Py学习  »  Elasticsearch

大数据搜索选开源还是商业软件?ElasticSearch对比Splunk

大数据实验室 • 6 年前 • 685 次点击  


本文将在架构、功能、产品线、概念等方面,对ElasticSearch和Splunk做一个全方位的对比,希望能够为大家在制定大数据搜索方案的时候有所帮助。


简介


ElasticSearch是一个基于Lucene的开源搜索服务。它提供了一个分布式多用户能力的全文搜索引擎,基于RESTful web接口。Elasticsearch是用Java开发的,并作为Apache许可条款下的开放源码发布,是当前流行的企业级搜索引擎。设计用于云计算中,能够达到实时搜索,稳定,可靠,快速,安装使用方便。


ELK是ElasticSearch,Logstash,Kibana的缩写,分别提供搜索、数据接入和可视化功能,构成了Elastic的应用栈。


Splunk是大数据领域第一家在纳斯达克上市公司,Splunk提供一个机器数据的引擎。使用 Splunk可收集、索引和利用所有应用程序、服务器和设备(物理、虚拟和云中)生成的快速移动型计算机数据 。从一个位置搜索并分析所有实时和历史数据。 使用 Splunk 处理计算机数据,可让您在几分钟内(而不是几个小时或几天)解决问题和调查安全事件。监视您的端对端基础结构,避免服务性能降低或中断。以较低成本满足合规性要求。关联并分析跨越多个系统的复杂事件。获取新层次的运营可见性以及 IT 和业务智能。


根据最新的数据库引擎排名显示,Elastic,Solr和Splunk分别占据了数据库搜索引擎的前三位。



从趋势上来看,Elastic和Splunk上升明显,Elastic更是表现出了非常强劲的势头。



基本概念


Elastic


  • 准实时(NRT):Elasticsearch是一个准实时性的搜索平台,从数据索引到数据可以被搜索存在一定的时延。

  • 索引(Index):索引是有共同特性的文档的集合,索引有自己的名字,可以对索引执行搜索,更新,删除等操作。

  • 类型(Type):每个索引可以包含一个或者多个类型,类型可以看作一个索引数据的逻辑分组,通常我们会把拥有相同字段的文档定义为同一个类型。

  • 文档(Document):文档是索引信息的基本单元。Elastic中文档表现为JSON对象,文档物理存贮在索引中,并需要被制定一个类型。因为表现为JSON, 很自然的,文档是由一个个的字段(Feilds)组成,每个字段是一个名值对(Name Value Pair)。

  • 评分(score):Elastic是基于Lucene构建的,所以搜索的结果会有一个打分。来评价搜索结果和查询的相关性。


下图是一个Elastic的搜索在Kibana中看到的例子,原始的数据是一个简单的日志文件:



我们通过logstash索引到Elasticsearch后,就可以搜索了。



Splunk


  • 实时性:Splunk同样是准实时的,Splunk的实时搜索(Realtime Search)可以提供不间断的搜索结果的数据流。

  • 事件(Event):对应于Elastic的文档,Splunk的数据索引的基本单元是事件,每一个事件包含了一组值,字段,时间戳。Splunk的事件可以是一段文本,一个配置文件,一段日志或者JSON对象。

  • 字段(Fields):字段是可以被搜索的名值对,不同的事件可能拥有不同的字段。Splunk支持索引时(index time)和搜索时(search time)的字段抽取(fields extraction)

  • 索引(Indexes):类似Elastic的索引,所有的事件物理存储在索引上,可以把索引理解为一个数据库的表。

  • 知识对象(Knowledge Object):Splunk的知识对象提供对数据进一步的解释,分类,增强等功能,包括:字段(fields),字段抽取(fields extraction),事件类型(event type),事务(transaction),查找(lookups),标签(tags),别名(aliases),数据模型(data model)等等。


下图是一个Splunk的搜索在Splunk客户端看到的和前一个例子同样的日志数据的搜索结果。



从基本概念上来看,Elasticsearch和Splunk基本一致。从例子中我们可以看到很多的共性,事件/文档,时间戳,字段,搜索,时间轴图等等。其中有几个主要的差别:


  • Elastic不支持搜索时的字段抽取,也就是说Elastic的文档中的所有字段在索引时已经固定了,而Splunk支持在搜索时,动态的抽取新的字段;

  • Elastic的搜索是基于评分机制的,搜索的结果有一个打分,而Splunk没有对搜索结果评分;

  • Splunk的知识对象可以提供对数据更高级,更灵活的管理能力。


用户接口


ElasticSearch提供REST API来进行:


  • 集群的管理,监控,健康检查;

  • 索引的管理(CURD);

  • 搜索的执行,包括排序,分页,过滤,脚本,聚合等等高级的搜索功能。


Elasticsearch 本身并没有提供任何UI的功能,搜索可以用Kibana,但是没有管理UI还是让人不爽的,好在开源的好处就是会有很多的开发者来构建缺失的功能:


  • ElasticHQ

  • cerebro(推荐,界面干净,我喜欢)

  • dejavu


另一选择就是安装X-Pack,这个是要收费的。


Splunk作为企业软件,管理及访问接口比较丰富,除了REST API 和命令行接口,Splunk的UI非常友好易用,基本上所有的功能都能通过集成的UI来使用。同时提供以下接口:


  • REST API

  • Splunk UI

  • CLI


功能


数据接入和获取


Elastic栈使用Logstash和Beats来进行数据的消化和获取。


Logstash用jruby实现,有点像一个数据管道,把输入的数据进行处理,变形,过滤,然后输出到其它地方。Logstash 设计了自己的 DSL,包括有区域,注释,数据类型(布尔值,字符串,数值,数组,哈希),条件判断,字段引用等。


Logstash的数据管道包含三个步骤,Input,Filter和Output,每一步都可以通过plugin来扩展。另外Input和Output还支持配置Codecs,完成对输入输出数据的编解码工作。



Logstash支持的常见的Input包含File,syslog,beats等。Filter中主要完成数据的变形处理,可以增删改字段,加标签,等等。作为一个开源软件,Output不仅仅支持ElasticSearch,还可以和许多其它软件集成和目标,Output可以是文件,graphite,数据库,Nagios,S3,Hadoop等。



在实际运用中,logstash 进程会被分为两个不同的角色。运行在应用服务器上的,尽量减轻运行压力,只做读取和转发,这个角色叫做 shipper;运行在独立服务器上,完成数据解析处理,负责写入 Elasticsearch 的角色,叫 indexer。


logstash 作为无状态的软件,配合消息队列系统,可以很轻松地做到线性扩展。


Beats是 Elastic 从 packetbeat 发展出来的数据收集器系统。beat 收集器可以直接写入 Elasticsearch,也可以传输给 Logstash。其中抽象出来的 libbeat,提供了统一的数据发送方法,输入配置解析,日志记录框架等功能。



开源社区已经贡献了许多的beats种类。


因为Beats是使用Golang编写的,效率上很不错。


Splunk使用Farwarder和Add-ons来进行数据的消化和获取。


Splunk内置了对文件,syslog,网络端口等input的处理。当配置某个节点为Forwarder的时候,Splunk Forwarder可以作为一个数据通道把数据发送到配置好的indexer去。这时候,它就类似logstash。这里一个主要的区别就是对数据字段的抽取,Elastic必须在logstash中通过filter配置或者扩展来做,也就是我们所说的Index time抽取,抽取后不能改变。Splunk支持Index time的抽取,但是更多时候,Splunk 在index time并不抽取而是等到搜索是在决定如何抽取字段。


对于特定领域的数据获取,Splunk是用Add-on的形式。Splunk 的App市场上有超过600个不同种类的Add-on。



用户可以通过特定的Add-on或者自己开发Add-on来获取特定的数据。


对于大数据的数据采集,大家也可以参考我的另一篇博客(https://my.oschina.net/taogang/blog/524385)。


数据管理和存储


ElasticSearch的数据存贮模型来自于Lucene,基本原理是实用了倒排表。Splunk的核心同样是倒排表,推荐大家看这篇去年Splunk Conf上的介绍,Behind the Magnifying Glass: How Search Works(https://conf.splunk.com/files/2016/slides/behind-the-magnifying-glass-how-search-works.pdf)。



Splunk的Event存在许多Buckets中,多个Buckets构成逻辑分组的索引分布在Indexer上。



每个Bucket中都是倒排表的结构存储数据,原始数据通过gzip压缩。



搜索时,利用Bloom filter定位数据所在的bucket。


在对数据的存储管理上,Elastic 和Splunk都是利用了倒排表。Splunk对数据进行压缩,所以存储空间的占用要少很多,尤其考虑到大部分数据是文本,压缩比很高的,当然这会损失一部分性能用于数据的解压。


数据分析和处理


对数据的处理分析,ElasticSearch主要使用 Search API来实现。而Splunk则提供了非常强大的SPL,相比起ES的Search API,Splunk的SPL要好用很多,可以说SPL就是非结构化数据的SQL。无论是利用SPL来开发分析应用,还是直接在Splunk UI上用SPL来处理数据,SPL都非常易用。开源社区也在试图为Elastic增加类似SPL的DSL来改善数据处理的易用性。例如https://github.com/chenryn/ESPL,从这篇反馈可以看出,ES的search还有许多的不足。



作为对此的响应,Elastic推出了painless script,该功能还处于实验阶段。


数据展现和可视化


Kibana是一个针对Elasticsearch的开源分析及可视化平台,用来搜索、查看交互存储在Elasticsearch索引中的数据。使用Kibana,可以通过各种图表进行高级数据分析及展示。



Splunk集成了非常方便的数据可视化和仪表盘功能,对于SPL的结果,可以非常方便的通过UI的简单设置进行可视化的分析,导出到仪表盘。

【网络课程】“亿计划”期货实战训练营-第十二期

打破传统

最强性价比

理论+实战 

打造期货股票交易系统 

为投资者打造全新学习交流体验

2017年11月6日  

报名电话/微信:18516600808



下图来自 https://www.itcentralstation.com/products/comparisons/kibana_vs_splunk



在数据可视化的领域的排名,Splunk仅仅落后于Tableau而已。



扩展性


从扩展性的角度来看,两个平台都拥有非常好的扩展性。


Elastic栈作为一个开源栈,很容易通过Plugin的方式扩展。包括:


  • ElasticSearch Plugin 

  • Kibana Plugin

  • Logstash Plugin

  • Beats Platform


Splunk提供一系列的扩展点支持应用和Add-on的开发, 在http://dev.splunk.com/可以找到更多的信息和文档。包括:


  • Web Framework

  • SDK

  • Modular Input

  • ... ...


比起Elastic的Plugin,Splunk的扩展概念上比较复杂,开发一个App或者Add-on的门槛都要相对高一些。做为一个数据平台,Splunk应该在扩展性上有所改进,使得扩展变的更为容易和简单。


架构


Elastic Stack



如上图所示,ELK是一套栈,Logstash提供数据的消化和获取,Elasticsearch对数据进行存储,索引和搜索,而Kibana提供数据可视化和报表的功能。


Splunk



Splunk的架构主要有三个角色:


  • Indexer——Indexer提供数据的存储,索引,类似Elasticsearch的作用。

  • Search Head——Search Head负责搜素,客户接入,从功能上看,一部分是Kibana,因为Splunk的UI是运行在Search Head上的,提供所有的客户端和可视化的功能,还有一部分,是提供分布式的搜索功能,包含对搜索的分发到Indexer和搜索结果的合并,这一部分功能对应在Elasticsearch上。

  • Forwarder——Splunk的Forwarder负责数据接入,类似Logstash。


除了以上的三个主要的角色,Splunk的架构中还有:Deployment Server,License Server,Master Cluster Node,Deployer等。


Splunk和ELK的基本架构非常类似,但是ELK的架构更为简单和清楚,Logstash负责数据接入,Kibana负责数据展现,所有的复杂性在Elasticsearch中。Splunk的架构更为复杂一些,角色的类型也更多一些。


如果装单机版本,Splunk更容易,因为所有的功能一次性就装好了,而ELK则必须分别安装E/L/K,从这一点上来看,Splunk有一定的优势。


分布集群和扩展性


ElasticSearch



ElasticSearch是为分布式设计的,有很好的扩展性,在一个典型的分布式配置中,每一个节点(node)可以配制成不同的角色,如上图所示:


  • Client Node,负责API和数据的访问的节点,不存储/处理数据;

  • Data Node,负责数据的存储和索引;

  • Master Node, 管理节点,负责Cluster中的节点的协调,不存储数据。


每一种角色可以通过ElasticSearch的配置文件或者环境变量来配置。每一种角色都可以很方便的Scale,因为Elastic采用了对等性的设计,也就是所有的角色是平等的,(Master Node会进行Leader Election,其中有一个是领导者)这样的设计使得在集群环境的伸缩性非常好,尤其是在容器环境,例如Docker Swarm或者Kubernetes中使用。


参考:


  • https://elk-docker.readthedocs.io/#elasticsearch-cluster

  • https://github.com/pires/kubernetes-elasticsearch-cluster


Splunk


Splunk作为企业级的分布式机器数据的平台,拥有强大的分布式配置,包括跨数据中心的集群配置。Splunk提供两种集群,Indexer集群和Search Head集群。


Splunk Indexer集群



如上图所示,Splunk的indexer集群主要由三种角色:


  • Master Node,Master Node负责管理和协调整个的集群,类似ES的Master。但是只有一个节点,不支持多Master(最新版本6.6)。Master Node负责:

  • 协调Peer Node之间的数据复制;

  • 告诉Search Head数据在哪里;

  • Peer Node的配置管理;

  • Peer Node故障时的故障恢复。


  • Peer Nodes,负责数据索引,类似ES的Data Node,Peer Node负责:

  • 存储索引数据;

  • 发送/接收复制数据到其他Peer节点;

  • 响应搜索请求。


  • Search Head,负责数据的搜索和客户端API访问,类似ES的Client Node,但不完全相同。Search Head负责发送搜索请求到Peer Nodes,并对搜索的结果进行合并。


有人会问,那Master是不是集群中的单点故障?What if Master node goes down?Splunk的回答是否。即使Master 节点出现故障,Peer Nodes仍然可以正常工作,除非,同时有Peer Node出现故障。


参考:


  • http://docs.splunk.com/Documentation/Splunk/6.6.1/Indexer/Whathappenswhenamasternodegoesdown

  • https://answers.splunk.com/answers/129446/why-does-master-node-continue-to-be-single-point-of-failure-in-clustering.html


Splunk Search Header 集群



Search Head集群是由一组Search Head组成,它们共享配置,搜索任务等状态。该Cluster主要有以下角色:


  • Deployer, 负责分发状态和应用到peers;

  • Cluster Member,其中有一个是Captain,负责协调。Cluster Memeber之间会互相通信,来保证状态一致。Load Balancer是个可选项,可以负责Search的接入;

  • Search Peers,负责数据索引的 Indexer Nodes。


另外Splunk还曾经提供过一个功能叫做Search Head Pooling,不过现在已经Depecated了。


Indexer集群可以和Search Head集群一起配置,构成一个分布式的Splunk配置。


相比较ES的相对比较简单的集群配置,Splunk的集群配置比较复杂,ES中所有每一个节点可以灵活的配置角色,并且可以相对比较容易的扩展,利用例如Kubernetes的Pod的复制可以很容易的扩展每一个角色。扩展Splunk相对比较困难,要做到动态的伸缩,需要比较复杂的配置。大家可以参考这里,在容器环境里配置一个Splunk的集群需要比较多的布置,例如在这个Master的配置中,用户需要考虑:


  • 如何配置License

  • 修改缺省的用户名口令

  • 为每一个Search Head配置Search Head Cluster

  • 等待Splunk进程成功启动

  • 配置业务发现

  • 安装应用

  • ... ...


并且集群的扩展很难直接利用容器编排平台提供的扩展接口,这一点Splunk还有很多提高的空间。


产品线


Elastic



Elastic的产品线除了大家熟悉的ELK(ElasticSearch,Logstash,Kikana),主要包含:


  • Beats Beats是一个开源组件,提供一个代理,把本地抓到的数据传送到ElasticSearch;

  • Elastic Cloud, Elasti提供的云服务;

  • X-Pack, Elastic的扩展组件,提供安全,告警,监控,机器学习和图处理能力。主要功能需要付费使用。


Splunk



Splunk的产品线包括:


  • Splunk Enterprise;

  • Splunk Cloud, Splunk运营的云服务,跑在AWS上;

  • Splunk Light,Splunk Light版本,功能有所精简,面向中小企业;

  • Hunk, Splunk on Hadoop;

  • Apps / Add-ons,  Splunk提供大量的应用和数据获取的扩展,可以参考 http://apps.splunk.com/;

  • Splunk ITSI (IT Service Intelligence), Splunk为IT运维专门开发的产品;

  • Splunk ES (Enterprise Security), Splunk为企业安全开发的产品,这个是Splunk 公司的拳头产品,连续被Gartner评为SIEM领域的领导者,挑战了该行业的传统巨鳄IBM,HP;

  • Splunk UBA (User Behavior Analytic), UBA是Splunk在15年收购的Caspidia带来的基于机器学习的安全产品。


从产品线的角度来看,Splunk除了提供基本平台,在IT运维和安全领域都有自己的拳头产品。Elastic缺乏某个领域的应用。


价格


价格是大家非常关心的一个因素。


Elastic


Elastic的基本组件都是开源的,参看下表,X-pack中的一些高级功能需要付费使用。包含安全,多集群,报表,监控等等。



云服务的价格参考下图,ES的云是按照所使用的资源来收费,从这里选取的区域可以看出,ES的云也是运行在AWS上的。下图中的配置每月需要花费200美元左右。(不同区域的收费不同)



同时,除了Elastic自己,还有许多其他公司也提供Elastic Search的云服务,例如Bonsai,Qbox.io等。



Splunk


Splunk Enterprise是按照数据每日的流量按年或者无限制事件付费,每天1GB的话,每年是2700美元,每个月也是差不多200块。如果每天的数据量少于500M,可以使用Splunk提供的免费License,只是不能用安全,分布式等高级功能,500M可以做很多事情了。



云服务的价格就要便宜多了,每天5GB,每年只要2430元,每个月不到200块。当然因为计费的方式不同,和Elastic的云就不好比较了。另外因为是在AWS上,中国的用户,呵呵了。



总结


大数据的搜索平台已经成为了众多企业的标配,Elastic栈和Splunk是其中最为优秀和流行的选择。两者都有各自的优点和值得改进的地方。希望本文能够在你的大数据平台的选型上,有所帮助。也希望大家来和我交流,共同成长。


参考文档:


ELK


  • ElasticSearch 参考文档

    https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html

  • Github上收集的ElasticSearch相关开源软件列表

    https://github.com/dzharii/awesome-elasticsearch

  • 知乎ElaticSearch专题

    https://www.zhihu.com/topic/19899427/hot

  • 中文书

    https://github.com/chenryn/ELKstack-guide-cn

  • 中文书

    https://www.gitbook.com/book/wizardforcel/mastering-elasticsearch/details


Splunk


  • Splunk 文档

    https://docs.splunk.com/Documentation

  • Splunk电子书

    https://www.splunk.com/web_assets/v5/book/Exploring_Splunk.pdf

  • Splunk 开发文档

    http://dev.splunk.com/getstarted

  • Splunk 应用市场

    http://apps.splunk.com/

  • Splunk 快速参考

    https://www.splunk.com/content/dam/splunk2/pdfs/solution-guides/splunk-quick-reference-guide.pdf


其它


  • https://www.upguard.com/articles/splunk-vs-elk

  • https://db-engines.com/en/system/Elasticsearch%3BSplunk

  • https://www.searchtechnologies.com/blog/log-analytics-tools-open-source-vs-commercial

  • http://www.learnsplunk.com/splunk-vs-elk-stack.html

  • https://www.slideshare.net/hepterida/splunk-vs-elk

  • http://blog.takipi.com/log-management-tools-face-off-splunk-vs-logstash-vs-sumo-logic/

  • http://blog.takipi.com/splunk-vs-elk-the-log-management-tools-decision-making-guide/

  • https://www.edureka.co/blog/splunk-vs-elk-vs-sumologic

  • https://www.youtube.com/watch?v=ElMZqeogc3w (请自行翻墙)


来源:开源中国

【五百强龙头企业股权低价转让】


快速成长期优质龙头企业,销售额超500亿元。

 

新三板股权低价转让,不再为错过快速拉升而惋惜。

新三板免费开户,帮您轻松越过高门槛





今天看啥 - 高品质阅读平台
本文地址:http://www.jintiankansha.me/t/yCjvdilVxc
Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/3815
 
685 次点击