基于ELK的简单数据分析

时间：2024-01-04 08:47:14

原文链接： http://www.open-open.com/lib/view/open1455673846058.html

环境

  • CentOS 6.5 64位
  • JDK 1.8.0_20
  • Elasticsearch 1.7.3
  • LogStash 1.5.6
  • Kibana 4.1.4

介绍

  • ElasticSearch是有名的开源搜索引擎，现在很多公司使用ELK技术栈做日志分析，比如新浪使用ELK处理每天32亿条记录，详细的介绍可以查看这里

  • 我们的数据量没有新浪那么大，一天正常水平在6千万条左右，多的时候有一个亿条记录，受到新浪案例的启发我们基于ELK搭建自己的简单数据分析系统，刚开始选择这个的原因：(1)就我一个人折腾东西， (2)我不会前端，但是ELK中的kibana可以直接利用，(3)Hadoop/Hbase、Storm等大数据栈需要学习成本，短期内上手难度太大。(4)可用的机器数也是相当屌丝。

环境搭建

  • 需要安装好Java，配置JAVA_HOME,bin目录添加到PATH环境变量

ElasticSearch

  • 下载ElasticSearch，然后解压到/opt
  • 执行/opt/elasticsearch-1.7.3/bin/elasticsearch -d 就可以在后台启动，但是为了同时管理ELK三个进程，我选择了supervisor做统一管理
  • 启动ElasticSearch之后，我们需要关闭字符串的分词，对于数据分析的需求是不需要的，同时会存在问题，但是当作为搜索引擎的时候，这又是必须的。 
    关闭字符串的分词

curl -XPUT http://localhost:9200/_template/template_1 -d '{
    
    "template": "*",
    
    "settings": {
    
        "index.refresh_interval": "5s"
    
    },
    
    "mappings": {
    
        "_default_": {
    
            "_all": {
    
                "enabled": true
    
            },
    
            "dynamic_templates": [
    
            {
    
                "string_fields": {
    
                    "match": "*",
    
                    "match_mapping_type": "string",
    
                    "mapping": {
    
                        "index": "not_analyzed",
    
                        "omit_norms": true,
    
                        "type": "string"
    
                        }
    
                    }
    
                }
    
            ],
    
            "properties": {
    
                "@version": {
    
                    "type": "string",
    
                    "index": "not_analyzed"
    
                }
    
            }
    
        }
    
    }
    
}'

Kibana

  • 下载Kibana,然后解压到/opt
  • 运行/opt/kibana-4.1.4-linux-x64/bin/kibana，同样适用supervisor管理
  • 访问http://YourIP:5601即可

Logstash

  • 到目前为止我们还没有数据源
  • 下载LogStash，解压到/opt

  • 编写如下配置文件

    基于ELK的简单数据分析

我们的数据来源于kafka中的一个topic，格式是json，输出到elasticsearch的索引，按天变化

简单的数据分析

  • 跑了四个多小时，差不多有890w数据

  • 我们先来看看设备的操作系统版本号(android 4.4.4的设备最多，差不多有300万)

    基于ELK的简单数据分析

  • 设备型号分布

    基于ELK的简单数据分析

相关文章