TensorFlow Serving容器化部署中的日志收集方案

在TensorFlow Serving容器化部署中，日志收集是保障服务可观测性的关键环节。本文将对比两种主流日志收集方案：基于Docker日志驱动和基于Filebeat的集中式收集。

方案一：Docker原生日志驱动

Docker默认使用json-file驱动记录容器日志，配置简单但存在日志轮转问题。通过以下docker run命令启用日志轮转：

docker run --log-driver=json-file \
  --log-opt max-size=10m \
  --log-opt max-file=3 \
  tensorflow/serving:latest

方案二：Filebeat集中收集

为解决Docker日志轮转问题，推荐使用Filebeat。首先配置TensorFlow Serving容器挂载日志目录：

version: '3'
services:
  tensorflow-serving:
    image: tensorflow/serving:latest
    volumes:
      - ./logs:/var/log/tensorflow-serving
    logging:
      driver: "none"

然后部署Filebeat收集器：

filebeat.inputs:
- type: log
  paths:
    - /var/log/tensorflow-serving/*.log
  fields:
    service: tensorflow-serving

负载均衡配置

结合Nginx负载均衡，将日志收集器统一接入：

upstream tensorflow_serving {
    server 172.16.0.10:8080;
    server 172.16.0.11:8080;
}

通过Filebeat收集的日志可直接发送到ELK栈进行分析，实现完整的可观测性方案。