文章1日志管理工具1.1 Splunk1.1.1优势1.1.2劣势1.2 Sumo Logic1.2.1优势1.2.2劣势1.3 Loggly1.3.1优势1.3.2劣势1.4 papey
1日志管理工具
日志管理工具数不胜数，包括Splunk、Sumo Logic、LogStash、GrayLog、Loggly和PaperTrails。 日志就像石油，我们一直试图摆脱它，但一直没能做到。
为了处理不断增长的数据，近年来出现了许多用于分析和管理日志的工具，以帮助开发人员和管理员了解不断增长的数据。 本文站在开发人员的立场上分析这些工具的特征。
1.1 Splunk作为该领域最大的工具，决定对Splunk进行单独分类。 这个工具不是最好的，肯定这个产品是因为本质上创造了新的领域。
1.1.1优点在这个领域功能最齐全的可能是Splunk。 数百个用于分析各种形式的日志信息的程序——，从安全读取器到业务分析，再到基础监视。 Splunk的搜索和图表工具如此丰富，没有通过它(UI和API )获得的数据。
1.1.2缺点Splunk主要有两个缺点。 第一，这个因素可能有点主观，但我认为这个解决方法太复杂了。 要在高度复杂的环境中部署，必须安装和配置专用群集。 作为开发者，通常在这方面不把这个方案作为首要选择。
第二个缺点是太贵了。 支持现实世界的软件可能需要一万美元以上。 这意味着必须从其他地方削减预算，开发进程很可能会变慢
1.2 Sumo Logic Sumo是基于Splunk构建的SaaS版本，继承了Splunk的初始特性和视觉效果。 不得不说，SL今天已经发展成了成熟的企业级日志管理工具。
1.2.1优势SL具有数据简化、检索、制表等功能。 它可能是SaaS型日志分析工具中功能最好的。 同样，作为SaaS型，SL还具有安装简单、操作简单等优点。 最吸引人的是，您可以创建一个基线，当新版本首次联机或事件导致重要指标发生变化(如恶意请求)时，该基线会动态通知您。
1.2.2缺点因为这是以SaaS方式进行日志分析，所以必须将大量的数据上传到服务器进行分析，可能会产生几个问题：
作为开发人员，如果要分析的日志中包含敏感信息或PII，请确保已屏蔽。 日志的生成时间与日志上载到服务的时间之间可能存在冲突。 你的机器会有一些GB的开销来上传日志，这取决于你的日志吞吐量。 1.3 Loggly Loggly也是一个稳健的日志分析工具，强调简洁朴素，开发者易于使用。
1.3.1优势SL侧重于企业级APP部署和安全性，而Loggly则侧重于帮助开发人员发现并修复易用性问题。 因为操作界面非常方便，所以定制性能和开发人员仪表板非常简单。 而且，它的价格透明，便于入门。
1.3.2不要希望缺点Loggly具备成熟的框架、安全、分析解决方案。 Loggly不具备取证基础架构，它只是一个帮助开发人员处理APP应用程序服务器数据的工具。 除此之外的事情需要自己做。
1.4 PaperTrails PaperTrails擅长从多台机器中检索日志并提供集成的窗口，使用方便。 你从云中跟踪日志，所以你离他们不太远。
1.4.1优势PT就是这样的工具。 您可以从一个窗口轻松搜索多台计算机的日志。 用户交互本身就像你机器上的日志，搜索命令也一样。 我们致力于确保日志管理简单、易用、优雅地处理。 而且，那个不是很贵。
1.4.2缺点PT基于文本格式。 如果需要支持高级集成、预测和报告功能，它看起来很无力。
1.5 Storm这是Splunk的兄弟，托管在Splunk的服务器上。
1.5.1优势Storm无需安装软件即可体验完整版本的Splunk功能。
1.5.2缺点Storm不是商业性的，所以流量有限。 这可以看作是Splunk的限制版本，无需引入即可帮助测试新产品。 新的服务Splunk Cloud致力于提供Splunk SaaS的完整体验。
1.6日志状态日志状态是一个收集和管理日志的开源工具。 它使用了其他开源资源，包括使用ElasticSearch索引和检索数据，以及使用Kibana进行表创建和可视化。 他们合作构成了强大的日志管理解决方案。
1.6.1优势作为开源解决方案，Logstash允许用户有更大的定制空间，而且价格低廉。 Logstash使用三个成熟的开源部件——将——组合在一起
个强大的可扩展的软件包。由于开源，安装和使用和非常方便。 1.6.2 缺点由于 Logstash 从本质上来说是三个部件的堆砌，所以需要面对三个不同的产品。这就意味着扩展也变得很复杂。Logstash 的过滤器是用 Ruby 写的，Kibana 是用纯 Javascript 写的，而 ElasticSearch 也有自己的 REST 接口和 JSON 模板。
强健的小霸王转向产品时，还需要将三个不同的工具部署到服务器上，无疑增加了复杂度。
Graylog2用 MongoDB 和 ElasticSearch 支持的用来存储与搜索日志错误的工具。它致力于帮助开发者找到并修复程序中的错误。
在这一方面，还有 fluentd 和 Kafka 也是专注于存储日志的
虽然这篇文章不是关于 Takipi 的，但是它有一项特性，你也许会发现和日志有关。
对于日志分析工具来说，最大的缺点就是你必须要有日志可以分析。从集成开发环境的角度看，如果没有异常报告，或者没有错误信息的数据，你就没办法知道哪里出问题了，这样世界上任何工具都帮不了你了！Debug 就卡在这里了
在 Takipi 的一项优势就是可以跳过日志文件，进入到调试信息中。这样你就能看到真实的源代码和错误范围的变量了
Takipi 会报告所有的异常和错误，并且告诉你哪里出错了，即使是多线程或者是发生在多台机器上