在我之前的文章 “Elastic：使用 Kafka 部署 Elastic Stack”，我构建了从 Beats => Kafka => Logstash => Elasticsearch 的管道。在今天的文章中，我将描述从 Nodejs => Kafka => Logstash => Elasticsearch 这样的一个数据流。在之前的文章 “Elastic：Data pipeline：使用 Kafka =＞ Logstash =＞ Elasticsearch” 中，我也展示了使用 Python 的方法。我的配置如下：
在上面的架构中，有几个重要的组件：
- Kafka Server：这就是数据首先发布的地方。
- Producer：扮演将数据发布到 Kafka topic 的角色。 在现实世界中，你可以具有任何可以为 kafka 主题生成数据的实体。 在我们的示例中，我们将生成伪造的用户注册数据。
- Elasticsearch：这将充当将用户注册数据存储到其自身的数据库，并提供搜索及分析。
- Logstash：Logstash 将扮演中间人的角色，在这里我们将从 Kafka topic 中读取数据，然后将其插入到 Elasticsearch 中。
- Kibana：Kibana 将扮演图形用户界面的角色，它将以可读或图形格式显示数据。
为了演示的方便，你可以在地址下载演示文件 GitHub - liu-xiao-guo/data-pipeline8。我的文件目录是这样的：
1. $ pwd
2. /Users/liuxg/data/data-pipeline8
3. $ tree -L 3
4. .
5. ├── README.md
6. ├── docker-elk
7. │ ├── docker-compose.yml
8. │ └── logstash_pipeline
9. │ └── kafka-elastic.conf
10. ├── docker-kafka
11. │ └── kafka-docker-compose.yml
12. └── kafka_producer.js
1. $ pwd
2. /Users/liuxg/data/data-pipeline8/docker-elk
3. $ ls -al
4. total 16
5. drwxr-xr-x 5 liuxg staff 160 May 14 2021 .
6. drwxr-xr-x 8 liuxg staff 256 Mar 5 07:36 ..
7. -rw-r--r-- 1 liuxg staff 29 May 7 2021 .env
8. -rw-r--r-- 1 liuxg staff 1064 May 13 2021 docker-compose.yml
9. drwxr-xr-x 3 liuxg staff 96 May 13 2021 logstash_pipeline
10. $ vi .env
11. $ cat .env
12. ELASTIC_STACK_VERSION=8.6.2
上面的其它文件将在我下面的章节中介绍。如果你自己想通过手动的方式部署 Kafka 请参阅我的另外一篇文章 “使用 Kafka 部署 Elastic Stack”。
安装
Kafka，Zookeeper 及 Kafka Manager
我将使用 docker-compose 来进行安装。一旦安装好，我们可以看到：
- Kafka 在 PORT 9092 侦听
- Zookeeper 在 PORT 2181 侦听
- Kafka Manager 侦听 PORT 9000 侦听
kafka-docker-compose.yml
1. version: "3"
2. services:
3. zookeeper:
4. image: zookeeper
5. restart: always
6. container_name: zookeeper
7. hostname: zookeeper
8. ports:
9. - 2181:2181
10. environment:
11. ZOO_MY_ID: 1
12. kafka:
13. image: wurstmeister/kafka
14. container_name: kafka
15. ports:
16. - 9092:9092
17. environment:
18. KAFKA_ADVERTISED_HOST_NAME: 192.168.0.3
19. KAFKA_ZOOKEEPER_CONNECT: zookeeper:2181
20. kafka_manager:
21. image: hlebalbau/kafka-manager:stable
22. container_name: kakfa-manager
23. restart: always
24. ports:
25. - "9000:9000"
26. environment:
27. ZK_HOSTS: "zookeeper:2181"
28. APPLICATION_SECRET: "random-secret"
29. command: -Dpidfile.path=/dev/null
我们可以使用如下的命令来进行启动（在 Docker 运行的前提下）：
docker-compose -f kafka-docker-compose.yml up
一旦运行起来后，我们可以使用如下的命令来进行查看：
docker ps
1. $ docker ps
2. CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES
3. a4acc0730467 zookeeper "/docker-entrypoint.…" About a minute ago Up About a minute 2888/tcp, 3888/tcp, 0.0.0.0:2181->2181/tcp, 8080/tcp zookeeper
4. 02ec8e8a1e30 hlebalbau/kafka-manager:stable "/kafka-manager/bin/…" About a minute ago Up About a minute 0.0.0.0:9000->9000/tcp kakfa-manager
5. a85c32c0c08e wurstmeister/kafka "start-kafka.sh" About a minute ago Up About a minute 0.0.0.0:9092->9092/tcp kafka
我们发现 Kafka Manager 运行于 9000 端口。我们打开本地电脑的 9000 端口：
在上面它显示了一个默认的 topic，虽然不是我们想要的。
这样，我们就把 Kafka 上的 kafka_logstash topic 创建好了。
我们可以登录 kafka 容器来验证我们已经创建的 topic。我们使用如下的命令来找到 kafka 容器的名称：
docker ps -s
1. $ docker ps -s
2. CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES SIZE
3. de7453250529 hlebalbau/kafka-manager:stable "/kafka-manager/bin/…" 9 minutes ago Up 9 minutes 0.0.0.0:9000->9000/tcp kakfa-manager 117kB (virtual 427MB)
4. 65eba68350f1 zookeeper "/docker-entrypoint.…" 9 minutes ago Up 9 minutes 2888/tcp, 3888/tcp, 0.0.0.0:2181->2181/tcp, 8080/tcp zookeeper 33kB (virtual 288MB)
5. 3394868b23e9 wurstmeister/kafka "start-kafka.sh" 9 minutes ago Up 9 minutes 0.0.0.0:9092->9092/tcp kafka 210kB (virtual 457MB)
上面显示 kafka 的容器名称为 wurstmeister/kafka。我们使用如下的命令来进行登录：
docker exec -it wurstmeister/kafka /bin/bash
然后我们在容器里 打入如下的命令：
1. $ docker exec -it kafka /bin/bash
2. root@3394868b23e9:/# kafka-topics.sh --list -zookeeper zookeeper:2181
3. __consumer_offsets
4. kafka_logstash
上面的命令显示已经存在的被创建的 kafka_logstash topic。我们可以使用如下的命令来向这个被创建的 topic 来发送数据：
kafka-console-consumer.sh --bootstrap-server 192.168.0.3:9092 --topic kafka_logstash --from-beginning
root@3394868b23e9:/# kafka-console-consumer.sh --bootstrap-server 192.168.0.3:9092 --topic kafka_logstash --from-beginning
Elastic Stack 安装
我们接下来安装 Elastic Stack。同样地，我使用 docker-compose 来部署 Elasticsearch， Logstash 及 Kibana。你们可以参考我之前的文章 “Logstash：在 Docker 中部署 Logstash”。为了能够把数据传入到 Elasticsearch 中，我们需要在 Logstash 中配置一个叫做 kafka-elastic.conf 的配置文件：
kafka-elastic.conf
1. input {
2. kafka {
3. bootstrap_servers => "192.168.0.3:9092"
4. topics => ["kafka_logstash"]
5. }
6. }
8. output {
9. elasticsearch {
10. hosts => ["elasticsearch:9200"]
11. index => "kafka_logstash"
12. workers => 1
13. }
14. }
请注意：在上面的 192.168.0.3 为我自己电脑的本地 IP 地址。为了说明问题的方便，我们没有对来自 kafka 里的 registered_user 这个 topic 做任何的数据处理，而直接发送到 Elasticsearch 中。
我们的 docker-compose.yml 配置文件如下：
docker-compose.yml
1. version: "3.9"
2. services:
3. elasticsearch:
4. image: elasticsearch:${ELASTIC_STACK_VERSION}
5. container_name: elasticsearch
6. environment:
7. - discovery.type=single-node
8. - ES_JAVA_OPTS=-Xms1g -Xmx1g
9. - xpack.security.enabled=false
10. volumes:
11. - type: volume
12. source: es_data
13. target: /usr/share/elasticsearch/data
14. ports:
15. - target: 9200
16. published: 9200
17. networks:
18. - elastic
20. kibana:
21. image: kibana:${ELASTIC_STACK_VERSION}
22. container_name: kibana
23. ports:
24. - target: 5601
25. published: 5601
26. depends_on:
27. - elasticsearch
28. networks:
29. - elastic
31. logstash:
32. image: logstash:${ELASTIC_STACK_VERSION}
33. container_name: logstash
34. ports:
35. - 5200:5200
36. volumes:
37. - type: bind
38. source: ./logstash_pipeline/
39. target: /usr/share/logstash/pipeline
40. read_only: true
41. networks:
42. - elastic
44. volumes:
45. es_data:
46. driver: local
48. networks:
49. elastic:
50. name: elastic
51. driver: bridge
为方便起见，在我的安装中，我没有配置安全。如果你需要为 Elasticsearch 设置安全的话，请参考我之前的文章 “Elasticsearch：使用 Docker compose 来一键部署 Elastic Stack 8.x”。
我们使用如下的命令来启动 Elastic Stack。在 docker-compose.yml 所在的目录中打入如下的命令：
1. $ pwd
2. /Users/liuxg/data/data-pipeline8/docker-elk
3. $ ls
4. docker-compose.yml logstash_pipeline
5. $ docker-compose up
等所有的 Elastic Stack 运行起来后，我们再次通过如下的命令来进行查看：
docker ps
1. $ docker ps
2. CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES
3. 3db5e4e6e23e kibana:8.6.2 "/bin/tini -- /usr/l…" About a minute ago Up About a minute 0.0.0.0:5601->5601/tcp kibana
4. 210b673dd89a logstash:8.6.2 "/usr/local/bin/dock…" About a minute ago Up About a minute 5044/tcp, 9600/tcp, 0.0.0.0:5200->5200/tcp logstash
5. 05c434edd823 elasticsearch:8.6.2 "/bin/tini -- /usr/l…" About a minute ago Up About a minute 0.0.0.0:9200->9200/tcp, 9300/tcp elasticsearch
6. de7453250529 hlebalbau/kafka-manager:stable "/kafka-manager/bin/…" 51 minutes ago Up 51 minutes 0.0.0.0:9000->9000/tcp kakfa-manager
7. 65eba68350f1 zookeeper "/docker-entrypoint.…" 51 minutes ago Up 51 minutes 2888/tcp, 3888/tcp, 0.0.0.0:2181->2181/tcp, 8080/tcp zookeeper
8. 3394868b23e9 wurstmeister/kafka "start-kafka.sh" 51 minutes ago Up 51 minutes 0.0.0.0:9092->9092/tcp kafka
我们可以看到 Elasticsearch 运用于 9000 端口，Kibana 运行于 5601 端口，而 Logstash 运行 5000 端口。 我们可以访问 Kibana 的端口地址 5601:
运行 Nodejs 应用导入模拟数据
我们接下来建立一个 Nodejs 的应用来模拟一些数据。首先，我们需要安装如下的包：
npm install kafkajs uuid randomstring random-mobile
我们在根目录下打入如下的命令：
npm init -y
1. $ npm init -y
2. Wrote to /Users/liuxg/data/data-pipeline8/package.json:
4. {
5. "dependencies": {
6. "kafkajs": "^2.2.4"
7. },
8. "name": "data-pipeline8",
9. "description": "This is a sample code showing how to realize the following data pipeline:",
10. "version": "1.0.0",
11. "main": "kafka_producer.js",
12. "devDependencies": {},
13. "scripts": {
14. "test": "echo \"Error: no test specified\" && exit 1"
15. },
16. "repository": {
17. "type": "git",
18. "url": "git+https://github.com/liu-xiao-guo/data-pipeline8.git"
19. },
20. "keywords": [],
21. "author": "",
22. "license": "ISC",
23. "bugs": {
24. "url": "https://github.com/liu-xiao-guo/data-pipeline8/issues"
25. },
26. "homepage": "https://github.com/liu-xiao-guo/data-pipeline8#readme"
27. }
上述命令生成一个叫做 package.json 的文件。在以后安装的 packages，它也会自动添加到这个文件中。默认的设置显然不是我们想要的。我们需要对它做一些修改。
kafka_producer.js
1. // import { Kafka, logLevel } from "kafkajs";
2. const { Kafka } = require('kafkajs');
3. const logLevel = require("kafkajs");
5. // import { v4 as uuidv4 } from "uuid";
6. const { v4: uuidv4 } = require('uuid');
8. console.log(uuidv4());
10. const kafka = new Kafka({
11. clientId: "random-producer",
12. brokers: ["localhost:9092"],
13. connectionTimeout: 3000,
14. });
16. var randomstring = require("randomstring");
17. var randomMobile = require("random-mobile");
18. const producer = kafka.producer({});
19. const topic = "kafka_logstash";
21. const produce = async () => {
22. await producer.connect();
23. let i = 0;
25. setInterval(async () => {
26. var event = {};
27. try {
28. event = {
29. globalId: uuidv4(),
30. event: "USER-CREATED",
31. data: {
32. id: uuidv4(),
33. firstName: randomstring.generate(8),
34. lastName: randomstring.generate(6),
35. country: "China",
36. email: randomstring.generate(10) + "@gmail.com",
37. phoneNumber: randomMobile(),
38. city: "Hyderabad",
39. createdAt: new Date(),
40. },
41. };
43. await producer.send({
44. topic,
45. acks: 1,
46. messages: [
47. {
48. value: JSON.stringify(event),
49. },
50. ],
51. });
53. // if the message is written successfully, log it and increment `i`
54. console.log("writes: ", event);
55. i++;
57. } catch (err) {
58. console.error("could not write message " + err);
59. }
60. }, 5000);
61. };
63. produce().catch(console.log)
我们运行上面的 Nodejs 代码：
npm start
我们接下来在 Kibana 中来查看索引 kafka_logstash：
GET kafka_logstash/_count
1. {
2. "count": 103,
3. "_shards": {
4. "total": 1,
5. "successful": 1,
6. "skipped": 0,
7. "failed": 0
8. }
9. }
我们可以看到文档的数值在不断地增加。我们可以查看文档：
很显然我们收到了数据。从上面的结果中，我们可以看出来是一些非结构化的数据。我们可以针对 Logstash 的 pipeline 进行修改：
kafka-elastic.conf
1. input {
2. kafka {
3. bootstrap_servers => "192.168.0.3:9092"
4. topics => ["kafka_logstash"]
5. }
6. }
8. filter {
9. json {
10. source => "message"
11. }
13. mutate {
14. add_field => {
15. "id" => "%{[data][id]}"
16. }
17. add_field => {
18. "firstName" => "%{[data][firstName]}"
19. }
20. add_field => {
21. "lastName" => "%{[data][lastName]}"
22. }
23. add_field => {
24. "city" => "%{[data][city]}"
25. }
26. add_field => {
27. "country" => "%{[data][country]}"
28. }
29. add_field => {
30. "email" => "%{[data][email]}"
31. }
32. add_field => {
33. "phoneNumber" => "%{[data][phoneNumber]}"
34. }
35. add_field => {
36. "createdAt" => "%{[data][createdAt]}"
37. }
38. remove_field => ["data", "@version", "@timestamp", "message", "event", "globalId"]
39. }
40. }
42. output {
43. elasticsearch {
44. hosts => ["elasticsearch:9200"]
45. index => "kafka_logstash"
46. workers => 1
47. }
48. }
我们在 Kibana 中删除 kafka_logstash：
DELETE kafka_logstash
我们停止运行 Nodejs 应用。我们把运行 Elastic Stack 的 docker-compose 关掉，并再次重新启动它：
1. docker-compose down
2. docker-compose up
我们再次运行 Nodejs 应用：
我们再次到 Kibana 中进行查看：
很显然，这次，我们看到结构化的输出文件。
