0
点赞
收藏
分享

微信扫一扫

Loki 日志系统分布式部署实践五 loki 概念

说明

与其他日志记录系统不同,Loki 的构建思想是仅为日志标签建立索引,而不为原始日志建立索引。这意味着 Loki 的操作更简单,并且效率更高。

选择使用 Lok i做日志存储和查询工具的原因

  1. 不对日志进行全文索引。通过压缩并仅索引元数据,Loki 更加易于操作且运行成本更低,相比传统的 ELK 要轻便很多
  2. 能够跟 Grafana 监控平台无缝集成,grafana 最终的目标可能是实现 log,metric,tracing 的大统一
  3. 社区非常活跃、发展速度非常快
  4. 使用与 Prometheus 相同的标签对日志流进行索引和分组,从而使你能够使用与 Prometheus 相同的标签在指标和日志之间无缝切换
  5. 特别适合存储 Kubernetes Pod 日志。诸如 Pod 标签之类的元数据会自动被抓取并建立索引

metrics 相关

因为 Loki 中代码很多直接是从 Cortex 中移植过来的,所以它的 Metrics 也分成了好几个部分:

  1. 以 loki_* 开头的主要是 Loki 组件和 LogQL 查询相关的性能指标
  2. 以 cortex_* 开头的主要是 Loki 组件状态,集群状态相关的指标
  3. 以 prometheus-* 开头的主要是 Alert 事件通知相关指标

基本概念

Loki 需要存储两种不同类型的数据:chunks(块)和 indexes(索引)
注意:index 允许进行范围查询以获取多个 chunk ID,chunk 存储是一个简单的 chunk id => bytes/blob
Loki 在单独的 streams(流)中接收日志,其中每个流都由其租户 ID 和标签集唯一标识。
当流中的日志 entries(条目)到达时,它们被压缩为 chunks 并保存在 chunks 存储中

与 Loki 的其他核心组件不同,Chunk store 不是独立的服务,作业或流程,而是嵌入在需要访问 Loki 数据的两个服务中的库:ingester、querier
index 是由以下项构成键的条目的集合:
注意:对于 Cassandra,index 条目被建模为单独的列值。hash key 变为行键,range key 变为列键。

  1. A hash key 这是所有读取和写入所必需的。
  2. A range key 这对于写入是必需的,而对于读取则可以省略,可以通过前缀或范围来查询。

Chunk 格式

注意:mint 和 maxt 分别描述了最小和最大的 Unix 纳秒时间戳

  -------------------------------------------------------------------
  |                               |                                 |
  |        MagicNumber(4b)        |           version(1b)           |
  |                               |                                 |
  -------------------------------------------------------------------
  |         block-1 bytes         |          checksum (4b)          |
  -------------------------------------------------------------------
  |         block-2 bytes         |          checksum (4b)          |
  -------------------------------------------------------------------
  |         block-n bytes         |          checksum (4b)          |
  -------------------------------------------------------------------
  |                        #blocks (uvarint)                        |
  -------------------------------------------------------------------
  | #entries(uvarint) | mint, maxt (varint) | offset, len (uvarint) |
  -------------------------------------------------------------------
  | #entries(uvarint) | mint, maxt (varint) | offset, len (uvarint) |
  -------------------------------------------------------------------
  | #entries(uvarint) | mint, maxt (varint) | offset, len (uvarint) |
  -------------------------------------------------------------------
  | #entries(uvarint) | mint, maxt (varint) | offset, len (uvarint) |
  -------------------------------------------------------------------
  |                      checksum(from #blocks)                     |
  -------------------------------------------------------------------
  |                    #blocks section byte offset                  |
  -------------------------------------------------------------------

Block 格式

一个块由一系列条目组成,每个条目都是一个单独的日志行。
注意:块的字节被使用 Gzip 压缩并存储。以下是未压缩时的形式:
注意:ts 是日志的 Unix 纳秒时间戳,而 len 是日志条目的字节长度

  -------------------------------------------------------------------
  |    ts (varint)    |     len (uvarint)    |     log-1 bytes      |
  -------------------------------------------------------------------
  |    ts (varint)    |     len (uvarint)    |     log-2 bytes      |
  -------------------------------------------------------------------
  |    ts (varint)    |     len (uvarint)    |     log-3 bytes      |
  -------------------------------------------------------------------
  |    ts (varint)    |     len (uvarint)    |     log-n bytes      |
  -------------------------------------------------------------------

读取路径:

  1. querier 接收 HTTP/1 数据请求
  2. querier 将查询传递给 ingesters 查询内存中的数据
  3. ingesters 接收到读取请求并返回与查询匹配的数据(如果有)
  4. ingesters 如果返回数据,则 querier 会从后备存储延迟加载数据并对其执行查询
  5. querier 将遍历所有接收到的数据并进行重复数据删除,从而通过 HTTP/1 连接返回最终数据集

写路径:

  1. distributor 收到 HTTP/1 请求以存储流数据
  2. 使用 hash ring 对每个流进行哈希处理
  3. distributor 将每个流发送到适当的 inester 和它们的副本(基于配置的复制因子)
  4. 每个 ingester 都会为该流的数据创建一个块或将其附加到现有块中。每个租户和每个标签集的块都是唯一的
  5. distributor 通过 HTTP/1 连接以成功代码作为响应
举报

相关推荐

0 条评论