环境

• CentOS 6.5 64位
• JDK 1.8.0_20
• Elasticsearch 1.7.3
• LogStash 1.5.6
• Kibana 4.1.4

介绍

• ElasticSearch是有名的开源搜索引擎，现在很多公司使用ELK技术栈做日志分析，比如新浪使用ELK处理每天32亿条记录，详细的介绍可以查看这里

• 我们的数据量没有新浪那么大，一天正常水平在6千万条左右，多的时候有一个亿条记录，受到新浪案例的启发我们基于ELK搭建自己的简单数据分析系统，刚开始选择这个的原因：(1)就我一个人折腾东西， (2)我不会前端，但是ELK中的kibana可以直接利用，(3)Hadoop/Hbase、Storm等大数据栈需要学习成本，短期内上手难度太大。(4)可用的机器数也是相当屌丝。

环境搭建

• 需要安装好Java，配置JAVA_HOME,bin目录添加到PATH环境变量

ElasticSearch

• 下载ElasticSearch，然后解压到/opt
• 执行/opt/elasticsearch-1.7.3/bin/elasticsearch -d 就可以在后台启动，但是为了同时管理ELK三个进程，我选择了supervisor做统一管理
• 启动ElasticSearch之后，我们需要关闭字符串的分词，对于数据分析的需求是不需要的，同时会存在问题，但是当作为搜索引擎的时候，这又是必须的。

  关闭字符串的分词curl -XPUT http://localhost:9200/_template/template_1 -d ‘{    "template": "*",    "settings": {        "index.refresh_interval": "5s"    },    "mappings": {        "_default_": {            "_all": {                "enabled": true            },            "dynamic_templates": [            {                "string_fields": {                    "match": "*",                    "match_mapping_type": "string",                    "mapping": {                        "index": "not_analyzed",                        "omit_norms": true,                        "type": "string"                        }                    }                }            ],            "properties": {                "@version": {                    "type": "string",                    "index": "not_analyzed"                }            }        }    }}‘

Kibana

• 下载Kibana,然后解压到/opt
• 运行/opt/kibana-4.1.4-linux-x64/bin/kibana，同样适用supervisor管理
• 访问http://YourIP:5601即可

Logstash

• 到目前为止我们还没有数据源
• 下载LogStash，解压到/opt

• 编写如下配置文件

  

我们的数据来源于kafka中的一个topic，格式是json，输出到elasticsearch的索引，按天变化

简单的数据分析

• 跑了四个多小时，差不多有890w数据

• 我们先来看看设备的操作系统版本号(android 4.4.4的设备最多，差不多有300万)

  

• 设备型号分布