action:
status_code:
static_configs:
- targets:
- localhost
labels:
job: apache
env: dev
__path__: /var/log/apache.log
那么对应 action=get/post 和 status_code=200/400 则对应 4 个流
11.11.11.11 - frank [25/Jan/2000:14:00:01 -0500] "GET /1986.js HTTP/1.1" 200 932 "-" "Mozilla/5.0 (Windows; U; Windows NT 5.1; de; rv:1.9.1.7) Gecko/20091221 Firefox/3.5.7 GTB6"
11.11.11.12 - frank [25/Jan/2000:14:00:02 -0500] "POST /1986.js HTTP/1.1" 200 932 "-" "Mozilla/5.0 (Windows; U; Windows NT 5.1; de; rv:1.9.1.7) Gecko/20091221 Firefox/3.5.7 GTB6"
11.11.11.13 - frank [25/Jan/2000:14:00:03 -0500] "GET /1986.js HTTP/1.1" 400 932 "-" "Mozilla/5.0 (Windows; U; Windows NT 5.1; de; rv:1.9.1.7) Gecko/20091221 Firefox/3.5.7 GTB6"
11.11.11.14 - frank [25/Jan/2000:14:00:04 -0500] "POST /1986.js HTTP/1.1" 400 932 "-" "Mozilla/5.0 (Windows; U; Windows NT 5.1; de; rv:1.9.1.7) Gecko/20091221 Firefox/3.5.7 GTB6"
那四个日志行将变成四个单独的流，并开始填充四个单独的块。 如果出现另一个独特的标签组合（例如 status_code =“500”），则会创建另一个新流
高基数问题
就像上面，如果给 ip 设置一个标签，现在想象一下，如果您为设置了标签 ip，来自用户的每个不同的 ip 请求不仅成为唯一的流 可以快速生成成千上万的流，这是高基数，这可以杀死 Loki 所以为了避免高基数则应该避免使用这种取值分位太大的标签
如果字段没有被当做标签被索引，会不会导致查询很慢
Loki 的超级能力是将查询分解为小块并并行分发，以便您可以在短时间内查询大量日志数据
全文索引问题
大索引既复杂又昂贵。通常，日志数据的全文索引的大小等于或大于日志数据本身的大小 要查询日志数据，需要加载此索引，并且为了提高性能，它可能应该在内存中。这很难扩展，并且随着您摄入更多日志，索引会迅速变大。 Loki 的索引通常比摄取的日志量小一个数量级，索引的增长非常缓慢
那么如何加速查询没有标签的字段
以上边提到的 ip 字段为例 - 使用过滤器表达式查询
{job="apache"} |= "11.11.11.11"
loki 查询时的分片 (按时间范围分段 grep)
Loki 将把查询分解成较小的分片，并为与标签匹配的流打开每个区块，并开始寻找该 IP 地址。 这些分片的大小和并行化的数量是可配置的，并取决于您提供的资源 如果需要，您可以将分片间隔配置为 5m，部署 20 个查询器，并在几秒钟内处理千兆字节的日志 或者，您可以发疯并设置 200 个查询器并处理 TB 的日志！
两种索引模式对比
es 的大索引，不管你查不查询，他都必须时刻存在。比如长时间占用过多的内存 loki 的逻辑是查询时再启动多个分段并行查询
在日志量少的时候少加标签
因为每多加载一个 chunk 就有额外的开销 举例 如果该查询是 {app="loki",level!="debug"} 在没加 level 标签的情况下只需加载一个 chunk 即 app="loki" 的标签 如果加了 level 的情况，则需要把 level=info,warn,error,critical 5 个 chunk 都加载再查询
在需要标签时再去添加
当 chunk_target_size=1MB 时代表 以 1MB 的压缩大小来切割块 对应的原始日志大小在 5MB-10MB，如果日志在 max_chunk_age 时间内能达到 10MB，考虑添加标签
日志应当按时间递增
这个问题和 tsdb 中处理旧数据是一样的道理 目前 loki 为了性能考虑直接拒绝掉旧数据
往期推荐
关注我回复「加群」，加入Spring技术交流群
评论