FA15# 日志平台演进点梳理
可观测数据平台需至少整合Logging（日志）、Metrics（指标）、Tracing（链路）三个基本类型数据，并延伸events（事件）、网络流量、用户行为分析、审计、基础的IT设施监控等各类数据的融合。
通过一站式观测平台将各类数据融合呈现，打通数据孤岛，提升排查效率，助力辅助决策。本文只就Logging日志类演进点进行梳理。主要内容有：
架构简图 日志采集 用户体验 功能增强 成本优化
备注：更多内容详见：
FA6# 全链路观测平台设计点归纳
https://mp.weixin.qq.com/s/Bi2B9G-rSSmz7SRCQJysUA
日志采集Agent是日志平台的核心部件，该Agent的能力演进也很重要，本小节从采集类型、稳定性监控、降本调优演进点梳理。
1.采集类型
日志采集的延伸极广，可根据不同的维度，粗略打表梳理如下：
| 分类维度 | 常见类型 |
|---|---|
| 服务器类型 | 物理机（或虚机例如：ECS）、容器 |
| 应用类型 | Java、Go、Node.js、Python等不同语言日志 |
| 中间件类型 | RocketMQ、Kafka、ElasticSearch、网关、Redis、Nginx、数据库等 |
| 不同端点 | 服务端、移动端 |
| 不同文本 | text、json等 |
另外，还有不同的物联网设备等，不再罗列。
演进点1：采集代理不断扩大采集的类型以及采集资源的动态调整。
2.稳定性监控
监控点一：文件读取速率 监控点二：代理输出速率 监控点三：CPU使用负载情况 监控点四：内存使用情况 监控点五：采集流量控制 监控点六：资源隔离Agent的资源占用不影响服务 监控点七：采集代理异常日志输出
演进点2：采集代理的稳定性监控、流控及告警。
基本查询：精确查询、模糊查询、复杂查询（and、or、not等） 查询体验：高亮显示、上下文、导出文件 SQL分析：基于查询结果进行SQL分析 函数支持：支持一些函数聚合能力 报表视图：查询结果的视图分布渲染 查询耗时：秒级查询体验、采集分钟级延迟
演进点3：向查询体验、查询响应、SQL分析、函数支持、报表视图等用户体验方向演进
日志格式：统一日志格式 日志订阅：方便业务个性化处理 日志清洗：日志去重、聚合 运维管理：日志运维后台系统 监控告警：可视化监控与告警配置 成本分摊：日志成本在各个域、各个应用的分摊
演进点4：从功能增强、运维操作、监控告警、成本分摊方面演进。
存储成本优化
ElasticSearch存储：冷热节点架构 ClickHouse存储：部分场景使用ClickHouse替换ElasticSearch存储，降低成本
参见：
ClickHouse vs Elasticsearch：谁更胜一筹
https://developer.aliyun.com/article/783804
京东APP秒级百G日志传输存储架构设计与实战
https://mp.weixin.qq.com/s/o4yi-2U9JMCZTHaEAgFrow
基于Clickhouse的下一代日志系统技术揭秘
https://mp.weixin.qq.com/s/d2PbeLesLXKLldr4PgMy_g
采集代理优化
吞吐能力对比 相同吞吐占用CPU、内存资源情况
参见：Filebeat与iLogtail对比测试，后者比前者稳定和省资源
https://github.com/alibaba/ilogtail/blob/main/docs/zh/performance/Performance-compare-with-filebeat.md
演进点5：提高采集吞吐，降低机器成本。
评论