【免费下载】 iLogtail快速入门指南:从零开始采集主机日志
2026-02-04 05:19:13作者:凤尚柏Louis
什么是iLogtail
iLogtail是一款轻量级、高性能的日志采集工具,由阿里巴巴开源并广泛应用于大规模日志采集场景。它具有资源占用低、配置灵活、扩展性强等特点,特别适合在服务器、容器等环境中进行日志采集和处理。
环境准备
在开始之前,请确保您的系统满足以下基本要求:
- Linux操作系统(推荐使用主流发行版)
- 基本的命令行操作权限
- 网络连接正常
安装iLogtail
- 首先下载预编译的iLogtail包:
wget https://loongcollector-community-edition.oss-cn-shanghai.aliyuncs.com/0.2.0/loongcollector-0.2.0.linux-amd64.tar.gz
- 解压下载的压缩包:
tar -xzvf loongcollector-0.2.0.linux-amd64.tar.gz
- 进入解压后的目录:
cd loongcollector-0.2.0
配置iLogtail
iLogtail的配置分为系统参数配置和采集配置两部分:
-
系统参数配置:位于
conf/instance_config/local/loongcollector_config.json,用于设置iLogtail运行时的全局参数。 -
采集配置:位于
conf/continuous_pipeline_config/local目录下,每个YAML文件代表一个独立的采集任务。
下面我们创建一个简单的采集配置示例file_simple.yaml:
enable: true
inputs:
- Type: input_file # 指定输入类型为文件
FilePaths:
- ./simple.log # 指定要采集的日志文件路径
flushers:
- Type: flusher_stdout # 指定输出类型为标准输出
OnlyStdout: true # 仅输出到标准输出
这个配置表示:
- 采集当前目录下的
simple.log文件 - 将采集到的日志内容输出到标准输出
启动iLogtail服务
使用以下命令在后台启动iLogtail:
nohup ./loongcollector > stdout.log 2> stderr.log &
这个命令做了以下几件事:
- 使用
nohup确保进程在终端关闭后继续运行 - 将标准输出重定向到
stdout.log文件 - 将错误输出重定向到
stderr.log文件 &符号表示在后台运行
测试日志采集
- 首先创建一个测试日志文件:
echo 'Hello, iLogtail!' >> simple.log
- 查看采集结果:
cat stdout.log
您应该能看到类似以下的输出:
2024-12-05 15:50:29 {"__tag__:__path__":"./simple.log","content":"Hello, iLogtail!","__time__":"1733385029"}
这个输出表明:
- 日志被成功采集
- 包含了原始内容"Hello, iLogtail!"
- 自动添加了文件路径和时间戳等元信息
理解采集结果
iLogtail的输出采用结构化格式,包含以下关键字段:
__tag__:__path__:记录日志来源文件路径content:原始日志内容__time__:日志采集时间戳(UNIX时间戳格式)
这种结构化输出便于后续的日志处理和解析。
进阶配置建议
当您熟悉了基本采集流程后,可以考虑以下进阶配置:
- 多文件采集:在
FilePaths下添加多个文件路径或使用通配符 - 日志过滤:添加
processors部分对日志进行过滤或处理 - 多种输出:配置输出到文件、远程服务器或其他存储系统
- 日志解析:使用正则表达式或分隔符解析非结构化日志
常见问题排查
-
日志未被采集:
- 检查配置文件路径是否正确
- 确认配置文件中的
enable设置为true - 查看
stderr.log中的错误信息
-
输出不符合预期:
- 检查采集配置中的输出类型设置
- 确认输出目标是否有写入权限
-
性能问题:
- 检查系统资源使用情况
- 考虑调整采集批次大小或间隔
总结
通过本指南,您已经完成了iLogtail的基本安装、配置和测试。iLogtail的强大之处在于其灵活的配置能力和丰富的功能扩展,后续您可以探索更多高级功能来满足不同的日志采集需求。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.75 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
336
178
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
886
596
Ascend Extension for PyTorch
Python
340
405
暂无简介
Dart
772
191
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
247
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
416
4.21 K
React Native鸿蒙化仓库
JavaScript
303
355