阿里雲Logstash在使用及調優方面和開源版Logstash無差異，Logstash管道處理分為三個階段：input、filter和output。Logstash管道每個階段都運行在自己的線程中，input階段將事件寫入到記憶體（預設）或磁碟的中央隊列，每個管道背景工作執行緒從此隊列提取一批事件，通過filter對事件做預先處理，最後通過output輸出預先處理後的事件。本文結合日常實踐，為您提供Logstash效能排查的方法，僅供參考。
開啟監控
使用阿里雲Logstash，建議您優先開啟以下Logstash監控：
- 阿里雲LogstashCloudMonitor：可擷取Logstash系統指標監控資料。詳細資料請參見配置自訂警示策略。
- 阿里雲Logstash X-Pack監控：該監控依賴於同VPC下的Elasticsearch，可擷取Logstash叢集的CPU、記憶體、接收事件的速率以及輸出事件的速率等指標監控資料。詳細資料請參見配置X-Pack監控。
調試建議
- 調試過程中，建議您每次先調試一項參數值，逐步增大或降低，分別觀察源端和目的端服務的消費和寫入情況。
- 在Logstash系統資源充足的情況下，調試Logstash管道背景工作執行緒數和管道批量處理事件數目時，建議您優先調整管道批大小（寫入到Elasticsearch情境，單bulk建議在5 MB左右），待目標端寫入無法增加時，再調整管道背景工作執行緒數。詳細資料請參見檢查管道參數配置。
- 整個調整過程中需要關注源端、Logstash叢集和目標端系統的壓力，並且確保有足夠的堆記憶體處理突增的例外狀況事件。詳細資料請參見檢查Logstash叢集效能。說明 Logstash通過管道方式處理事件，其速度取決於輸入和輸出端服務所能達到的消費能力。
- 藉助阿里雲Logstash的logstash-output-file_extend外掛程式，當管道正常啟動時，您可以通過調試日誌分析業務資料處理情況。詳細資料請參見使用Logstash管道配置調試功能。
檢查Logstash叢集效能
說明 充分利用叢集資源，可提高輸送量。如果CPU或記憶體未達到瓶頸，即使增加規格，輸送量也不會增加。
CPU
通過監控查看CPU使用率。如果CPU使用率太高，需要關注堆記憶體使用量情況。
堆記憶體
- 在大多數應用情境中，將堆記憶體設定為4 GB~8 GB即可。如果確實需要更大的堆記憶體，例如資源達到瓶頸，可擴容叢集規格，否則無需設定更大的堆記憶體。建議您在生產前進行測試，設定合適的堆記憶體。
- 堆記憶體使用量率很高或堆記憶體很小，會觸發頻繁的GC，導致CPU使用率增加。建議您增加一倍記憶體，觀察效能是否有提升。
- 阿里雲Logstash結合Logstash官方建議，堆內堆外各佔一半記憶體。
檢查管道參數配置
- 管道背景工作執行緒：該參數值設定使用多少線程來處理filter和output任務，預設為CPU核心數。如果CPU使用率不高，可適當調大該參數，提高處理效能。
- 管道批大小：該參數設定每個獨立的背景工作執行緒，對接收到的多少個事件做filter和output處理。適當提高該參數，有利於提高事件處理效率，該參數值對應於Elasticsearch的bulk設定。
常見情境
Kafka
Kafka堆積，如何提高消費能力？
以下提供三種提高Kafka消費能力的方式，更多方式請參見Logstash官方Kafka文檔。您可以選擇其中一種方式，也可以將這三種方式結合起來使用：
- 巨量資料量情境，可根據Logstash節點數乘以消費者線程數評估Kafka的topic分區數。說明 分區數並不是越多越好，分區本身也有自己的開銷。
- 使用相同的group_id運行多個Logstash執行個體，將負載分散到多個物理機上。topic下的訊息將分發到相同的group_id上，提高消費能力。
- 提高管道批處理和管道背景工作執行緒數。