轻量级的日志采集组件 Filebeat 讲解与实战操作-六虎

一、概述

Filebeat是一个轻量级的日志数据搜集东西，归于Elastic公司的Elastic Stack（ELK Stack）生态体系的一部分。它的主要功用是从各种来历搜集日志数据，将数据发送到Elasticsearch、Logstash或其他方针，以便进行查找、剖析和可视化。

以下是Filebeat的主要概述和特点：

轻量级：Filebeat是一个轻量级的代理，对体系资源的消耗非常低。它设计用于高性能和低推迟，能够在各种环境中运转，包括服务器、容器和虚拟机。
多源搜集：Filebeat支撑从各种来历搜集数据，包括日志文件、体系日志、Docker容器日志、Windows事情日志等。它具有多个输入模块，能够轻松装备用于不同数据源的数据搜集。
模块化：Filebeat选用模块化的方法组织装备，每个输入类型都能够作为一个模块，易于扩展和装备。这使得增加新的数据源和日志格局变得愈加简略。
主动发现：Filebeat支撑主动发现服务，能够在容器化环境中主动识别新的容器和服务，并开始搜集其日志数据。
安全性：Filebeat支撑安全传输，能够运用TLS/SSL加密协议将数据安全地传输到方针。它还支撑基于令牌的身份验证。
数据处理：Filebeat能够对数据进行简略的处理，如字段切割、字段重命名和数据过滤，以保证数据合适进一步处理和剖析。
方针输出：Filebeat能够将数据发送到多个方针，最常见的是将数据发送到Elasticsearch，以便进行全文查找和剖析。此外，还能够将数据发送到Logstash、Kafka等方针。
实时性：Filebeat能够以实时方法搜集和传输数据，保证日志数据及时可用于剖析和可视化。
监控和管理：Filebeat具有自身的监控功用，能够监督自身的状态和性能，并与Elasticsearch、Kibana等东西集成，用于管理和监控数据搜集。

作业的流程图如下：

Filebeat的搜集原理的主要步骤

数据源检测：
- Filebeat首要装备要监督的数据源，这能够是日志文件、体系日志、Docker容器日志、Windows事情日志等。Filebeat能够经过输入模块装备来界说数据源。
数据搜集：
- 一旦数据源被界说，Filebeat会定期轮询这些数据源，检查是否有新的数据发生。
- 如果有新数据，Filebeat将读取数据并将其发送到后续处理阶段。
数据处理：
- Filebeat能够对搜集到的数据进行一些简略的处理，例如字段切割、字段重命名、数据解析等。这有助于保证数据格局合适进一步的处理和剖析。
数据传输：
- 搜集到的数据将被传输到一个或多个方针方位，通常是Elasticsearch、Logstash或Kafka等。
- Filebeat能够装备多个输出方针，以便将数据复制到多个地方以增加冗余或分发数据。
安全性和可靠性：
- Filebeat支撑安全传输，能够运用TLS/SSL协议对数据进行加密。它还具有数据重试机制，以保证数据能够成功传输到方针方位。
数据目的地：
- 数据被传输到方针方位后，能够被进一步处理、索引和剖析。方针方位通常是Elasticsearch，用于全文查找和剖析，或许是Logstash用于进一步的数据处理和转化，也能够是Kafka等其他音讯行列。
实时性和监控：
- Filebeat能够以实时方法监督数据源，保证新数据能够快速传输和处理。
- Filebeat还能够与监控东西集成，以监控其自身的性能和状态，并将这些数据发送到监控体系中。

总的来说，Filebeat搜集原理是经过轮询监督数据源，将新数据搜集并发送到方针方位，一起保证数据的安全传输和可靠性。它供给了一种高效且灵敏的方法来处理各种类型的日志和事情数据，以便进行后续的剖析和可视化。

二、Kafka 装置

为了快速布置，这儿挑选经过docker-compose布置，能够参阅我这篇文章：【中间件】经过 docker-compose 快速布置 Kafka 保姆级教程

# 先装置 zookeeper
git clone https://gitee.com/hadoop-bigdata/docker-compose-zookeeper.git
cd docker-compose-zookeeper 
docker-compose -f docker-compose.yaml up -d
# 装置kafka
git clone https://gitee.com/hadoop-bigdata/docker-compose-kafka.git
cd docker-compose-kafka
docker-compose -f docker-compose.yaml up -d

如果仅仅只是为测验也能够布置一个单机kafka 官方下载地址：kafka.apache.org/downloads

### 1、下载kafka
wget https://downloads.apache.org/kafka/3.4.1/kafka_2.12-3.4.1.tgz --no-check-certificate
### 2、解压
tar -xf kafka_2.12-3.4.1.tgz
### 3、装备环境变量
# ~/.bashrc增加如下内容：
export PATH=$PATH:/opt/docker-compose-kafka/images/kafka_2.12-3.4.1/bin
### 4、装备zookeeper 新版Kafka已内置了ZooKeeper，如果没有其它大数据组件需求运用ZooKeeper的话，直接用内置的会更方便保护。
# vi kafka_2.12-3.4.1/config/zookeeper.properties
#注释掉
#maxClientCnxns=0
#设置衔接参数，增加如下装备
#为zk的基本时刻单元，毫秒
tickTime=2000
#Leader-Follower初始通信时限 tickTime*10
initLimit=10
#Leader-Follower同步通信时限 tickTime*5
syncLimit=5
#设置broker Id的服务地址
#hadoop-node1对应于前面在hosts里面装备的主机映射,0是broker.id， 2888是数据同步和音讯传递端口，3888是推举端口
server.0=local-168-182-110:2888:3888
### 5、装备kafka
# vi kafka_2.12-3.4.1/config/server.properties
#增加以下内容：
broker.id=0
listeners=PLAINTEXT://local-168-182-110:9092
# 上面容器的zookeeper
zookeeper.connect=local-168-182-110:2181
# topic不存在的，kafka就会创立该topic。
#auto.create.topics.enable=true
### 6、发动服务
./bin/zookeeper-server-start.sh -daemon config/zookeeper.properties
./bin/kafka-server-start.sh -daemon config/server.properties
### 7、测验验证
#创立topic
kafka-topics.sh --bootstrap-server local-168-182-110:9092 --create --topic topic1 --partitions 8 --replication-factor 1
#列出一切topic
kafka-topics.sh --bootstrap-server local-168-182-110:9092 --list
#列出一切topic的信息
kafka-topics.sh --bootstrap-server local-168-182-110:9092 --describe
#列出指定topic的信息
kafka-topics.sh --bootstrap-server local-168-182-110:9092 --describe --topic topic1
#生产者（音讯发送程序）
kafka-console-producer.sh --broker-list local-168-182-110:9092 --topic topic1
#顾客（音讯接收程序）
kafka-console-consumer.sh --bootstrap-server local-168-182-110:9092 --topic topic1

三、Filebeat 装置

1）下载 Filebeat

官网地址：www.elastic.co/cn/download…

curl -L -O https://artifacts.elastic.co/downloads/beats/filebeat/filebeat-7.6.2-linux-x86_64.tar.gz
tar -xf filebeat-7.6.2-linux-x86_64.tar.gz

2）Filebeat 装备参数解说

Filebeat的装备文件通常是YAML格局，包括各种装备参数，用于界说数据源、输出方针、数据处理和其他选项。以下是一些常见的Filebeat装备参数及其意义：

filebeat.inputs：指定要监督的数据源。能够装备多个输入，每个输入界说一个数据源。每个输入包括以下参数：
- type：数据源的类型，例如日志文件、体系日志、Docker日志等。
- paths：要监督的文件途径或许运用通配符指定多个文件。
- enabled：是否启用该输入。

示例：

filebeat.inputs:
  - type: log
    paths:
      - /var/log/*.log
  - type: docker
    enabled: true

filebeat.modules：界说要加载的模块，每个模块用于解析特定类型的日志或事情数据。每个模块包括以下参数：
- module：模块称号。
- enabled：是否启用模块。
- var：自界说模块变量。

示例：

filebeat.modules:
  - module: apache
    access:
      enabled: true
    error:
      enabled: true

output.elasticsearch：指定将数据发送到Elasticsearch的装备参数，包括Elasticsearch主机、索引称号等。
- hosts：Elasticsearch主机列表。
- index：索引称号模板。
- username和password：用于身份验证的用户名和密码。
- pipeline：用于数据预处理的Ingest节点管道。

示例：

output.elasticsearch:
  hosts: ["localhost:9200"]
  index: "filebeat-%{[agent.version]}-%{+yyyy.MM.dd}"
  username: "your_username"
  password: "your_password"

output.logstash：指定将数据发送到Logstash的装备参数，包括Logstash主机和端口等。
- hosts：Logstash主机列表。
- index：索引称号模板。
- ssl：是否运用SSL/TLS加密传输数据。

示例：

output.logstash:
  hosts: ["localhost:5044"]
  index: "filebeat-%{[agent.version]}-%{+yyyy.MM.dd}"
  ssl.enabled: true

processors：界说对数据的预处理步骤，包括字段切割、重命名、增加字段等。
- add_fields：增加字段到事情数据。
- decode_json_fields：解码JSON格局的字段。
- drop_fields：删去指定字段。
- rename：重命名字段。

示例：

processors:
  - add_fields:
      target: "my_field"
      value: "my_value"
  - drop_fields:
      fields: ["field1", "field2"]

filebeat.registry.path：指定Filebeat用于盯梢现已读取的文件和方位信息的注册文件的途径。
filebeat.autodiscover：主动发现数据源，特别是用于容器化环境，装备主动检测新容器的战略。
logging.level：指定Filebeat的日志等级，可选项包括info、debug、warning等。

这些是 Filebeat 的一些常见装备参数，具体的装备取决于您的运用场景和需求。您能够依据需求自界说装备文件，以满意您的数据搜集和处理需求。详细的装备文档能够在Filebeat官方文档中找到。

3）filebeat.prospectors 推送kafka完好装备

这儿主要用到几个中心字段：filebeat.prospectors、processors、output.kafka

1、filebeat.prospectors

filebeat.prospectors：用于界说要监督的数据源和搜集规则。每个 prospector 包括一个或多个输入规则，它们指定要监督的文件或数据源以及如何搜集和解析数据。

以下是一个示例 filebeat.prospectors 部分的装备：

filebeat.prospectors:
- type: log
  enabled: true
  paths:
    - /var/log/*.log
  exclude_files:
    - "*.gz"
  multiline.pattern: '^\['
  multiline.negate: false
  multiline.match: after
  tags: ["tag1", "tag2"]
  tail_files: true
  fields:
    app: myapp
    env: production

在上述示例中，我们界说了一个 filebeat.prospectors 包括一个 type: log 的 prospector，下面是各个字段的解说：

type（必需）：数据源的类型。在示例中，类型是 log，表明监督一般文本日志文件。Filebeat支撑多种类型，如 log、stdin、tcp、udp 等。
enabled：是否启用此 prospector。如果设置为 true，则启用，不然禁用。默以为 true。
paths（必需）：要监督的文件或文件形式，能够运用通配符指定多个文件。在示例中，Filebeat将监督 /var/log/ 目录下的一切以 .log 结束的文件。
exclude_files：要排除的文件或文件形式列表。这儿排除了一切以 .gz 结束的文件。可选字段。
multiline.pattern：多行日志的起始形式。如果您的日志事情跨过多行，此选项可用于兼并多行日志事情。例如，设置为 ‘pattern’ 将依据以 ‘pattern’ 最初的行来兼并事情。
multiline.negate：是否取反多行日志形式。如果设置为 true，则表明匹配不包括多行日志形式的行。可选字段，默以为 false。
multiline.match：多行匹配形式，能够是 before（与上一行兼并）或 after（与下一行兼并）。如果设置为 before，则当前行与上一行兼并为一个事情；如果设置为 after，则当前行与下一行兼并为一个事情。可选字段，默以为 after。
tags：为搜集的事情增加标签，以便后续的数据处理。标签是一个字符串数组，能够包括多个标签。在示例中，事情将被标记为 “tag1” 和 “tag2″。可选字段。
tail_files：用于控制Filebeat是否应该盯梢正在写入的文件（tail文件）。当 tail_files 设置为 true 时，Filebeat将监督正在被写入的文件，即便它们还没有完结。这对于实时监督日志文件非常有用，由于它答应Filebeat当即处理新的日志行。默许情况下，tail_files 是启用的，因此只有在特殊情况下才需求显式设置为 false。
fields：为事情增加自界说字段。这是一个键值对，答应您增加额外的信息到事情中。在示例中，事情将包括 “app” 字段和 “env” 字段，别离设置为 “myapp” 和 “production”。可选字段。

这些字段答应您装备Filebeat以满意特定的数据源和搜集需求。您能够依据需求界说多个 prospector 来监督不同类型的数据源，每个 prospector 能够包括不同的参数。经过灵敏装备 filebeat.prospectors，Filebeat能够适应各种日志和数据搜集场景。

2、processors

processors 是Filebeat装备中的一个部分，用于界说在事情传输到输出方针之前对事情数据进行预处理的操作。您能够运用 processors 来修正事情数据、增加字段、删去字段，以及履行其他自界说操作。以下是一些常见的 processors 装备示例和说明：

增加字段（Add Fields）：能够运用 add_fields 处理器将自界说字段增加到事情中，以丰厚事情的信息。例如，将应用程序称号和环境增加到事情中：

processors:
  - add_fields:
      fields:
        app: myapp
        env: production

删去字段（Drop Fields）：运用 drop_fields 处理器能够删去事情中的指定字段。以下示例删去名为 “sensitive_data” 的字段：

processors:
  - drop_fields:
      fields: ["sensitive_data"]

解码 JSON 字段（Decode JSON Fields）：如果事情中包括JSON格局的字段，您能够运用 decode_json_fields 处理器将其解码为结构化数据。以下示例将名为 “json_data” 的字段解码为结构化数据：

processors:
  - decode_json_fields:
      fields: ["json_data"]
      target: ""

字段重命名（Rename Fields）：能够运用 rename 处理器重命名事情中的字段。例如，将 “old_field” 重命名为 “new_field”：

processors:
  - rename:
      fields:
        - from: old_field
          to: new_field

条件处理（Conditional Processing）：运用 if 条件能够依据事情的特定字段或属性来挑选是否应用某个处理器。以下示例依据事情中的 “log_level” 字段，仅在 “error” 日志等级时增加 “error” 标签：

processors:
  - add_tags:
      tags: ["error"]
    when:
      equals:
        log_level: "error"

多个处理器（Multiple Processors）：您能够装备多个处理器，它们将依照顺序顺次应用于事情数据。例如，您能够先增加字段，然后删去字段，最后重命名字段。

processors 部分答应您对事情数据进行杂乱的处理和转化，以适应特定的需求。您能够依据需求组合不同的处理器来履行多个操作，以保证事情数据在传输到输出方针之前满意您的要求。

3、output.kafka

output.kafka 是Filebeat装备文件中的一个部分，用于装备将事情数据发送到Kafka音讯行列的相关设置。以下是 output.kafka 部分的常见参数及其解说：

output.kafka:
  hosts: ["kafka-broker1:9092", "kafka-broker2:9092"]
  topic: "my-log-topic"
  partition.round_robin:
    reachable_only: false
  required_acks: 1
  compression: gzip
  max_message_bytes: 1000000

以下是各个参数的详细解说：

hosts（必需）：Kafka broker 的地址和端口列表。在示例中，我们指定了两个Kafka broker：kafka-broker1:9092 和 kafka-broker2:9092。Filebeat将运用这些地址来衔接到Kafka集群。
topic（必需）：要发送事情到的Kafka主题（topic）的称号。在示例中，主题称号为 “my-log-topic”。Filebeat将会将事情发送到这个主题。
partition.round_robin：事情分区战略的装备。这儿的装备是将事情平均分布到一切分区，不仅仅是可达的分区。reachable_only 设置为 false，表明即便分区不可达也会发送数据。如果设置为 true，则只会发送到可达的分区。
required_acks：Kafka的承认机制。指定要等候的承认数，1 表明只需求得到一个分区的承认就以为音讯现已成功发送。更高的值表明更多的承认。通常，1 是常见的设置，由于它具有较低的推迟。
compression：数据的紧缩方法。在示例中，数据被gzip紧缩。这有助于减小传输数据的巨细，下降网络带宽的运用。
max_message_bytes：Kafka音讯的最大字节数。如果事情的巨细超越此限制，Filebeat会将事情拆分为多个音讯。

以上是常见的 output.kafka 参数，您能够依据您的Kafka集群装备和需求来调整这些参数。保证装备正确的Kafka主题和分区战略以满意您的数据传输需求。一起，要保证Filebeat服务器能够衔接到指定的Kafka broker地址。

以下是一个完好的Filebeat装备文件示例，其间包括了 filebeat.prospectors、processors 和 output.kafka 的装备部分，以用于从日志文件搜集数据并将其发送到Kafka音讯行列：

4）filebeat.inputs 与 filebeat.prospectors差异

Filebeat 从 7.x 版别开始引入了新的装备方法 filebeat.inputs，以供给更灵敏的输入装备选项，一起保留了向后兼容性。以下是 filebeat.inputs 和 filebeat.prospectors 之间的主要差异：

filebeat.inputs：
- filebeat.inputs 是较新版别的装备方法，用于界说输入装备。
- 答应您以更灵敏的方法装备不同类型的输入。您能够在装备文件中界说多个独立的输入块，每个块用于装备不同类型的输入。
- 每个输入块能够包括多个字段，用于定制不同输入类型的装备，如 type、enabled、paths、multiline 等。
- 使装备更具可读性，由于每个输入类型都有自己的装备块。

示例：

filebeat.inputs:
- type: log
  enabled: true
  paths:
    - /var/log/app/*.log
- type: syslog
  enabled: true
  port: 514
  protocol.udp: true

filebeat.prospectors：
- filebeat.prospectors 是旧版装备方法，用于界说输入装备。
- 一切的输入类型（如日志文件、体系日志、stdin 等）都需求放在同一个部分中。
- 需求在同一个装备块中界说不同输入类型的途径等细节。
- 旧版装备方法，不如 filebeat.inputs 装备方法那么灵敏和可读性好。

以下是一些常见的 type 值以及它们的意义：

log（常用）：用于监督和搜集文本日志文件，例如应用程序日志。

- type: log
  paths:
    - /var/log/*.log

stdin：用于从标准输入（stdin）搜集数据。

- type: stdin

syslog：用于搜集体系日志数据，通常是经过UDP或TCP协议从远程或本地 syslog 服务器接收。

- type: syslog
  port: 514
  protocol.udp: true

filestream：用于搜集 Windows 上的文件日志数据。

- type: filestream
  enabled: true

httpjson：用于经过 HTTP 请求从 JSON API 搜集数据。

- type: httpjson
  enabled: true
  urls:
    - http://example.com/api/data

tcp 和 udp：用于经过 TCP 或 UDP 协议搜集网络数据。

- type: tcp
  enabled: true
  host: "localhost"
  port: 12345

- type: udp
  enabled: true
  host: "localhost"
  port: 12345

总的来说，filebeat.inputs 供给了更灵敏的方法来装备不同类型的输入，更简单组织和管理装备。如果您运用的是较新版别的 Filebeat，推荐运用 filebeat.inputs 装备方法。但对于向后兼容性，旧版的 filebeat.prospectors 依然能够运用。

5）filebeat.yml 装备

filebeat.yml

filebeat.inputs:
- type: log
  enabled: true
  paths:
    - /var/log/*.log
  multiline.pattern: '^\['
  multiline.negate: false
  multiline.match: after
  tail_files: true
  fields:
    app: myapp
    env: production
    topicname: my-log-topic
- type: log
  enabled: true
  paths:
    - /var/log/messages
  multiline.pattern: '^\['
  multiline.negate: false
  multiline.match: after
  tail_files: true
  fields:
    app: myapp
    env: production
    topicname: my-log-topic
processors:
  - add_fields:
      fields:
        app: myapp
        env: production
  - drop_fields:
      fields: ["sensitive_data"]
output.kafka:
  hosts: ["local-168-182-110:9092"]
  #topic: "my-log-topic"
  # 这儿也能够应用上面filebeat.prospectors.fields的值
  topic: '%{[fields][topicname]}'
  partition.round_robin:
    reachable_only: false
  required_acks: 1
  compression: gzip
  max_message_bytes: 1000000

6）发动 Filebeat 服务

nohup ./filebeat -e -c filebeat.yml >/dev/null 2>&1 &
# -e 将发动信息输出到屏幕上
# filebeat自身运转的日志默许方位${install_path}/logs/filebeat

要修正filebeat的日子途径，能够增加一下内容在filebeat.yml装备文件：

#logging.level :debug 日志等级
path.logs: /var/log/

运用 systemctl 发动 filebeat

# vi /usr/lib/systemd/system/filebeat.service
[Unit]
Description=filebeat server daemon
Documentation=/opt/filebeat-7.6.2-linux-x86_64/filebeat -help
Wants=network-online.target
After=network-online.target
[Service]
User=root
Group=root
Environment="BEAT_CONFIG_OPTS=-c /opt/filebeat-7.6.2-linux-x86_64/filebeat.yml"
ExecStart=/opt/filebeat-7.6.2-linux-x86_64/filebeat $BEAT_CONFIG_OPTS
Restart=always
[Install]
WantedBy=multi-user.target

【温馨提示】记住替换自己的 filebeat 目录。

systemctl 发动 filebeat 服务

#改写一下装备文件
systemctl daemon-reload
# 发动
systemctl start filebeat
# 检查状态
systemctl status filebeat
# 检查进程
ps -ef|grep filebeat
# 检查日志
vi logs/filebeat

7）检测日志是否现已搜集到 kafka

# 设置环境变量
export KAFKA_HOME=/opt/docker-compose-kafka/images/kafka_2.12-3.4.1
# 检查topic列表
${KAFKA_HOME}/bin/kafka-topics.sh --bootstrap-server local-168-182-110:9092 --list
# 检查topic列表概况
${KAFKA_HOME}/bin/kafka-topics.sh --bootstrap-server local-168-182-110:9092 --describe
# 指定topic
${KAFKA_HOME}/bin/kafka-topics.sh --bootstrap-server local-168-182-110:9092 --describe --topic my-log-topic
# 检查kafka数据
${KAFKA_HOME}/bin/kafka-console-consumer.sh --topic my-log-topic --bootstrap-server local-168-182-110:9092
#上述指令会衔接到指定的Kafka集群并打印my_topic主题上的一切音讯。如果要检查特定数量的最新音讯，则应将“--from-beginning”增加到指令中。
# 在较高版别的 Kafka 中（例如 Kafka 2.4.x 和更高版别），顾客默许需求清晰指定要消费的分区。
#以下是检查特定最新音讯数量的示例：
${KAFKA_HOME}/bin/kafka-console-consumer.sh --topic my-log-topic --bootstrap-server local-168-182-110:9092 --from-beginning --max-messages 10 --partition 0
# 检查kafka数据量，在较高版别的 Kafka 中（例如 Kafka 2.4.x 和更高版别），顾客默许需求清晰指定要消费的分区。
${KAFKA_HOME}/bin/kafka-run-class.sh kafka.tools.GetOffsetShell --broker-list local-168-182-110:9092 --topic my-log-topic --time -1
# 消费数据检查数据，这儿指定一个分区
${KAFKA_HOME}/bin/kafka-console-consumer.sh --bootstrap-server local-168-182-110:9092 --topic my-log-topic --partition 0 --offset 100
# 也能够经过消费组消费，能够不指定分区
${KAFKA_HOME}/bin/kafka-console-consumer.sh --topic my-log-topic --bootstrap-server local-168-182-110:9092 --from-beginning --group my-group

这将回来主题 <topic_name> 的分区和偏移量信息，您能够依据这些信息计算出数据量。

轻量级的日志搜集组件 Filebeat 解说与实战操作就先到这儿了，有任何疑问也可重视我公众号：大数据与云原生技术分享，进行技术交流，如本篇文章对您有所协助，费事帮忙一键三连（点赞、转发、保藏）~

轻量级的日志采集组件 Filebeat 讲解与实战操作

一、概述

二、Kafka 装置

三、Filebeat 装置

1）下载 Filebeat

2）Filebeat 装备参数解说

3）filebeat.prospectors 推送kafka完好装备

1、filebeat.prospectors

2、processors

3、output.kafka

4）filebeat.inputs 与 filebeat.prospectors差异

5）filebeat.yml 装备

6）发动 Filebeat 服务

7）检测日志是否现已搜集到 kafka

作者信息

推广

轻量级的日志采集组件 Filebeat 讲解与实战操作

一、概述

二、Kafka 装置

三、Filebeat 装置

1）下载 Filebeat

2）Filebeat 装备参数解说

3）filebeat.prospectors 推送kafka完好装备

1、filebeat.prospectors

2、processors

3、output.kafka

4）filebeat.inputs 与 filebeat.prospectors差异

5）filebeat.yml 装备

6）发动 Filebeat 服务

7）检测日志是否现已搜集到 kafka

相关文章

写在腾讯的第六年

Elasticsearch：Top metrics 聚合

Go实践|项目中使用 IOC-golang

【Linux】常用命令增加/删除目录、编辑文件、压缩/解压命令

作者信息

推广