# 38 | 日志管理：如何借助工具快速发现和定位产品问题 ？

    你好，我是宝玉。在开始学习之前我想先问你几个问题：

*   如果你的网站或者服务出现故障，是谁第一时间发现问题的？用户还是运维人员？
*   假设你的服务架构是由若干微服务组成的，其中一个微服务的异常导致了你的某个API请求异常，你是否能快速定位到是哪个微服务出了问题？
*   在部署系统后，你是否能观察出来系统的性能是上升了还是下降了？

如果你自己对这些问题的答案不是很满意，那么就可以来看看，如何借助监控和日志分析工具，或者说日志管理工具，第一时间发现线上问题，以及快速定位产品问题。

## 什么是日志管理？

要理解上面提到的这些问题，首先你要清楚，什么是日志管理。

日志就是操作系统和应用软件自动生成的事件说明或者消息记录，包含了时间、日志信息。举例来说，下面就是一个典型的Web请求日志：

> 10.0.1.22 – – \[15/Oct/2018:13:46:46 -0700\] “GET /favicon.ico HTTP/1.1” 404  
> 10.0.1.22 – – \[15/Oct/2018:13:46:58 -0700\] “GET / HTTP/1.1” 200

从上面的日志中，可以看出来，日志包含两次http请求，它们发生的时间、请求的URL、请求的IP地址、最后返回的状态码等信息。

在日志数量不多的时候，凭借肉眼或者借助文本编辑器，还能大概看出日志的内容，但是当日志数量一多，从日志里面查找需要的信息就变得很困难了。

现在的应用程序越来越复杂了，尤其是像微服务这样的架构，一个系统需要由若干微服务组成，每个微服务可能还会部署在若干容器上，那么意味着如果你要根据日志去排查故障的话，需要从几十、上百个地方去收集日志，再逐个去分析。

要解决这样的问题，就需要对日志进行统一管理。日志管理就是指对系统和应用程序产生的日志进行处理的方法，包括对日志进行统一收集，对日志数据进行筛选和解析，统一存储，还要让它们可以方便被检索。

当然你不需要自己去从头实现这样的日志管理系统，现在已经有很多成熟的日志管理工具可以帮助你对日志进行管理，你只要去了解这些工具可以帮助你做什么，以及如何基于它们来搭建适合你项目的日志管理系统即可。

## 如何快速发现和定位问题？

也许你会问，为什么说搭建了日志管理系统，就可以帮助快速发现和定位问题呢？

**首先，日志集中式管理后，就可以方便地对所有日志进行统一的检索。**当所有日志都可以放在一起检索了，自然就能高效地定位到问题，而不再需要到各个应用程序的日志里面去分别检索。

同时在检索的方式上，可以用类似于SQL语句的方式来检索，高效地对结果进行查询和归类。

![](https://static001.geekbang.org/resource/image/fb/3b/fbde7467c94ecb5cc2eea0091e487b3b.png "图片来源：Splunk")

**然后，对日志进行集中式管理后，可以通过图表直观的看到应用运行情况。**当所有的应用实时将日志传输到一起，日志管理系统就可以根据应用日志中记录的信息，动态地生成图表，实时看到应用运行的情况。

举例来说，某一个API服务，日志信息记录了每一次Http请求的状态、耗费时间等信息。

> 127.0.0.1 \[10/Oct/2018:13:55:36 -0700\] "GET /api HTTP/1.1” 200 2326 0.038

那么把这些信息统一收集、实时统计的话，就可以随时看到单位时间内，这个API错误率有多少，平均耗时多久，从而可以根据这样的信息生成实时的图表，方便查看当前API服务的运行情况。

[![](https://static001.geekbang.org/resource/image/7a/48/7a84fb0c28aa75b47f87b4a1b8fe0948.png "图片来源：WaveFront")](http://docs.wavefront.com/nginx.html#nginx-integration)

**最后，可以根据日志的数值设置规则自动报警。**对于这些从日志中实时分析出来的数据结果，如果设置好相应的阈值，在超过阈值后，比如说API错误率超过10%，或者90%的API请求时间超过1秒，就会自动触发报警，通知相关的开发人员进行维护。

所以你看，当你搭建好一整套日志管理系统后，不仅可以帮助你快速地对日志进行检索，你也可以根据图表看数据走势，还可以通过对日志分析结果的监控，设置自动报警的规则，第一时间了解系统故障。

## 大厂的日志管理系统的架构是什么样子？

现在对于像阿里、新浪这样的大厂来说，对日志管理系统的应用已经是标配了，比如说阿里云：《[基于ELK实时日志分析的最佳实践](http://yq.aliyun.com/articles/590431)》、新浪：《[ELK Stack在新浪微博的最佳实践](http://chuansongme.com/n/1979684)》、《[新浪是如何分析处理32亿条实时日志的？](http://www.open-open.com/lib/view/open1437018728240.html)》，七牛：《[如何快速搭建智能化的统一日志管理系统](http://juejin.im/post/5b63e859e51d4517c564d1a9)》。

可以看得出，很多大厂是基于ELK搭建的自己的日志管理系统，而ELK的架构也是一套经典的日志管理的架构，所以这里我就以ELK为例来说明日志管理系统的基本架构。

先解释一下ELK：

> ELK 是Elasticsearch+Logstash+Kibana的缩写。  
> ElasticSearch是一套搜索框架，提供了方便的接口，可以方便地做全文检索，可以用来对日志进行检索。  
> Logstash是一个数据收集工具，可以用来收集日志数据。  
> Kibana是一套可以和ElasticSearch交互的界面，通过Kibana可以方便的检索ElasticSearch内的所有数据，还可以用图形化的方式展示数据结果。

基于ELK搭建的日志管理系统基本架构是这样的：

 [![](https://static001.geekbang.org/resource/image/b9/f8/b9b53220894009769f5bcb031b7c0cf8.png) “图片来源：Openstack log analysis using ELK”](http://bingoarun.github.io/openstack-log-analysis-elk.html)

这套架构有几个重要的模块：日志采集和解析、存储和搜索、结果可视化、监控和报警。

*   日志采集和解析

要想对日志进行统一管理，就必须要从各个应用系统收集日志。Logstash就可以帮助实现对日志的采集。

如果日志文件只是一行行带时间戳的文本，那其实是无法有效检索的，必须将其解析成结构化的数据，才能方便地检索。

另外，一套系统可能由不同的应用类型组成，有的是Java写的，有的是Go写的，日志格式可能完全是不一样的，所以还有必要在对日志解析后，提取公共元素，比如时间、IP地址、主机名、应用名称等。

Logstash不仅可以对日志数据进行收集，还能对日志数据进行过滤和解析，解析完成后再将解析好的数据发送给ElasticSearch。

*   存储和搜索

当所有的日志数据都被集中存储后，可以想象这个日志数据库是相当庞大的，直接查询效率是比较低下的，这就意味着还需要对日志数据进行索引和分析，从而让你可以快速地检索出来结果。

ElasticSearch就是一套专业的全文检索和数据存储系统，同时还有一套类似于SQL的查询语句，这样你就可以基于它，方便对收集好的日志数据进行检索了。

但ElasticSearch本身类似于数据库，没有图形化界面。

*   结果可视化

可视化是日志管理的另一项重要功能。通过可视化的图表，可以直观地看到数据的走势，以及方便地和历史数据进行对比。

比如说通过观察交易数据的走势曲线，就能看出来这周的交易数据比上周是增长还是下降；根据API响应速度的走势，可以看得出新版本部署后，性能是提升了还是下降了。

像Kibana就是一套专门针对ElasticSearch的图形化操作工具，可以方便对ElasticSearch数据进行检索，也可以对结果用图表的方式展现。

*   监控和报警

ELK本身只是提供了一套基础的日志管理框架，但是基于它之上还可以有很多扩展，比如说自动报警就是一个非常典型的场景，可以基于已经存储和索引好的日志数据，制定相应的自动报警规则，当线上服务发生异常时，可以自动地触发报警，通知相关值班人员及时处理。

ELK可以通过插件的方式，安装像 [ElastAlert](http://github.com/Yelp/elastalert) 或[Watcher](http://www.elastic.co/guide/en/watcher/current/introduction.html)这样的自动报警插件，实现自动报警功能。

[![](https://static001.geekbang.org/resource/image/8d/6f/8d59a0962b445900d7668b266e0adf6f.png "图片来源：Build your own error monitoring tool")](http://espeo.eu/blog/build-error-monitoring-tool/)

## 怎样搭建一套日志管理系统？

在了解了整个日志管理系统的基础架构后，再要去搭建这样一套日志管理系统，就可以做到心中有数了。你可以基于这套架构去寻找合适的工具，或者直接基于ELK去搭建一套日志管理系统。

关于ELK网上已经有很多安装使用教程，比如这一本电子教程《[ELK 教程](http://docs.flycloud.me/docs/ELKStack/)》就写的很详细。

ELK本身是一套开源免费的工具，除了ELK，还有一些类似的工具可以选择，可以和ELK配合使用。

*   [Splunk](https://www.splunk.com/)

Splunk是一套商业的日志管理系统，搜索功能非常强大，操作方便，就目前来说，要比ELK好用，但价钱很高。

*   [Grafana](http://grafana.com)

Grafana是一套开源的数据监测和可视化工具，可以和ELK或Splunk配合使用，展示效果比Kibana要更好。同时可以支持自动报警功能。

*   [Wavefront](http://www.wavefront.com)

Wavefront 是 VMware 旗下的一款商业的图形化监控和分析工具，可以从ELK 或 Splunk等数据源收集数据，在此基础上分析应用的性能瓶颈所在，排除故障。也支持自动报警。

*   [PagerDuty](http://www.pagerduty.com)

PagerDuty是一套报警服务，不仅可以和手机、邮件、Slack等方便地集成，还可以和企业的轮值安排结合，按照排班顺序呼叫当值人员。

以上就是一些常用日志管理系统以及配套系统工具，基本上可以很好地满足你对日志管理的需求，通过搜索引擎你也可以找到更多类似的服务。

## 总结

今天我带你一起学习了日志管理工具相关的内容。通过日志管理工具，可以集中的管理所有系统的日志，方便对日志进行检索，图形化的展示结果，还可以做到根据设置的规则进行自动报警。

如果你想搭建属于自己的日志管理系统，可以基于ELK或者Splunk这样的日志管理工具，配合一些插件，实现你自己的日志监控和分析工具。

在搭建好日志管理系统后，如果我们再回头看文章开头那几个问题，你会发现：

*   如果你的网站或者服务出现故障，可以通过你设置好的自动报警规则第一时间通知值班人员，及时解决；
*   假如你的某一个微服务出现异常，你可以从你的日志管理系统中直接对所有微服务的日志进行查询，快速定位到问题所在；
*   在部署系统后，通过对API响应时间等数据指标的图形化显示，你可以直观的看到性能是上升了还是下降了。

总的来说，借助日志管理工具，可以帮助你快速发现和定位产品问题。

## 课后思考

你的项目中是否有应用日志管理工具？你觉得这样的工具的应用，对你的日常项目可以带来哪些好处？如果还没有应用，主要阻力是什么？欢迎在留言区与我分享讨论。

感谢阅读，如果你觉得这篇文章对你有一些启发，也欢迎把它分享给你的朋友。