Splunk Journey (01) - 基礎架構和運作元件



前言

在生活上不管食衣住行，都會產生許多資料無論是「結構化」(Structured) 或「非結構化」(Unstructured)，這在 Splunk 來說稱之為「機械資料」(Machine Data)。因此，Splunk 主要任務便是將這些資料收集後，希望達成透過收集/過濾/視覺化呈現/趨勢預測……等目標。






運作元件

在 Splunk 的基礎架構中，主要有三個運作元件「Indexer、Search Head、Forwarder」：

圖片來源：Splunk Free Courses - Splunk Infrastructure Overview


Indexer：主要負責 Indexing，接收到 Machine Data 之後轉換成 Event 然後存放於 Splunk Index 當中，屆時再由 Search Head 來搜尋和過濾出 Splunk Index 當中的有用資料。

圖片來源：Splunk Free Courses - Splunk Infrastructure Overview


Search Head：主要負責 Search Management，屆時 Splunk User 送出搜尋需求後，Search Head 去 Splunk Index 搜尋並過濾後，回應相關資訊給 Splunk User 並且可以透過視覺化呈現。

圖片來源：Splunk Free Courses - Splunk Infrastructure Overview

圖片來源：Splunk Free Courses - Splunk Infrastructure Overview


Forwarder：主要負責 Data Input，轉送資料給 Indexer 主機，最常見的應用是安裝在 Windows / Linux 主機上，轉送各種應用程式或服務資料至 Indexer 主機。例如，安裝在 Linux Web Server 主機上，然後轉送 Web Log 至 Indexer 主機。
    圖片來源：Splunk Free Courses - Splunk Infrastructure Overview


    事實上，除了「Indexer、Search Head、Forwarder」這三個主要角色之外，還有另外三個角色以後也會用到分別是「Deployment Server、Cluster Master、License Master」，後續有機會再了解吧。

    圖片來源：Splunk Free Courses - Splunk Infrastructure Overview





    部署架構

    那麼要部署 Splunk 運作架構有哪幾種選擇，簡單來說，大概有下列三種選擇：

    • Single-Instance Deployment：All-in-One 的架構，將 Input、Parsing、Indexing、Searching 等工作任務，全部安裝在同一台主機上，適合用於 POC、個人學習/測試...等環境。
    • Small Enterprise Deployment：將「Input」和「Parsing、Indexing、Searching」分開，簡單來說 Input 就是多台 Forwarder，搭配一台 Indexer / Search Head 主機，通常處理 20GB per day 的資料量，以及小於 20 位使用者進行搜尋任務。倘若，可以再將 Indexer 分散成建立三台 Indexers 的話，那麼可以處理 100GB per day 資料量，以及小於 100 位使用者進行搜尋任務。
    • Distributed Deployment： 中大型架構，依據 Input、Parsing、Indexing、Searching 等工作任務需求，進行每個角色的主機台數擴充，甚至為了確保資料一致性和可用性，可以建立 Index Cluster。

    圖片來源：Splunk Free Courses - Splunk Infrastructure Overview

    圖片來源：Splunk Free Courses - Splunk Infrastructure Overview





    參考資源







    Splunk 筆記系列文章

    於