记一次ES日志系统的接入

近期接了一个新项目，某部门的日志要从HDFS迁移到ES中，每天15T，保留15天，每天有150亿条数据写入，这对于我们现有集群吞吐量是一个很大的挑战。

0 - 前言

近期接了一个新项目，某部门的日志要从HDFS迁移到ES中，每天15T，保留15天，每天有150亿条数据写入，这对于我们现有集群吞吐量是一个很大的挑战。

1 - 现状

目前默认ES集群采用3 master、3 data的结构。数据节点服务器：

CPU: 24 核、Intel(R) Xeon(R) CPU E5-2620 v3 @ 2.40GHz
MEM:128G
Disk: Intel 4510 * 4 单盘挂载

默认集群可承载25w/s的请求，index速度可以达到120w/s，吞吐量最大可到25MB/s。如果每天有150亿的写入，QPS在20w左右，默认的集群配置可以接受，但是，问题出在了Logstash上。

我们的离线日志接入流程是：

Log file -> Flume -> Kafka -> Logstash -> ES

我们使用40 Cores Intel(R) Xeon(R) CPU E5-2650 v3 @ 2.30GHz的机器来做Logstash节点（内存> 64G），发现消费速度仅为1w/s，仅是实际值的5%。

于是，我们调整Logstash配置，加大pipeline参数：

pipeline.workers: 40
pipeline.batch.size: 500
pipeline.batch.delay: 10

此时，写入量达到了2w/s，但还是不够。接下来，我们只好通过水平扩展Logstash节点来增加吞吐量，结果还是比较喜人的，机器数量和吞吐量呈线性增长。但是耗费的机器数量也是巨大的，常态需要10台左右，为防止业务激增，需要准备至少20台服务器。用这么多机器来做一个离线日志系统，显然不太合理。

于是，机器不够，人工来凑，我们开始对ES集群进行针对性优化。

日志数据允许丢失，我们关掉了副本，只保留主分片；
为了增加吞吐量，刷新间隔增加到了100s；
为了降低translog占用的资源，增大了缓存的日志大小、调整了刷新间隔和方法；

具体索引配置如下：

"index.refresh_interval":"100s",
"number_of_replicas": 0,
"translog.flush_threshold_size": "1024mb",
"translog.sync_interval": "100s",
"translog.durability": "async",
"merge.scheduler.max_thread_count": "1",
"merge.policy.max_merged_segment": "2gb"

经过一番折腾，耗费的服务器减少了一半，吞吐量增加了30%。

原文：https://www.jianshu.com/p/03512da5aa19?utm_campaign=hugo

发表于 2020-11-18 14:04
阅读 ( 580 )
分类：操作系统