不对全文内容进行索引的 Loki 到底优秀在哪里
点击下方“IT牧场”,选择“设为星标”
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
干货分享
最近将个人学习笔记整理成册,使用PDF分享。关注我,回复如下代码,即可获得百度盘地址,无套路领取!
•001:《Java并发与高并发解决方案》学习笔记;•002:《深入JVM内核——原理、诊断与优化》学习笔记;•003:《Java面试宝典》•004:《Docker开源书》•005:《Kubernetes开源书》•006:《DDD速成(领域驱动设计速成)》•007:全部•008:加技术群讨论
加个关注不迷路
喜欢就点个"在看"呗^_^