Este artículo está disponible en francés.
1. Les concepts #
Un graphe orienté.
Topologie #
Vector organise le traitement en un graphe : des sources produisent des événements (logs, métriques ou traces), des transforms les modifient, des sinks les envoient. Chaque composant indique ses inputs, ce qui permet d'aiguiller un même flux vers plusieurs destinations.
2. Configuration #
YAML, TOML ou JSON.
Exemple #
# vector.yaml
api:
enabled: true
address: 0.0.0.0:8686
sources:
app:
type: file
include: [/var/log/app/*.log]
transforms:
parse:
type: remap
inputs: [app]
source: |
. = parse_json!(.message)
.level = downcase(string!(.level))
del(.password)
erreurs:
type: filter
inputs: [parse]
condition: .level == "error"
sinks:
loki:
type: loki
inputs: [parse]
endpoint: http://loki:3100
encoding: { codec: json }
labels: { app: "{{ app }}", level: "{{ level }}" }
buffer: { type: disk, max_size: 268435488, when_full: block }
alerte_console:
type: console
inputs: [erreurs]
encoding: { codec: json }vector validate vector.yaml
vector --config vector.yamlComposants courants #
| Type | Composants |
|---|---|
| Sources | file, kubernetes_logs, journald, syslog, http_server, kafka, opentelemetry, internal_metrics |
| Transforms | remap, filter, route, sample, dedupe, throttle, log_to_metric, aggregate |
| Sinks | loki, elasticsearch, aws_s3, kafka, clickhouse, prometheus_exporter, datadog_logs, console |
3. Exploiter Vector #
Voir ce qui circule.
Outils #
vector top # débit et erreurs par composant, en direct
vector tap parse # afficher les événements qui sortent de « parse »
vector tap --outputs-of 'parse' --limit 5Bonne Pratique : vector tap est l'outil de mise au point le plus utile : il montre les événements réels à n'importe quel endroit du graphe, sans rien modifier.La source internal_metrics expose les métriques de Vector lui-même (événements reçus et envoyés, erreurs, taille des tampons), à envoyer vers Prometheus avec le sink prometheus_exporter.
Mi seguimiento
Inicia sesión para seguir tu progreso y tomar notas. Iniciar sesión
Artículos recomendados
Vector : les transforms en détail (remap et VRL, route, filter, réduction et métriques)
Transformer les événements dans Vector : remap et le langage VRL (analyse, enrichissement, gestio...
Vector : les sinks en détail (destinations, lots, tampons et réessais)
Envoyer les événements de Vector : sinks Loki, Elasticsearch, S3, Kafka, OpenTelemetry, Prometheu...
Transformer avec VRL et tester ses pipelines Vector
Le langage VRL (Vector Remap Language) : analyse de logs (JSON, regex, syslog), gestion des erreu...
Vector : les sources en détail
Les sources de Vector : fichiers, logs Kubernetes, journald, syslog, sockets, HTTP, OpenTelemetry...
Fluent Bit ou Vector ? Choisir, combiner et migrer
Comparer Fluent Bit et Vector (performances, transformations, écosystème, gouvernance), les combi...
Collecteurs de logs légers : Fluent Bit, Vector et les autres
Pourquoi un collecteur de logs, ce qui distingue les agents légers (Fluent Bit, Vector) des colle...
Bonnes pratiques de collecte de logs avec Fluent Bit et Vector
Check-list de production pour la collecte de logs : structure, filtrage à la source, masquage, ta...
Recherche vectorielle et RAG avec Elasticsearch : dense_vector, kNN, recherche hybride et RRF
Construire une recherche sémantique avec Elasticsearch : embeddings, champ dense_vector, recherch...
Logs Datadog avancés : index, filtres d'exclusion, Flex Logs, archives et Sensitive Data Scanner
Maîtriser coût et conformité des logs Datadog : pipelines et processeurs, index et rétention, fil...