DockerELK云计算运维

使用基于Docker镜像快速部署ElasticSearch集群实现ELK功能 图文实战教程

本文分享的ElasticSearch(ES)架构中,特意将Master和Client独立出来,后续节点的重启维护都能快速完成,对用户几乎没有影响。另外将这些角色独立出来的以后,对应的计算资源消耗也就从Data节点剥离了出来,更容易掌握Data节点资源消耗与写入量和查询量之间的联系,非常有利于集群后续的容量管理和规划,算是一个比较成熟的中小型方案,准备正儿八经开搞的同学可以参考部署。

自从接触Docker之后,对Docker简直是爱不释手,做什么都是行云流水。遇到部署开源软件需求,第一时间想到的都是有没有现成的Docker镜像?能不能直接拉起来使用?

所以,这次部门内部的ElasticSearch(ES)集群的重建,全部使用DockerHub已有镜像完成部署,整个过程变得非常简单!本文将分享详细的部署过程,希望对ElasticSearch(ES)感兴趣或即将入坑ElasticSearch(ES)的同学带来一些帮助。

一、整体架构

这里,我先给出本文最终的整体架构,让大家有一个清晰的部署思路:使用基于Docker镜像快速部署ElasticSearch集群实现ELK功能 图文实战教程

角色分离:本文分享的ElasticSearch(ES)架构中,特意将Master和Client独立出来,后续节点的重启维护都能快速完成,对用户几乎没有影响。另外将这些角色独立出来的以后,对应的计算资源消耗也就从Data节点剥离了出来,更容易掌握Data节点资源消耗与写入量和查询量之间的联系,非常有利于集群后续的容量管理和规划,算是一个比较成熟的中小型方案,准备正儿八经开搞的同学可以参考部署。

提示:详细的ElasticSearch(ES)角色职责说明可以参阅官方文档。

数据流向:Beats或自研系统上报日志到Kafka,然后Logstash从Kafka读取数据写入ElasticSearch(ES).Client,最终数据存放到ElasticSearch(ES).Data节点。用户可以通过Kibana或ElasticSearch(ES).Client的Restful接口查询数据。

本文涉及的IP的角色属性清单:

名称服务器IP角色备注
Docker仓库192.168.1.111Docker/registry内网私有仓库,需要外网
Kafka集群192.168.1.100Kafka/Zookeeper
192.168.1.101Kafka/Zookeeper
192.168.1.102Kafka/Zookeeper
ElasticSearch集群192.168.2.100ES: Master/Client/Kibana128Gx35核
192.168.2.101ES: Master/Client/Kibana
192.168.2.102ES: Master/Client/Kibana
192.168.3.100ES: DATA
   64Gx32核 2TBx12
提示:预算充足的强烈推荐上SSD硬盘,可以极大的提高集群性能!
192.168.3.101ES: DATA
192.168.3.102ES: DATA
192.168.3.103ES: DATA

 本文涉及的部分参数简单解释(更多详细解释请自己查):

# docker参数
==================================================
--name              指定docker容器的名称
--net=host          使用host网络模式(和宿主机一个网络)
--restart always    docker 异常退出后自动重启
--volume / -v       挂载本地目录,格式 /src:/dst
-e                  指定docker启动后环境变量(env)
--privileged        让docker可以拥有root权限
--ulimit nofile     系统文件句柄打开数量限制
--ulimit memlock    最大锁定内存地址空间,-1表示不限制
--memory            限制docker内存
--memory-swap       限制docker虚拟内存,-1 为不限制,共用宿主机swap
--cpuset-cpus       指定docker绑定的CPU
TERM=dumb           让docker里面可以执行top命令
 
# Zookeeper docker参数
==================================================
ZOO_PORT          配置zookeeper的服务端口
ZOO_DATA_DIR      配置zookeeper的文件存放目录
ZOO_DATA_LOG_DIR  配置zookeeper的日志存放目录
ZOO_MY_ID         配置zookeeper的节点ID,和ZOO_SERVERS中的一一对应
ZOO_SERVERS       配置集群节点信息
 
# Kafka docker参数
==================================================
KAFKA_BROKER_ID     配置broker id
KAFKA_PORT          配置服务端口
KAFKA_HEAP_OPTS     配置JVM heap内存限制
KAFKA_HOST_NAME     服务监听地址
KAFKA_ADVERTISED_HOST_NAME 同上
KAFKA_LOG_DIRS                   配置数据存放分区
KAFKA_ZOOKEEPER_CONNECT          配置zookeeper连接
KAFKA_NUM_PARTITIONS             配置topics默认的Partition数量
KAFKA_DEFAULT_REPLICATION_FACTOR 配置topics的默认副本数
KAFKA_LOG_RETENTION_HOURS        配置Partition过期时间(小时)
 
# 系统参数
==================================================
vm.max_map_count 定义了一个进程能拥有的最多的内存区域
vm.swappiness    配置是否允许使用swap虚拟内存
 
#ElasticSearch(ES)参数
==================================================
andyxnettest         纳尼?嗯,这只是我们爱运维的体现^_^
ES_JAVA_OPTS    配置ES JVM heap内存限制
cluster.name    集群名称
node.name       节点名称
node.master     节点角色配置,true表示可以成为主节点,false不能成为主节点
node.data       节点角色配置,true表示可以成为数据节点,false不能成为数据节点
node.ingest     节点角色配置,true表示可以成为协调节点,false不能成为协调节点(简单解释,请以官方为准)
node.attr.rack  节点服务器所在的机柜信息,可能在数据分布中起到指导作用
discovery.zen.ping.unicast.hosts 配置自动发现IP列表
discovery.zen.minimum_master_nodes 防止脑裂,这个参数控制的是,一个节点需要看到的具有master节点资格的最小数量,然后才能在集群中做操作。官方的推荐值是(N/2)+1,其中N是具有master资格的节点的数量(我们的情况是3,因此这个参数设置为2,但对于只有2个节点的情况,设置为2就有些问题了,一个节点DOWN掉后,你肯定连不上2台服务器了,这点需要注意)。
gateway.recover_after_nodes 控制集群在达到多少个节点之后才会开始数据恢复,通过这个设置可以避免集群自动相互发现的初期,shard分片不全的问题,假如es集群内一共有5个节点,就可以设置为5,那么这个集群必须有5个节点启动后才会开始数据分片,如果设置为3,就有可能另外两个节点没存储数据分片
network.host       绑定服务的IP地址
transport.tcp.port 内部通信端口
http.port          对外服务端口
path.data          数据存放目录
bootstrap.memory_lock               锁住内存,确保ES不使用swap
bootstrap.system_call_filter        系统调用过滤器,建议禁用该项检查,因为很多检查项需要Linux 3.5以上的内核,否则会报错。
 
# kibana参数
==================================================
SERVER_NAME                   节点名称,可显示在X-pack界面
ELASTICSEARCH_URL             指定ES地址
ELASTICSEARCH_USERNAME        ES鉴权用户,若ES开启了X-pack鉴权,则需要配置
ELASTICSEARCH_PASSWORD        ES鉴权密码,同上
XPACK_MONITORING_UI_CONTAINER_ELASTICSEARCH_ENABLED 让x-pack支持docker的CPU使用率显示

本文涉及的部分参数简单解释(更多详细解释请咨询搜索引擎):

二、Docker资源

1、Docker私有仓库搭建(针对内网环境)

①、在有外网的服务器 192.168.1.111 上进行如下操作:

#安装docker
yum install -y docker 
systemctl start docker

#拉取私有仓库镜像:
docker pull registry

#启动仓库
docker run \
--restart=always \
--net=host \
-v /data/images:/tmp/registry \
-dti registry

提示:若内部没有外网服务器,可以使用离线导出导入(save/load)的方案来做本地仓库

②、docker启动后,开始拉取所需镜像:

以下镜像均位于dockerHub,拉取龟速,这里可以使用阿里云的dockerHub加速服务(腾讯云的仅支持腾讯云服务器内网使用)使用基于Docker镜像快速部署ElasticSearch集群实现ELK功能 图文实战教程

zookeeper

镜像主页:https://hub.docker.com/_/zookeeper/

# 拉取
docker pull zookeeper
# 推送本地仓库
docker tag zookeeper localhost:5000/zookeeper:latest
docker push localhost:5000/zookeeper:latest

kafka

镜像主页: https://hub.docker.com/r/wurstmeister/kafka/

# 拉取
docker pull wurstmeister/kafka
# 推送本地仓库
docker tag wurstmeister/kafka:latest  localhost:5000/kafka:latest
docker push  localhost:5000/kafka:latest

ElasticSearch

镜像主页:https://www.docker.elastic.co/

# 拉取
docker pull docker.elastic.co/elasticsearch/elasticsearch:5.6.8
docker pull docker.elastic.co/kibana/kibana:5.6.8
docker pull docker.elastic.co/logstash/logstash:5.6.8

# 打tag
docker tag docker.elastic.co/elasticsearch/elasticsearch:5.6.8 localhost:5000/elastic/elasticsearch:5.6.8
docker tag docker.elastic.co/kibana/kibana:5.6.8 localhost:5000/elastic/kibana:5.6.8
docker tag docker.elastic.co/logstash/logstash:5.6.8 localhost:5000/elastic/logstash:5.6.8

# 推送本地仓库
docker push localhost:5000/elastic/elasticsearch:5.6.8
docker push localhost:5000/elastic/kibana:5.6.8
docker push localhost:5000/elastic/logstash:5.6.8

提示:6.X版本强制启用了content-type头部请求,比较烦,本文选择5.X的最后一个版本,实际使用请自行抉择。

完成以上步骤,我们就在192.168.1.111上建立了一个Docker私有仓库,地址是 192.168.1.111:5000。

2、所有服务器节点都安装要docker,并开启私有仓库支持

yum install docker -y

vim /etc/sysconfig/docker 添加兼容私有仓库非https协议配置:

OPTIONS='--insecure-registry 192.168.1.111:5000'

启动Docker:

systemctl start docker
systemctl enable docker

完成这一步之后,Docker环境已准备完毕。

三、部署Kafka集群

提示:若只是单纯部署ElasticSearch(ES)集群,而不需要用到kafka,可以跳过本步骤

1、部署zookeeper

①、部署节点1

# 192.168.1.100
# 创建数据存放目录
mkdir -p /data/zookeeper
# 启动
docker run --name zookeeper \
        --net=host \
  --restart always \
  -v /data/zookeeper:/data/zookeeper \
  -e ZOO_PORT=2181 \
  -e ZOO_DATA_DIR=/data/zookeeper/data \
  -e ZOO_DATA_LOG_DIR=/data/zookeeper/logs \
  -e ZOO_MY_ID=1 \
  -e ZOO_SERVERS="server.1=192.168.1.100:2888:3888 server.2=192.168.1.101:2888:3888 server.3=192.168.1.102:2888:3888" \
  -d 192.168.1.111:5000/zookeeper:latest

②、部署节点2

# 192.168.1.101
# 创建数据存放目录
mkdir -p /data/zookeeper
# 启动
docker run --name zookeeper \
        --net=host
  --restart always \
  -v /data/zookeeper:/data/zookeeper \
  -e ZOO_PORT=2181 \
  -e ZOO_DATA_DIR=/data/zookeeper/data \
  -e ZOO_DATA_LOG_DIR=/data/zookeeper/logs \
  -e ZOO_MY_ID=2 \
  -e ZOO_SERVERS="server.1=192.168.1.100:2888:3888 server.2=192.168.1.101:2888:3888 server.3=192.168.1.102:2888:3888" \
  -d 192.168.1.111:5000/zookeeper:latest

③、部署节点3

# 192.168.1.103
# 创建数据存放目录
mkdir -p /data/zookeeper
# 启动
docker run --name zookeeper \
        --net=host \
  --restart always \
  -v /data/zookeeper:/data/zookeeper \
  -e ZOO_PORT=2181 \
  -e ZOO_DATA_DIR=/data/zookeeper/data \
  -e ZOO_DATA_LOG_DIR=/data/zookeeper/logs \
  -e ZOO_MY_ID=3 \
  -e ZOO_SERVERS="server.1=192.168.1.100:2888:3888 server.2=192.168.1.101:2888:3888 server.3=192.168.1.102:2888:3888" \
  -d 192.168.1.111:5000/zookeeper:latest

2、部署kafka

①、部署节点1

# 机器有11块盘,这里都用起来
mkdir -p /data{1..11}/kafka

# 启动
docker run --name kafka \
         --net=host \
         --volume /data1:/data1 \
         --volume /data2:/data2 \
         --volume /data3:/data3 \
         --volume /data4:/data4 \
         --volume /data5:/data5 \
         --volume /data6:/data6 \
         --volume /data7:/data7 \
         --volume /data8:/data8 \
         --volume /data9:/data9 \
         --volume /data10:/data10 \
         --volume /data11:/data11 \
         -e KAFKA_BROKER_ID=1 \
         -e KAFKA_PORT=9092 \
         -e KAFKA_HEAP_OPTS="-Xms8g -Xmx8g" \
         -e KAFKA_HOST_NAME=192.168.1.100 \
         -e KAFKA_ADVERTISED_HOST_NAME=192.168.1.100 \
         -e KAFKA_LOG_DIRS=/data1/kafka,/data2/kafka,/data3/kafka,/data4/kafka,/data5/kafka,/data6/kafka,/data7/kafka,/data8/kafka,/data9/kafka,/data10/kafka,/data11/kafka \
         -e KAFKA_ZOOKEEPER_CONNECT="192.168.1.100:2181,192.168.1.101:2181,192.168.1.102:2181" \
         -e KAFKA_NUM_PARTITIONS=10 \
         -e KAFKA_DEFAULT_REPLICATION_FACTOR=2 \
         -e KAFKA_LOG_RETENTION_HOURS=366 \
         -d 192.168.1.111:5000/kafka:latest

②、部署节点2

只需要修改如下参数,其他和节点1代码一样:

-e KAFKA_BROKER_ID=2 \
-e KAFKA_HOST_NAME=192.168.1.101 \
-e KAFKA_ADVERTISED_HOST_NAME=192.168.1.101 \

③、部署节点3

同上所述,只需要修改如下参数:

-e KAFKA_BROKER_ID=3 \
-e KAFKA_HOST_NAME=192.168.1.102 \
-e KAFKA_ADVERTISED_HOST_NAME=192.168.1.102 \

完成之后,我们就使用纯Docker搭建了一个Kafka集群。

四、部署ElasticSearch集群

1、内核参数优化

vim /etc/sysctl.conf

vm.max_map_count = 655360
vm.swappiness = 1

最后,执行 sysctl -p 生效

3、创建挂载目录

Master节点:

mkdir -p /data/andyxnettest/master
chown -R 1000:1000 /data/andyxnettest

Client节点:

mkdir -p /data/andyxnettest/client
chown -R 1000:1000 /data/andyxnettest

data节点(TS机器有12块盘,这里都用起来):

mkdir -p /data{1..12}/andyxnettest/data
chown -R 1000:1000 /data{1..12}/andyxnettest

提示:ES官方Docker镜像启动用户ID是1000,所以这里给1000:1000授权。

5、启动Master、Client和DATA节点

在3台Master节点执行如下启动脚本,其中只需要修改node.name值,比如MASTER-100:

#!/bin/bash
# 删除已退出的同名容器
docker ps -a | grep es_master |egrep "Exited|Created" | awk '{print $1}'|xargs -i% docker rm -f % 2>/dev/null
# 启动
docker run --name es_master \
         -d --net=host \
         --restart=always \
         --privileged=true \
         --ulimit nofile=655350 \
         --ulimit memlock=-1 \
         --memory=12G \
         --memory-swap=-1 \
         --cpuset-cpus='31-34' \
         --volume /data:/data \
         --volume /etc/localtime:/etc/localtime \
         -e TERM=dumb \
         -e ES_JAVA_OPTS="-Xms8g -Xmx8g" \
         -e cluster.name="andyxnettest" \
         -e node.name="MASTER-100" \
         -e node.master=true \
         -e node.data=false \
         -e node.ingest=false \
         -e node.attr.rack="0402-K03" \
         -e discovery.zen.ping.unicast.hosts="192.168.2.100:9301,192.168.2.101:9301,192.168.2.102:9301,192.168.2.100:9300,192.168.2.102:9300,192.168.2.103:9300,192.168.3.100:9300,192.168.3.101:9300,192.168.3.102:9300,192.168.3.103:9300" \
         -e discovery.zen.minimum_master_nodes=2 \
         -e gateway.recover_after_nodes=5 \
         -e network.host=0.0.0.0 \
         -e transport.tcp.port=9301 \
         -e http.port=9201 \
         -e path.data="/data/andyxnettest/master" \
         -e path.logs=/data/elastic/logs \
         -e bootstrap.memory_lock=true \
         -e bootstrap.system_call_filter=false \
         -e indices.fielddata.cache.size="25%" \
         192.168.1.111:5000/elastic/elasticsearch:5.6.8

在3台Client节点启动如下脚本,同样只需要修改node.name的值,比如CLIENT-101:

#!/bin/bash
docker ps -a | grep es_client |egrep "Exited|Created" | awk '{print $1}'|xargs -i% docker rm -f % 2>/dev/null
docker run --name es_client \
         -d --net=host \
         --restart=always \
         --privileged=true \
         --ulimit nofile=655350 \
         --ulimit memlock=-1 \
         --memory=64G \
         --memory-swap=-1 \
         --cpuset-cpus='23-30' \
         --volume /data:/data \
         --volume /etc/localtime:/etc/localtime \
         -e TERM=dumb \
         -e ES_JAVA_OPTS="-Xms31g -Xmx31g" \
         -e cluster.name="andyxnettest" \
         -e node.name="CLIENT-100" \
         -e node.master=false \
         -e node.data=false \
         -e node.attr.rack="0402-K03" \
         -e discovery.zen.ping.unicast.hosts="192.168.2.100:9301,192.168.2.101:9301,192.168.2.102:9301,192.168.2.100:9300,192.168.2.102:9300,192.168.2.103:9300,192.168.3.100:9300,192.168.3.101:9300,192.168.3.102:9300,192.168.3.103:9300" \
         -e discovery.zen.minimum_master_nodes=2 \
         -e gateway.recover_after_nodes=2 \
         -e network.host=0.0.0.0 \
         -e transport.tcp.port=9300 \
         -e http.port=9200 \
         -e path.data="/data/andyxnettest/client" \
         -e path.logs=/data/elastic/logs \
         -e bootstrap.memory_lock=true \
         -e bootstrap.system_call_filter=false \
         -e indices.fielddata.cache.size="25%" \
         192.168.1.111:5000/elastic/elasticsearch:5.6.8

在4台DATA节点启动如下脚本,同样只需要修改node.name的值,比如DATA-101:

#!/bin/bash
docker ps -a | grep es_data |egrep "Exited|Created" | awk '{print $1}'|xargs -i% docker rm -f % 2>/dev/null
docker run --name es_data \
         -d --net=host \
         --restart=always \
         --privileged \
         --ulimit nofile=655350 \
         --ulimit memlock=-1 \
         --volume /data:/data \
         --volume /data1:/data1 \
         --volume /data2:/data2 \
         --volume /data3:/data3 \
         --volume /data4:/data4 \
         --volume /data5:/data5 \
         --volume /data6:/data6 \
         --volume /data7:/data7 \
         --volume /data8:/data8 \
         --volume /data9:/data9 \
         --volume /data10:/data10 \
         --volume /data11:/data11 \
         --volume /etc/localtime:/etc/localtime \
         --ulimit memlock=-1 \
         -e TERM=dumb \
         -e ES_JAVA_OPTS="-Xms31g -Xmx31g" \
         -e cluster.name="andyxnettest" \
         -e node.name="DATA-135" \
         -e node.master=false \
         -e node.data=true \
         -e node.ingest=false \
         -e node.attr.rack="0402-Q06" \
         -e discovery.zen.ping.unicast.hosts="192.168.2.100:9301,192.168.2.101:9301,192.168.2.102:9301,192.168.2.100:9300,192.168.2.102:9300,192.168.2.103:9300,192.168.3.100:9300,192.168.3.101:9300,192.168.3.102:9300,192.168.3.103:9300" \
         -e discovery.zen.minimum_master_nodes=2 \
         -e gateway.recover_after_nodes=2 \
         -e network.host=0.0.0.0 \
         -e http.port=9200 \
         -e path.data="/data1/andyxnettest/data,/data2/andyxnettest/data,/data3/andyxnettest/data,/data4/andyxnettest/data,/data5/andyxnettest/data,/data6/andyxnettest/data,/data7/andyxnettest/data,/data8/andyxnettest/data,/data9/andyxnettest/data,/data10/andyxnettest/data,/data11/andyxnettest/data,/data12/andyxnettest/data" \
         -e path.logs=/data/elastic/logs \
         -e bootstrap.memory_lock=true \
         -e bootstrap.system_call_filter=false \
         -e indices.fielddata.cache.size="25%" \
         192.168.1.111:5000/elastic/elasticsearch:5.6.8

6、注册x-pack

官方镜像都默认集成了x-pack,x-pack是ElasticSearch官方的商业版插件,支持监控、鉴权以及机器学习等功能。

坏消息是这玩意按节点收费,一个节点6万/年,比较昂贵!

好消息是我们可以免费使用x-pack的基础版本(1年授权,可更换),支持集群可视化监控,导入授权后x-pack会自动关闭monitoring以外的功能,比如登陆鉴权等。

注册步骤:

①、注册并下载授权码:https://register.elastic.co/xpack_register

,得到类似fh6y-andyx-d136eef2-723c-41d2-c912-4c56274cf6ab-v5.json授权文件

②、导入授权信息:

教程:https://www.elastic.co/guide/en/x-pack/current/license-management.html

curl -XPUT http://192.168.2.100:9200/_license?acknowledge=true -d @fh6y-andyx-d136eef2-723c-41d2-c912-4c56274cf6ab-v5.json -uelastic:changeme

这样就激活了x-pack了。

7、部署kibana

#!/bin/bash
docker ps -a | grep kibana | egrep "Exited|Create" | awk '{print $1}'|xargs -i% docker rm -f % 2>/dev/null
docker run --name kibana \
         --restart=always \
         -d --net=host \
         -v /data:/data \
         -v /etc/localtime:/etc/localtime \
         --privileged \
         -e TERM=dumb \
         -e SERVER_HOST=0.0.0.0 \
         -e SERVER_PORT=5601 \
         -e SERVER_NAME=Kibana-100 \
         -e ELASTICSEARCH_URL=http://localhost:9200 \
         -e ELASTICSEARCH_USERNAME=elastic \
         -e ELASTICSEARCH_PASSWORD=changeme \
         -e XPACK_MONITORING_UI_CONTAINER_ELASTICSEARCH_ENABLED=false \
         -e LOG_FILE=/data/elastic/logs/kibana.log \
         192.168.1.111:5000/elastic/kibana:5.6.8

提示:XPACK_MONITORING_UI_CONTAINER_ELASTICSEARCH_ENABLED 这个参数还有一个折腾记录,回头补上分享。

8、部署logstash

logstash在整个架构中属于消费者角色,将数据从kafka中读出,然后写入ES。

#!/bin/bash
docker ps -a | grep logstash |egrep "Exited|Created" | awk '{print $1}'|xargs -i% docker rm -f % 2>/dev/null
docker run --name logstash \
        -d --net=host \
        --restart=always \
        --privileged \
        --ulimit nofile=655350 \
        --ulimit memlock=-1 \
        -e ES_JAVA_OPTS="-Xms16g -Xmx16g" \
        -e TERM=dumb \
        --volume /etc/localtime:/etc/localtime \
        --volume /data/elastic/config:/usr/share/logstash/config \
        --volume /data/elastic/config/pipeline:/usr/share/logstash/pipeline \
        --volume /data/elastic/logs:/usr/share/logstash/logs \
        192.168.1.111:5000/elastic/logstash:5.6.8

提示:/data/elastic/config 存放了logstash配置文件,其中pipeline文件夹里面存放logstash的input、filter、output规则。logstash.yml是主配文件,如下是推荐配置项

# 名称,会在x-pack展示
node.name: LOGSTASH-100
# 配置文件夹目录
path.config: /usr/share/logstash/pipeline
# 配置ES地址,用于上报自我监控信息到ES
xpack.monitoring.elasticsearch.url: http://localhost:9200
# 自动重载配置(很赞)
config.reload.automatic: true  
# 每60秒检查配置是否有修改(很赞)
config.reload.interval: 60

提示:本文附件可以下载到完整的config配置文件。

10、拓展配置

由于我们使用的是x-pack的基础版本,所以没有鉴权功能,这里只好折中处理一下:

  • 引入Aproxy对kibana做鉴权(部署文档)
  • 使用iptables对端口做安全限制,只允许指定机器访问相关端口,比如:
iptables -I INPUT -p tcp -m multiport --dports 9200,9300,9201,9301,5601 -j REJECT --reject-with icmp-port-unreachable
iptables -I INPUT -s 192.168.1.100/32   -p tcp -m multiport --dports 9200,9300,9201,9301,5601 -j ACCEPT
iptables -I INPUT -s 192.168.1.101/32   -p tcp -m multiport --dports 9200,9300,9201,9301,5601 -j ACCEPT
iptables -I INPUT -s 192.168.1.102/32   -p tcp -m multiport --dports 9200,9300,9201,9301,5601 -j ACCEPT
iptables -I INPUT -s 192.168.2.100/32   -p tcp -m multiport --dports 9200,9300,9201,9301,5601 -j ACCEPT
iptables -I INPUT -s 192.168.2.101/32   -p tcp -m multiport --dports 9200,9300,9201,9301,5601 -j ACCEPT
iptables -I INPUT -s 192.168.2.102/32   -p tcp -m multiport --dports 9200,9300,9201,9301,5601 -j ACCEPT
iptables -I INPUT -s 192.168.3.101/32   -p tcp -m multiport --dports 9200,9300,9201,9301,5601 -j ACCEPT
iptables -I INPUT -s 192.168.3.102/32   -p tcp -m multiport --dports 9200,9300,9201,9301,5601 -j ACCEPT
iptables -I INPUT -s 192.168.3.103/32   -p tcp -m multiport --dports 9200,9300,9201,9301,5601 -j ACCEPT
iptables -I INPUT -s 192.168.3.104/32   -p tcp -m multiport --dports 9200,9300,9201,9301,5601 -j ACCEPT
iptables -I INPUT -s 127.0.0.1/32       -p tcp -m multiport --dports 9200,9300,9201,9301,5601 -j ACCEPT

五、成品展示

全部完成之后,访问kibana地址就能看到漂亮的界面啦!当然,真正数据上报之前,我们还需要做一些准备工作,比如添加索引模板等,本文篇幅有限这里就不做更多介绍了!

下面截2张美图,诱惑一下,喜欢的话赶紧折腾吧!
使用基于Docker镜像快速部署ElasticSearch集群实现ELK功能 图文实战教程使用基于Docker镜像快速部署ElasticSearch集群实现ELK功能 图文实战教程

提示:因为是预发布时截图的,节点信息不全,请忽略里面的具体数据信息。另外,Kibana的汉化教程下次整理分享,敬请期待!

(END)

文章来自“张戈的博客”:https://zhang.ge/5135.html
若需要帮助,请点击以上原文链接联系原作者。