xmlns="http://www.w3.org/2000/svg"

style="display:

color="#006666">🍃

予枫：个人主页

/>

color="#66CDAA">📚

个人专栏:

从入门到起飞》《读研码农的干货日常》

color="7B68EE"

更好的自己！

/>

引言

作为运维或开发，你是不是还在只用docker

logs查看容器日志？一旦容器数量增多、日志量暴涨，不仅查找排查麻烦，还无法实现实时监控、异常告警，排查问题像“大海捞针”。

本文就带你跳出docker

logs的局限，手把手实操Prome***us+Grafana可视化监控、ELK

Stack集中日志管理，搭建一套高效、易用的容器监控日志系统，帮你省时间、避踩坑！建议点赞收藏，实操时直接对照查看～

文章下创建`prome***us.yml`文件，配置容器指标收集规则，代码如下（重点配置docker容器指标收集）：

```yaml

收集Docker容器的指标（核心）

job_name:

替换为自己的服务器IP，9323端口是cadvisor的端口

metrics_path:

'/metrics'

2.4

启动服务并验证

1. 执行以下命令，启动Prome***us和Grafana服务：

docker-composeup
-d

start="2">

验证服务是否启动成功：

dockerps|grep-E"prome***us|grafana"

如果能看到两个容器处于Up状态，说明启动成功。

start="3">

访问控制台，验证配置：

• Prome***us控制台：http://你的服务器IP:9090，访问后点击「Status」→「Targets」，查看docker和prome***us的状态是否为「UP」；
• Grafana控制台：http://你的服务器IP:3000，使用默认账号（admin/123456）登录，首次登录可修改密码。

2.5

Grafana可视化配置（最终效果）

登录Grafana后，配置Prome***us数据源，再导入容器监控模板，就能实现可视化监控：

1. 配置数据源：点击左侧「齿轮图标」→「Data

   Sources」→「Add

   source」，选择「Prome***us」，输入Prome***us地址（http://prome***us:9090），点击「Save

   &

   Test」，提示成功即可；

2. 导入模板：点击左侧「+图标」→「Import」，输入模板ID（推荐1860，Docker容器监控模板），选择配置好的数据源，点击「Import」；
3. 查看效果：导入成功后，就能看到容器的CPU、内存、磁盘、网络等指标的可视化图表，支持筛选单个容器、调整时间范围。

💡

小提示：如果模板导入失败，可手动下载模板文件导入，或更换模板ID（比如893、2289），评论区留言可获取我整理的适配模板。

三、ELK

Stack集成：容器日志集中收集与分析

ELK

Stack由Elasticsearch（存储日志）、Logstash（收集、过滤日志）、Kibana（可视化日志、检索分析）组成，负责容器日志的集中收集、持久化存储和高效检索，解决docker

ELK

Compose一键部署）

同样使用Docker

Compose部署ELK

Stack，创建elk-docker-compose.yml文件，代码如下（关键注释已添加，可直接复制）：

version:'3.8'services:#
Elasticsearch
服务（存储日志）elasticsearch:image:elasticsearch:8.8.0container_name:elasticsearchrestart:alwaysports:-"9200:9200"#
暴露9200端口，用于ES通信-"9300:9300"#
暴露9300端口，用于ES集群通信volumes:-elasticsearch_data:/usr/share/elasticsearch/data#
持久化日志数据environment:-discovery.type=single-node#
单节点部署（无需集群）-ES_JAVA_OPTS=-Xms512m-Xmx512m#
设置JVM内存（根据服务器内存调整）-xpack.security.enabled=false#
关闭安全验证（简化部署，生产环境可开启）#
Logstash
服务（收集、过滤日志）logstash:image:logstash:8.8.0container_name:logstashrestart:alwaysports:-"5044:5044"#
暴露5044端口，用于接收Filebeat的日志volumes:-./logstash/pipeline:/usr/share/logstash/pipeline#
挂载Logstash配置文件environment:-LS_JAVA_OPTS=-Xms256m-Xmx256m#
设置JVM内存depends_on:-elasticsearch#
依赖ES服务#
服务（日志可视化、检索）kibana:image:kibana:8.8.0container_name:kibanarestart:alwaysports:-"5601:5601"#
暴露5601端口，访问Kibana控制台environment:-ELASTICSEARCH_HOSTS=http://elasticsearch:9200#
指定ES地址depends_on:-elasticsearch#
依赖ES服务-logstash#
Filebeat
服务（收集容器日志，发送给Logstash）filebeat:image:elastic/filebeat:8.8.0container_name:filebeatrestart:alwaysvolumes:-./filebeat/filebeat.yml:/usr/share/filebeat/filebeat.yml#
挂载Filebeat配置-/var/run/docker.sock:/var/run/docker.sock#
挂载docker
sock，获取容器日志-/var/lib/docker/containers:/var/lib/docker/containers#
挂载容器日志目录depends_on:-logstash#
持久化数据卷volumes:elasticsearch_data:

##
3.2
配置Filebeat（收集容器日志）
创建`filebeat/filebeat.yml`文件，配置容器日志收集规则，指定将日志发送给Logstash：
```yaml
/var/lib/docker/containers/*/*.log
容器日志存储路径
添加Docker元数据（容器ID、容器名等）
host:
"unix:///var/run/docker.sock"
matchers:
"/var/lib/docker/containers/"
输出日志到Logstash
关闭Filebeat自身日志（可选，避免日志冗余）
logging.level:
配置Logstash（过滤日志）
创建logstash/pipeline/logstash.conf文件，配置日志过滤规则，将日志格式化后发送给Elasticsearch：
input{beats{port=>5044#
接收Filebeat日志的端口}}filter{#
过滤Docker日志格式（JSON格式日志解析）json{source=>"message"#
解析日志中的message字段target=>"docker_log"#
解析后的日志存储到docker_log字段skip_on_invalid_json=>true#
跳过无效的JSON日志}#
过滤无用字段，精简日志mutate{remove_field=>["@version","beat","input","log","agent"]#
删除无用字段}}output{elasticsearch{hosts=>["elasticsearch:9200"]#
ES地址index=>"docker-logs-%{+YYYY.MM.dd}"#
日志索引名，按日期分割}#
控制台输出日志（可选，用于调试）stdout{codec=>rubydebug}}
##
3.4
start="2">
验证服务启动：
dockerps|grep-E"elasticsearch|logstash|kibana|filebeat"
4个容器均为Up状态，说明启动成功。
start="3">
验证日志收集：
访问Kibana控制台：http://你的服务器IP:5601，首次登录无需账号密码（关闭了安全验证）；
创建索引模式：点击左侧「Management」→「Index
Patterns」→「Create
pattern」，输入索引名docker-logs-*，点击「Next
step」，选择「@timestamp」作为时间字段，点击「Create
index
pattern」；
查看日志：点击左侧「Discover」，选择创建的索引模式，就能看到所有容器的日志，支持按容器名、时间范围、关键词检索，再也不用逐个容器查看日志了！
四、总结与实践建议
本文重点讲解了如何跳出docker
logs的局限，通过Prome***us+Grafana实现容器指标的实时监控与可视化，通过ELK
Stack实现容器日志的集中收集、过滤与检索，两套工具结合，搭建了一套完整的容器监控日志系统。
核心总结：
docker
logs仅适合简单的单容器日志查看，多容器、生产环境下完全不够用；
Prome***us+Grafana：侧重容器指标监控（CPU、内存等），可视化强、支持告警，适合运维实时监控；
ELK
Stack：侧重日志收集、检索与分析，适合问题排查、日志追溯，解决日志分散的痛点。
实践建议：
测试环境：可简化部署，只部署Prome***us+Grafana，满足基本监控需求；
生产环境：建议完整部署Prome***us+Grafana+ELK
Stack，同时开启Grafana告警（比如CPU使用率过高、日志出现错误关键词时告警），确保线上容器稳定运行；
性能优化：根据服务器配置调整JVM内存（ES、Logstash），日志按日期分割，定期清理过期日志，避免占用过多磁盘空间。
[此处插入总结性图片]
/>（图片建议：容器监控日志系统架构图，包含Prome***us、Grafana、ELK
Stack、Docker容器的关系，或Grafana可视化图表截图、Kibana日志检索截图）
结尾
以上就是容器监控与日志管理的完整实操教程，从痛点分析到环境部署，再到核心配置，每一步都有详细说明，小白也能轻松上手。
如果实操过程中遇到问题，欢迎在评论区留言，我会一一回复～