【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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0198
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
767
5.02 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
866
1.96 K
Ascend Extension for PyTorch
Python
728
902
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
692
1.36 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
458
454
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++
1.09 K
1.12 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
238
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
631
Oohos_react_native
React Native鸿蒙化仓库
C++
357
427