Sleuth与ELK怎样进行配合使用

本篇文章为大家展示了 Sleuth与ELK怎样进行配合使用，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。

我们已经实现了服务调用之间的链路追踪，但是这些日志是分散在各个机器上的，就算出现问题了，我们想快速定位，也得从各个机器把日志整合起来，再去查问题。
这个时候就需要引入日志分析系统了，比如 ELK，可以将多台服务器上的日志信息统一收集起来，在出问题的时候我们可以轻松根据 traceId 来搜索出对应的请求链路信息。

ELK 简介

ELK 由三个组件组成：

• Elasticsearch 是个开源分布式搜索引擎，它的特点有分布式、零配置、自动发现、索引自动分片、索引副本机制、restful 风格接口、多数据源、自动搜索负载等。

• Logstash 是一个完全开源的工具，它可以对日志进行收集、分析并存储以供以后使用。

• kibana 是一个开源和免费的工具，它可以为 Logstash 和 ElasticSearch 提供日志分析友好的 Web 界面，可以汇总、分析和搜索重要数据日志。

输出 JSON 格式日志

可以通过 logback 来输出 Json 格式的日志，让 Logstash 收集存储到 Elasticsearch 中，然后在 kibana 中查看。想要输入 Json 格式的数据需要加一个依赖，具体代码如下所示。

net.logstash.logbacklogstash-logback-encoder5.2

然后创建一个 logback-spring.xml 文件。配置 logstash 需要收集的数据格式如下：

${LOG_FILE}.json${LOG_FILE}.json.%d{yyyy-MM-dd}.gz7UTC{                    "severity": "%level",                    "service": "${springAppName:-}",                    "trace": "%X{X-B3-TraceId:-}",                    "span": "%X{X-B3-SpanId:-}",                    "parent": "%X{X-B3-ParentSpanId:-}",                    "exportable":                    "%X{X-Span-Export:-}",                    "pid": "${PID:-}",                    "thread": "%thread",                    "class": "%logger{40}",                    "rest": "%message"                    }

集成好后就能在输出的日志目录中看到有一个以".json"结尾的日志文件了，里面的数据格式是 Json 形式的，可以直接通过 Logstash 进行收集。

{"@timestamp": "2019-11-30T01:48:32.221+00:00","severity": "DEBUG","service": "fsh-substitution","trace": "41b5a575c26eeea1","span": "41b5a575c26eeea1","parent": "41b5a575c26eeea1","exportable": "false","pid": "12024","thread": "hystrix-fsh-house-10","class": "c.f.a.client.fsh.house.HouseRemoteClient","rest": "[HouseRemoteClient#hosueInfo] <--- END HTTP (796-byte body)"}

日志收集存入 ElasticSearch 之后，就可以用 Kibana 进行展示。需要排查某个请求的问题时，直接根据 traceid 搜索，就可以把整个请求链路相关的日志信息查询出来。

上述内容就是 Sleuth与ELK怎样进行配合使用，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注行业资讯频道。