当Elasticsearch遇见Kafka

ddsdjn

Elasticsearch作为当前主流的全文检索引擎，除了强大的全文检索能力和高扩展性之外，对多种数据源的兼容能力也是其成功的秘诀之一。而Elasticsearch强大的数据源兼容能力，主要来源于其核心组件之一的Logstash, Logstash通过插件的形式实现了对多种数据源的输入和输出。Kafka是一种高吞吐量的分布式发布订阅消息系统，是一种常见的数据源，也是Logstash支持的众多输入输出源的其中一个。本文将从实践的角度，研究使用Logstash Kafka Input插件实现将Kafka中数据导入到Elasticsearch的过程。
使用Logstash Kafka插件连接Kafka和Elasticsearch
1 Logstash Kafka input插件简介
Logstash Kafka Input插件使用Kafka API从Kafka topic中读取数据信息，使用时需要注意Kafka的版本及对应的插件版本是否一致。该插件支持通过SSL和Kerveros SASL方式连接Kafka。另外该插件提供了group管理，并使用默认的offset管理策略来操作Kafka topic。
Logstash默认情况下会使用一个单独的group来订阅Kafka消息，每个Logstash Kafka Consumer会使用多个线程来增加吞吐量。当然也可以多个Logstash实例使用同一个group_id，来均衡负载。另外建议把Consumer的个数设置为Kafka分区的大小，以提供更好的性能。
2 测试环境准备 2.1 创建Elasticsearch集群
为了简化搭建过程，本文使用了腾讯云Elasticsearch service。腾讯云Elasticsearch service不仅可以实现Elasticsearch集群的快速搭建，还提供了内置Kibana，集群监控，专用主节点，Ik分词插件等功能，极大的简化了Elasticsearch集群的创建和管理工作。
2.2 创建Kafka服务
Kafka服务的搭建采用腾讯云CKafka来完成。与Elasticsearch Service一样，腾讯云CKafka可以实现Kafka服务的快速创建，100%兼容开源Kafka API(0.9版本)。
2.3 服务器
除了准备Elasticsearch和Kafka，另外还需要准备一台服务器，用于运行Logstash以连接Elasticsearch和Kafka。本文采用腾讯云CVM服务器
2.4 注意事项
1) 需要将Elasticsearch、Kafka和服务器创建在同一个网络下，以便实现网络互通。由于本文采用的是腾讯云相关的技术服务，因此只需要将Elasticsearch service，CKafka和CVM创建在同一个私有网路（VPC）下即可。
2) 注意获取Elasticsearch serivce，CKafka和CVM的内网地址和端口，以便后续服务使用
本次测试中：
服务 ip port

Elasticsearch service	192.168.0.8	9200
Ckafka	192.168.13.10	9092
CVM	192.168.0.13	-

3 使用Logstash连接Elasticsearch和Kafka 3.1 Kafka准备
可以参考[CKafka 使用入门]
按照上面的教程
1) 创建名为kafka_es_test的topic
2) 安装JDK
3) 安装Kafka工具包
4) 创建producer和consumer验证kafka功能
3.2 安装Logstash
Logstash的安装和使用可以参考[一文快速上手Logstash]
3.3 配置Logstash Kafka input插件
创建kafka_test_pipeline.conf文件内容如下：
input{
        kafka{
                bootstrap_servers=>"192.168.13.10:9092"
                topics=>["kafka_es_test"]
                group_id=>"logstash_kafka_test"
        }
}
output{
        elasticsearch{
                hosts=>["192.168.0.8:9200"]
        }
}其中定义了一个kafka的input和一个elasticsearch的output
对于Kafka input插件上述三个参数为必填参数，除此之外还有一些对插件行为进行调整的一些参数如：
auto_commit_interval_ms 用于设置Consumer提交offset给Kafka的时间间隔
consumer_threads 用于设置Consumer的线程数，默认为1，实际中应设置与Kafka Topic分区数一致
fetch_max_wait_ms 用于指定Consumer等待一个fetch请求达到fetch_min_bytes的最长时间
fetch_min_bytes 用于指定Consumer fetch请求应返回的最小数据量
topics_pattern 用于通过正则订阅符合某一规则的一组topic
更多参数参考：[Kafka Input Configuration Options]
3.4 启动Logstash
以下操作在Logstash根目录中进行
1) 验证配置
./bin/logstash -f kafka_test_pipeline.conf --config.test_and_exit如有错误，根据提示修改配置文件。若配置正确会得到如下结果
Sending Logstash's logs to /root/logstash-5.6.13/logs which is now configured via log4j2.properties
[2018-11-11T15:24:01,598][INFO ][logstash.modules.scaffold] Initializing module {:module_name=>"netflow", :directory=>"/root/logstash-5.6.13/modules/netflow/configuration"}
[2018-11-11T15:24:01,603][INFO ][logstash.modules.scaffold] Initializing module {:module_name=>"fb_apache", :directory=>"/root/logstash-5.6.13/modules/fb_apache/configuration"}
Configuration OK
[2018-11-11T15:24:01,746][INFO ][logstash.runner          ] Using config.test_and_exit mode. Config Validation Result: OK. Exiting Logstash2) 启动Logstash
./bin/logstash -f kafka_test_pipeline.conf --config.reload.automatic观察日志是否有错误提示，并及时处理
3.4 启动Kafka Producer
以下操作在Kafka工具包根目录下进行
./bin/kafka-console-producer.sh --broker-list 192.168.13.10:9092 --topic kafka_es_test写入测试数据
This is a message3.5 Kibana验证结果
登录Elasticsearch对应Kibana, 在Dev Tools中进行如下操作
1) 查看索引
GET _cat/indices可以看到一个名为logstash-xxx.xx.xx的索引被创建成功
green open .kibana             QUw45tN0SHqeHbF9-QVU6A 1 1 1 0 5.5kb 2.7kb
green open logstash-2018.11.11 DejRdNJVQ1e1MwbyJjJjLw 5 1 1 0 8.7kb 4.3kb2) 查看写入的数据
GET logstash-2018.11.11/_search可以看到数据已经被成功写入
{
  "took": 0,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 1,
    "max_score": 1,
    "hits": [
      {
        "_index": "logstash-2018.11.11",
        "_type": "logs",
        "_id": "AWcBsEegMu-Dkjm1ap3H",
        "_score": 1,
        "_source": {
          "message": "This is a message",
          "@version": "1",
          "@timestamp": "2018-11-11T07:33:09.079Z"
        }
      }
    ]
  }
}4 总结
Logstash作为Elastic Stack中数据采集和处理的核心组件，为Elasticsearch提供了强大的数据源兼容能力。从测试过程可以看出，使用Logstash实现kafka和Elaticsearch的连接过程相当简单方便。另外Logstash的数据处理功能，也使得采用该架构的系统对数据映射和处理有天然的优势。